文章详情
| 稿件标题： | 基于BP-SA混合学习策略优化的舰载消磁系统在役考核评估方法 |
| 稿件作者： | 甄子清1,2，黄栋1，冯浩明2，王韵实2 |
| DOI： | 10.11809/bqzbgcxb2024.10.040 |
| 科学编辑： | 李声飞（中国西南电子技术研究所 研究员） |
| 栏目名称： | 信息科学与控制工程 |
| 关键词： | 舰载消磁系统；在役考核；BP神经网络；模拟退火；混合学习策略 |
| 文章摘要： | 装备在役考核是验证装备服役后的作战与保障效能，促进装备迭代升级的重要手段。针对舰载消磁系统在役考核工作特点和常规考核评估方法的不足，从作战效能、适用性、可靠性、维修性以及测试性等5个方面建立了舰载消磁系统在役考核指标体系。在传统BP神经网络的基础上，引入模拟退火策略随机寻找更优解，提高了神经网络的收敛性和稳定性。评估模型经过70组舰载消磁系统数据样本的训练、测试和验证，最终得到剩余预测残差RPD为9.309 3的实验结果，表明了该模型不仅克服了传统BP神经网络算法局部极小、拟合效果差等问题，且对于舰载消磁系统在役考核结果具有很好的预测与评估能力。 |
| 引用本文格式： | 甄子清，黄栋，冯浩明，等.基于BP-SA混合学习策略优化的舰载消磁系统在役考核评估方法［J］.兵器装备工程学报，2024，45(10)：317-322. ZHEN Ziqing，HUANG Dong，FENG Haoming， et al.In-service evaluation method of naval degaussing system optimized by BP-SA hybrid learning strategy［J］.Journal of Ordnance Equipment Engineering，2024，45(10)：317-322. |
| 刊期名称： | 2024年10期 |
| 出版时间： | 2024年10月 |
| 收稿日期： | 2023-09-28 |
| 修回日期： | 2023-10-20 |
| 录用日期： | 2023-12-13 |
| 上线时间： | 2024年10月31日 |
| 浏览次数： | 449 |
| 下载次数： | 27 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |