弹药作为军事设备的重要组成部分,担负着提高军队战斗力的重任。弹药贮存可靠性是衡量弹药质量的重要依据,也是考核军事后勤技术的核心要素。弹药在贮存过程中,由于环境及人为等因素,弹药质量会随之变化,可能造成弹药的失效。弹药贮存可靠性的准确评估与预测,为弹药产品的研究奠定基础,为弹药库存管理提供决策依据。本文从弹药贮存可靠性的特点出发,分析弹药贮存可靠性的评估参数、失效影响因素、贮存寿命试验的类型以及试验数据的特殊性。针对正常应力贮存条件下的弹药数据,建立粒子群与BP神经网络结合的预测模型。针对加速寿命试验数据,建立统计模型与人工智能算法结合的贮存可靠性预测模型。基于数据库管理理论与粒子群优化的BP神经网络算法,设计出弹药贮存可靠性评估与预测系统。主要从下列四个方面进行研究:(1)针对贮存可靠性的评估问题,提出贮存可靠度与贮存可靠寿命作为评价指标。通过分析影响弹药贮存失效因素,研究温度、湿度应力对弹药功能的影响,确定了弹药贮存可靠性预测指标:样本量、贮存温度、贮存湿度、贮存时间以及贮存失效数。引用基于Bayes理论的方法对弹药异常数据进行预处理,如“倒挂”数据与“零失效”数据。(2)针对正常应力条件下的贮存寿命试验数据,加入“人为噪声”的方法对小子样数据进行扩充,设计改进的全局粒子群算法与BP神经网络结合预测模型(IGPSO-BP网络)。弥补BP网络收敛速度慢、易陷入局部极小值的缺点,加入动量项与变学习率参数,引进粒子全局搜索策略改进惯性权重与搜索区域。实验结果表明,IGPSO-BP网络模型可以提高算法的收敛速度和预测精度。与BP神经网络、PSO-BP神经网络、传统Bayes理论预测模型相比,IGPSO-BP网络模型具有较强的逼近能力。(3)基于恒湿步温的加速寿命试验数据,选取弹药样本量,贮存温度应力、检测时间以及对应的失效数作为预测指标,引用基于Bayes理论的“环境因子法”对步温贮存时间进行折合处理,建立IGPSO-BP神经网络预测模型与加速机理预测模型。为验证模型的合理性,进行了算例研究。实验结果表明IGPSO-BP网络模型在预测精度与收敛速度中占有很大的优势,验证网络模型的有效性与准确性。(4)在Visual Studio环境下基于C#语言进行编程,进行弹药贮存可靠性系统的搭建,实现了弹药贮存可靠性评估与预测的功能。