基于LIB-SVM的电子设备故障预测方法研究

为及时了解电子设备的运行状态,实现电子设备未来某时刻故障预测,将“事后维修”转变为“事前预防”,在统计学习理论（SLT）的基础上,采用LIB—SVM支持向量回归方法,对小样本、非线性条件下的数据进行拟合,并根据自动测试设备（ATE）测得的实际数据及专家经验,对该方法进行了验证。经实验证明,该方法是可行的有效的,对电子设备的故障预测具有较高的准确度。     

基于隶属度函数的电子设备故障预测研究

针对当前电子设备模块化方向发展现状,及时了解电子设备的运行状态,预防故障并缩短维修时间,采用模糊隶属度函数的方法,将设备的模糊状态进行量化,引入可信度因子及有关融合算法对以上数据进行处理,最后根据自动测试设备（ATE）测得的数据及专家经验,对该方法进行了验证。经实验证明,该方法是可行有效的,对电子设备的故障预测具有较高的准确度。     

基于BP神经网络的反潜巡逻机背景磁场补偿技术研究

通过分析反潜巡逻机背景磁场模型,针对传统模型求解时对模型参数求解方法存在的不足,本文提出了一种基于BP神经网络的飞机背景磁场模型求解新方法。该方法不讨论复杂的模型参数估计的问题,通过前期神经网络训练学习,直接把飞机磁补偿飞行过程中采集到的相关信号输入到训练好的网络中,得到输出干扰磁场,进而对其进行补偿。最后通过实例仿真验证了该方法的正确性和有效性,为提高反潜巡逻机磁探搜潜效能提供了科学依据,具有一定的军事意义。