基于改进小波神经网络和灰色模型的装备性能参数预测
DOI:
CSTR:
作者:
作者单位:

南京电子技术研究所通信与信息系统南京210003

作者简介:

通讯作者:

中图分类号:

TP1

基金项目:


Prediction method of equipment performance parameter based on improved wavelet neural network and grey model
Author:
Affiliation:

Nanjing Research Institute of Electronics Technology,Nanjing 210003,China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    装备性能参数预测是装备系统故障预测与健康管理的重要组成部分,对于提高装备保障效能有重大意义。本文提出了一种基于灰色模型和改进小波神经网络的组合预测模型。在灰色预测的基础上,训练小波神经网络进行灰色预测的残差修正,并通过对小波神经网络的改进提高了网络学习效率。对某型雷达中频接受单元的压控振荡器输出频率进行预测,实验证明,该组合模型结合了灰色预测和改进小波神经网络的优点,有较高预测精度和泛化能力。将该组合模型应用于装备状态参数预测具有可行性。

    Abstract:

    Prediction of equipment performance parameter is an important part of PHM(prognostics and health management),which has great significance for improving the efficiency of equipment support. This dissertation proposed a combined model,which is based on grey model and improved wavelet neural network. The residual of grey prediction is trained in the wavelet neural network to correct the consequence of prediction.Also the learning efficiency is enhanced by the improvement of wavelet neural network.By analyzing the output frequency data of VCO in a intermediate frequency unit for a certain radar,the experimental results shows that this combined model has higher prediction accuracy and generalization ability.Therefore it’s feasible to apply the combined model in the prediction of equipment performance parameter.

    参考文献
    相似文献
    引证文献
引用本文

李梦妍,于文震.基于改进小波神经网络和灰色模型的装备性能参数预测[J].电子测量技术,2016,39(3):18-22

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2016-04-28
  • 出版日期:
文章二维码