查看更多>>摘要:针对引信控制系统高速信号状态判断误差大和BP(Back Propagation,BP)神经网络在状态判断过程中存在精度差、易陷入局部最优解的缺点,利用其它寻优算法来改善BP神经网络的缺点以减小高速信号状态判断的误差.本文利用遗传算法优化BP神经网络来构建模型,以引信的高速信号时间和电压为输入指标建立了分类模型,将其用于高速信号状态的判断来提高识别准确率,加快收敛速度,降低误差,并根据高速信号来了解引信控制系统在每一时刻处于哪种状态从而判断系统是否正常可靠.仿真分析结果表明,本文方法在引信的高速信号状态判断方面具有识别结果优、收敛速度快、误差小的特点,其正确率达到了99.6%,优于BP神经网络的88.6%和卷积神经网络的98.7%;同时,平均绝对误差降低至0.012 10,均方误差降低至0.043 68,均方根误差降低至0.209 01,进化代数为23代,优于BP神经网络的0.168 42,0.319 85,0.564 75,51代,卷积神经网络的0.022 63,0.060 5,0.245 97,25代.连续实验结果表明,改进后的模型鲁棒性更优,威尔克森秩和检验结果也表明,改进后的模型比BP神经网络和卷积神经网络的识别效果更优,有更好的泛化能力,模型满足了高速信号状态判断要求.