基于KNN改进神经网络的测试系统自动设计

摘要：

为解决飞行试验领域机载测试系统传统设计过程中人为差错几率大、设计效率低的问题,采用流程模块化分解、逐级优化的设计思想,提取功能要素和资源配置信息,形成基于自动构型原则的测试系统自动设计方案;针对测试任务机器读取和智能分析的关键环节,基于机器学习理论和历史任务参数库,提出KNN临近算法改进的BP神经网络算法并仿真验证,提高了测试参数预测效率和分类准确度,设计并实现了机载测试系统自动设计软件.结果表明:与传统设计方法相比,采用机器学习算法进行机载测试系统自动设计可以更快响应复杂多变的试飞任务,并且缩短测试任务周期约41％、大幅节约试飞成本,有力推动测试系统向自动化、智能化方向发展.

关键词：机载测试系统、自动设计、临近算法、神经网络算法、自动识别

所属期刊栏目：39

分类号：V217+.1;TP29(基础理论及试验)

资助基金：军工科研院所稳定支持项目;国防基础科研项目

在线出版日期：2022-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：50-55