闫彬
- 作品数：3 被引量：4H指数：1
- 供职机构：西北机电工程研究所更多>>
- 相关领域：兵器科学与技术自动化与计算机技术更多>>
- 基于BP和Kohonen神经网络结合的铸坯在线质量评估被引量：3
- 2016年
- 针对连铸坯铸造在线质量评估中存在的实时性和准确性评判误差较大等问题,提出一种基于人工智能神经元网络技术的在线质量评估方法.通过获取训练样本和进行独立实验,分析和研究了铸造材料中主要元素对在线连铸坯质量的影响.将收敛速度快、评判准确率高的BP神经网络模型和Kohonen自组织特征映射神经网络模型相结合,在评估过程中两者并行运算,评判结果相互融合,实现了对连铸坯在线质量的准确判定.MATLAB仿真结果表明,融合运算后的在线质量评估平均相对误差小于10%.
- 安波闫彬刘永姜
- 关键词：连铸坯BP神经网络KOHONEN神经网络
- 基于性能退化的身管多状态可靠性分析被引量：1
- 2020年
- 在身管寿命周期内,其弹道性能会因发射过程中内膛的烧蚀磨损发生退化,表现出多状态输出特征;基于“二元状态”假设的传统可靠性分析方法不能准确地分析寿命周期内身管的多状态可靠性;针对上述问题,提出了基于K近邻聚类和性能退化的身管多状态可靠性分析方法,利用寿命周期内监测数据对身管性能状态进行聚类分析,从而建立性能退化下的多状态可靠性模型;结合身管寿命试验实例,在试验数据合理分析的基础上,划分了身管性能退化状态,进行了身管的多状态可靠性分析,并计算了可靠性度量指标,验证了方法的有效性,具有工程应用的指导意义。
- 康总宽闫彬
- 关键词：身管多状态系统可靠性
- 主成分分析和灰色模型组合的身管多点烧蚀磨损量预测
- 2024年
- 身管是火炮类武器的关键零件,对其烧蚀磨损量进行预测,有助于保持火炮作战效能。针对火炮身管沿轴向各点烧蚀磨损量需分别建立数学模型进行预测问题,提出一种组合烧蚀磨损量预测方法。采用主成分分析(principal component analysis,PCA)方法对身管多点烧蚀磨损量进行数据空间降维,提取反映烧蚀磨损量变化的主成分,利用灰色模型对主成分进行多步预测,通过PCA逆运算获得身管内膛多点烧蚀磨损量预测值。结果表明,在历史数据较少的条件下,通过选择合适的预测步数可获得较为准确的预测值,为身管内膛多点烧蚀磨损量的预测提供了一种新的有效途径。
- 康总宽闫彬闫彬宋洪震宋洪震
- 关键词：身管烧蚀磨损主成分分析
