基于扩展卡尔曼滤波的机动目标航迹跟踪

针对高速飞行目标航迹跟踪问题,进行了扩展卡尔曼滤波的曲线拟和仿真试验研究.首先建立目标跟踪的数学模型,确定了系统对应的参数及状态方程,进而将线性卡尔曼滤波器进行扩展,将函数形式的滤波模型在函数自变量估计值附近进行泰勒级数展开,求导获得相应雅克比矩阵,在获得观测及系统误差的基础上,得到针对此问题的扩展卡尔曼滤波方程.仿真结果表明该方法的有效性.     

舰船消磁系统S矩阵测量计算机仿真

用舰船消磁系统数学模型 ,实现了消磁系统的计算机仿真 .可以利用这种仿真方法研究一些难以用实验方法研究的消磁系统问题 ,如S矩阵测量分析等 .对消磁系统S矩阵测量过程和分析方法进行了仿真研究 ,调试了S矩阵专用测量程序 .仿真结果证明了S矩阵的不变特征和所提出的测量分析方法是正确的 ,同时说明了消磁系统仿真研究方法是可行的     

基于模拟退火算法的阵列模型有源校正方法

针对同时存在通道幅度相位不一致与阵列互耦的均匀直线阵列,提出了一种采用模拟退火算法的阵列模型校正方法.该方法使用多个辅助信源分时工作,根据子空间基本原理构造目标函数,采用模拟退火算法对幅相误差矩阵及互耦矩阵进行估计.利用该方法对均匀直线阵进行了计算机仿真与实测实验,仿真及实验结果证明了该方法是有效可行的.     

高频相移整流器的开关函数分析法

利用开关函数建立了描述高频相移整流器输入输出关系的开关传递函数矩阵，并以此为基础分析了系统在对称和非对称情况下，对高频相移整流器的影响，仿真结果验证了理论分析结论的正确性。     

无线网络控制系统一致性研究

通过构建李雅普诺夫函数,对具有不同拓扑结构的无线网络控制系统的一致性问题进行了研究。利用网络结构的邻接矩阵对网络拓扑结构进行描述,同时构造系统的延迟矩阵,结合复杂网络理论中的聚类系数、耦合强度的概念,对系统进行建模。针对复杂网络中常用的两种结构,构建不同的邻接矩阵和延迟矩阵,利用线性矩阵不等式的方法,给出使系统稳定的一般性条件。最后仿真结果验证了方法的有效性。     

多机协同多目标攻击的目标分配和攻击排序

研究了多机协同空战中多目标攻击的目标分配和攻击排序的过程和方法.首先通过对影响空战态势的因素进行分析,提出一种新的综合距离优势、角度优势和能量优势构造综合优势函数的工程方法,并利用综合优势函数计算出目标分配矩阵,然后介绍了在目标分配矩阵上进行多机协同目标分配和攻击排序的过程和算法,最后用仿真验证了该算法的有效性.     

具有输入饱和的数字液压缸非线性鲁棒位置跟踪控制

针对不确定参数及输入饱和的情况,为数字液压缸位置跟踪控制系统设计了一个非线性控制器和补偿器。首先,建立了数字液压缸位置跟踪系统的非线性模型;然后,构造了一个李雅普诺夫函数及非线性控制器,将非线性控制器的设计问题转化为线性矩阵不等式的求解问题,在此基础上设计了抗饱和补偿器;最后,进行了仿真验证,结果表明:所设计的控制器及抗饱和补偿器使系统具有较好的鲁棒稳定性及动态特性。     

考虑不确定参数及外部扰动数字液压缸非线性鲁棒位置跟踪控制

在考虑不确定参数及外部扰动的情况下为数字液压缸位置跟踪系统设计了一个非线性控制器。首先,建立了数字液压缸位置跟踪系统的非线性模型;然后,构造了一个李雅普诺夫函数及非线性控制器,推导了系统鲁棒稳定的充分条件,由此将非线性控制器的设计问题转化成为线性矩阵不等式的求解问题;最后,进行了仿真及实验验证。结果表明:所设计的控制器对于参数不确定性及外部扰动具有良好的鲁棒稳定性及更好的动态特性。     

伴随法在防空导弹脱靶量研究中的应用

基于小角度假设,建立了末制导阶段弹目相对运动的线性化模型.根据该模型,由直接法仿真得到了目标机动情况下的脱靶量曲线.分别由系数矩阵法和框图法得到了原系统的伴随系统,伴随系统仿真结果和直接法仿真结果的比较说明伴随法能很好地对线性时变系统进行仿真.与直接法比较,伴随法效率较高,适用于导弹制导系统的初步分析.     

饱和系统的线性最优容错不变集

针对饱和系统的容错控制问题,提出了一种D稳定约束下系统吸引域的估计方法。分别以不变集和参考集的容量为优化目标,给出了两个优化容错不变集的充分条件。为解决不变集优化中出现的双线性矩阵不等式(BMI)问题,通过构造包含线性矩阵不等式(LMI)的目标函数,将它转化为非线性规划的形式进行求解。通过一个仿真实例对该方法进行验证。     

具有leakage时滞的随机马尔科夫跳变神经网络的稳定性

研究一类具有leakage时滞的随机马尔科夫跳变神经网络的稳定性,通过构造一个新的Lyapunov-Kra—sovskii泛函,并应用It6公式、随机不等式技术,得到了基于线性矩阵不等式（LMI）的均方意义下的全局稳定性判定条件．     

离散型随机BAM神经网络时滞分布依赖全局指数稳定性

研究一类具有随机时滞与随机干扰的离散型BAM神经网络的全局指数稳定性,所建模型同时考虑离散时滞变化区间与分布概率对稳定性的影响．通过构造新的Lyapunov泛函并结合线性矩阵不等式（LMI）方法,得到了均方意义下依赖于时滞分布的全局指数稳定性条件．     

具有分流型抑制机制的视网膜细胞神经网络模型及其应用

视觉细胞之间存在的侧抑制机制能够对接收到的视觉信息进行选择性的提取。运用数学方法模拟视觉细胞之间存在的这种生理机制,提出了一种具有分流型抑制机制的视网膜细胞神经网络模型(SIRCNN),分析了该模型的稳定性,给出了等价电路图,并且基于此模型提出了一种边缘检测算法。将该算法应用于图像边缘检测中,试验结果表明,这种以生物视觉感知机理为基础的神经计算方法可有效地增强图像反差,检测图像边缘。由于细胞神经网络具有高速并行运算、便于硬件实现等特点,因此这种方法在图像实时处理中也具有很大的潜力和应用前景。     

具有变时滞的离散型随机BAM神经网络的稳定性

研究一类具有变时滞的离散型随机BAM神经网络。通过构造Lyapunov泛函以及线性矩阵不等式（LMI）,得出了离散系统全局渐近稳定的充分条件。     

基于一类弱连续T-模的模糊Hopfield神经网络研究

基于一般的弱连续T-模与取大（V）模糊算子的复合，建立了具有一般意义的动态模糊神经网络——模糊Hopfield神经网络，并系统分析了该动态系统的性能：在Hamming距离意义下证明了该网络是稳定的，而且其平衡点（吸引子）具有全局Lyapunov稳定性。最后，提供了一种有效的学习算法。     

长向量处理器高效RNN推理方法

模型深度的不断增加和处理序列长度的不一致对循环神经网络在不同处理器上的性能优化提出巨大挑战。针对自主研制的长向量处理器FT-M7032,实现了一个高效的循环神经网络加速引擎。该引擎采用行优先矩阵向量乘算法和数据感知的多核并行方式,提高矩阵向量乘的计算效率;采用两级内核融合优化方法降低临时数据传输的开销;采用手写汇编优化多种算子,进一步挖掘长向量处理器的性能潜力。实验表明,长向量处理器循环神经网络推理引擎可获得较高性能,相较于多核ARM CPU以及Intel Golden CPU,类循环神经网络模型长短记忆网络可获得最高62.68倍和3.12倍的性能加速。     

多DSP并行的神经网络集成目标识别法

针对分布式信息融合结构、异质传感器条件下的目标识别问题,提出了基于多DSP并行结构的神经网络集成目标识别方法.给出了生成神经网络集成的具体方法,并构造了一个实际的空中目标识别硬件系统.结果表明,系统的目标识别性能明显优于单个神经网络的目标识别性能,且识别目标的速度很快.     

一类具M-P型非线性二元神经网络模型的周期解

针对一类具M-P型非线性信号传输函数的二元神经网络模型,提出其初值振动时系统周期解的存在性问题.利用结式技巧,结合分析方法,建立了用结式表示的保证具振动初值系统周期解存在的充分条件,并通过例子说明零阈值情形周期解的稳定性.     

Robust Stability Criterion for Uncertain Neural Networks with Time Delays

The robust stability of uncertain neural network with time-varying delay was investigated.The norm-bounded uncertainties are included in the system matrices.The constraint on time-varying delays is removed,which means that a fast time-varying delay is admissible.Some new delay-dependent stability criteria were presented by using Lyapunov-Krasovskii functional and linear matrix inequalities(LMIs) approaches.Finally,a numerical example was given to illustrate the effectiveness and innovation nature of the developed techniques.     

基于神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题,提出了一种基于神经网络集成的传感器故障诊断方法。该方法将传感器输出看做时间序列,通过加噪声生成抖动数据,建立多组神经网络,以获得神经网络集成预测器输出。通过将预测器输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现传感器故障在线诊断。应用结果表明该方法可以提高神经网络的运算精度,从而快速准确地检测和分离传感器故障,辨识传感器故障类型以及故障发生的时间。