共查询到20条相似文献,搜索用时 687 毫秒
1.
基于小波神经网络的蒸汽发生器水位辨识与控制仿真 总被引:1,自引:0,他引:1
提出一种基于小波神经网络的控制方法,对蒸汽发生器水位进行控制仿真.该方法利用小波神经网络作为控制系统的辨识器和控制器来构成控制系统.小波神经网络辨识器能更准确逼近非线性对象,小波神经网络控制器能自适应产生最佳的控制规律.仿真结果表明,该方案具有响应快、超调量小、较强抑制干扰能力等良好性能. 相似文献
2.
3.
针对多UCAV协同作战的控制决策问题,从任务、空域和时域三个角度阐述了多UCAV协同任务规划问题的层次特性,提出了多UCAV协同任务规划的分层迭代逻辑流程.基于该分层迭代逻辑流程,完成了多UCAV协同任务规划原型系统的开发工作,并进行了初步的综合仿真验证.仿真结果表明,所提出的分层迭代逻辑流程,可以降低任务规划问题的复杂度,是实现多UCAV协同任务规划的一种有效方法. 相似文献
4.
为解决智能控制中电液伺服系统的非线性和不确定性等缺陷,将神经网络控制技术和常规PID控制技术结合起来,分别进行了神经网络辨识器设计和神经网络控制器设计,利用神经网络在线辨识能力有效解决单神经元PID控制参数的调节问题,从而提出了一种基于神经网络的电液伺服系统智能控制方法.通过构建实验系统检验智能控制器的工作情况,实验结果表明该智能控制方法能够改善系统的动态特性,减小系统的稳态误差,具有较好的自适应性和鲁棒性,控制效果良好. 相似文献
5.
提出了一种基于回归小波网络(recurrent wavelet networks)的多输入多输出系统(multi-input multi-output)动态解耦控制的新方法.该方法为分散式控制结构,采用回归小波网络作为解耦辨识器(decoupling identifier),在线动态辨识、回馈对应输入输出的灵敏度信息(sensitivity information),PID神经网络控制器根据回馈信息实现自适应分散独立控制.小波函数的紧支性、波动性以及回归网络较强的动态非线性映射能力使得回归小波网络具有较好的综合性能.仿真结果表明,用该方法构成的控制系统解耦效果好,收敛速度快,且具有较好的鲁棒性. 相似文献
6.
针对空中目标威胁评估问题,提出了利用小波神经网络(WNN)解决这个问题,具有很大的实用性。通过内嵌的方式将小波变换融入神经网络,即为"紧致型融合",它具有较好的自适应分辨性、良好的逼近能力和容错能力,有效避免局部最小值等优点。分析了WNN的结构和影响空中目标威胁评估的主要因素,介绍了WNN的训练算法和流程,验证了仿真模型。结果表明,该方法的评估误差明显小于粒子群优化BP神经网络(PSO-BP)和BP神经网络,具有较好的评估效果。 相似文献
7.
基于神经网络的离散变结构控制系统 总被引:1,自引:0,他引:1
系统研究了基于神经网络的离散变结构控制系统设计方法,提出了几种具体设计方案.神经网络的引入可以使滑模(变结构)控制具备学习与自适应能力,使控制信号得以柔化,从而能够减轻或避免困扰常规滑模控制器的抖振现象,改善控制效果. 相似文献
8.
9.
多UCAV协同作战自主任务规划系统 总被引:1,自引:1,他引:0
在分析未来多UCAV协同作战任务的基础上,构建了一个多UCAV协同作战的自主任务规划系统结构,探讨了其运行机制。提出这个系统的核心是自主规划器,它应该具有任务分解、智能信息处理和机载任务规划与重规划能力。设计了自主规划器的初步方案。指出了这个系统下一步研究的任务和方向。 相似文献
10.
小波神经网络在装备研制费预测与控制中的应用 总被引:2,自引:0,他引:2
通过小波及小波变换的原理和方法,建立了适用于武器装备研制费用的小波神经网络预测与控制模型.结合某型装备研制费用,进行了预测与控制的数据仿真. 相似文献
11.
先进无人战斗机(UCAV)系统概念 总被引:1,自引:0,他引:1
先进无人战斗机系统是指正在发展和将要发展的无人战斗机系统。无人战斗机系统主要由携带武器的无人飞机、用于人工控制无人飞机的控制站和将系统连接起来保持与战术环境相联系的数据网络组成。在未来战争中,无人战斗机系统的主要作战使命是空防压制、纵深打击和"空中占领"。在研制过程中需要解决自主飞行、信息传输与处理等关键技术。 相似文献
12.
13.
《防务技术》2022,18(9):1697-1714
To solve the problem of realizing autonomous aerial combat decision-making for unmanned combat aerial vehicles (UCAVs) rapidly and accurately in an uncertain environment, this paper proposes a decision-making method based on an improved deep reinforcement learning (DRL) algorithm: the multi-step double deep Q-network (MS-DDQN) algorithm. First, a six-degree-of-freedom UCAV model based on an aircraft control system is established on a simulation platform, and the situation assessment functions of the UCAV and its target are established by considering their angles, altitudes, environments, missile attack performances, and UCAV performance. By controlling the flight path angle, roll angle, and flight velocity, 27 common basic actions are designed. On this basis, aiming to overcome the defects of traditional DRL in terms of training speed and convergence speed, the improved MS-DDQN method is introduced to incorporate the final return value into the previous steps. Finally, the pre-training learning model is used as the starting point for the second learning model to simulate the UCAV aerial combat decision-making process based on the basic training method, which helps to shorten the training time and improve the learning efficiency. The improved DRL algorithm significantly accelerates the training speed and estimates the target value more accurately during training, and it can be applied to aerial combat decision-making. 相似文献
14.
基于专家系统的无人战斗机智能决策系统 总被引:3,自引:1,他引:2
在无人战斗机智能决策系统中,引入专家系统,通过对无人战斗机对地攻击战术进行分析与总结,建立了对地攻击战术知识库,设计和构造了无人战斗机对地攻击智能决策系统的原型,通过无人战斗机对地自动攻击的大量仿真研究表明,所设计与构造的智能决策系统是可行有效的. 相似文献
15.
16.
17.
18.
19.