基于不变矩和神经网络的目标识别方法

针对寻的导引头成像制导中实时采集图像由于存在几何失真及像质模糊而导致目标识别精度差的问题,提出了一种基于不变矩和神经网络的目标识别方法.该方法采用一种改进的不变矩算法提取目标图像的不变矩特征量来训练BP神经网络,实现目标图像的识别和分类.仿真结果表明该不变矩特征库训练的神经网络分类器具有较高的识别精度,是一种比较实用的目标识别方法.     

基于独立分量分析和神经网络的钢结构损伤识别方法

为了有效剔除钢结构振动信号中的噪声,提取用于损伤识别的特征量,采用独立分量分析方法分离统计独立信号,同时得到表征结构损伤状态的混合矩阵,然后将混合矩阵作为特征量输入至神经网络进行训练,最后将训练好的神经网络作为分类器进行结构损伤识别.在冲击载荷作用下,针对钢框架结构模型进行了不同损伤部位的振动实验,结果表明:基于独立分量分析和神经网络的损伤识别方法具有较高的识别率和可重复性,而且实现简单,在结构损伤识别领域具有较大的应用潜力.     

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.     

基于模糊模式识别的战场目标识别

分析战场目标的结构、材料、征候、特征及辐射原理等存在的差异,运用模糊模式识别方法,建立了战场目标识别的数学模型,给出了目标识别的详细步骤和方法:选取目标特征量、构造标准模糊集合、构造待识别模糊集合、应用择近原则进行目标识别,并通过算例,得到一些有价值的结论。模型和方法可供C3I系统快速准确的识别战场目标。     

BP神经网络和D-S证据理论的目标识别

目标识别是指挥自动化系统的一个重要组成部分,针对现代战争对抗手段不断增强的特点,运用BP神经网络和D-S证据理论探索作战飞机机型的识别方法.前端采用3层BP神经网络结构,以传感器接收数据为输入,以神经网络输出作为证据,后端对不同传感器的证据按D-S理论进行融合,得到待识别目标的识别概率.经由MATLAB编程对国内外几种主要机型的识别进行仿真研究,与现行目标识别方法相比较,能够更快速、准确、可靠地识别飞机目标,较好地满足了空战中作战指挥系统对飞机机型识别的需求.     

基于德尔菲法的未知水雷性能分析

战时,布雷方所布水雷的参数设定对另一方来说往往是未知的,为了避免扫雷的盲目性,扫雷一方需要对未知水雷的性能有一定的了解.为了对待扫雷区中未知水雷的性能作出估测,目前常用的预测方法有层次分析法、灰色系统预测法和回归预测等,根据水雷战偶然性强、随机因素多等特点,通过引入德尔菲法,分析了利用该方法估测未知水雷性能的可行性,提出了确定水雷性能模糊集隶属度的方法.实例证明,其结果可为扫雷作业方式的合理选择提供参考,从而提高了扫雷的效率.     

小波分析和神经网络结合的变速箱状态识别

针对变速箱故障信号的非平稳和时变特性，提出了小波分析和神经网络结合的变速箱状态识别方法。为了验证该方法的有效性，试验模拟了某型车辆变速箱正常、7216轴承滚动体点蚀及3挡被动齿轮严重磨损3种状态，以箱体振动信号作为分析信号，首先对信号应用小波阈值法降噪减少干扰，接着将小波分解系数单子带重构得到不同频带的信号分量，提取各频带能量作为特征向量输人神经网络进行状态识别，结果表明该方法能有效识别变速箱的3种状态。     

模糊方向神经网络在火箭发动机故障检测与分离中的应用

提出了一种模糊方向神经网络分类器,并应用于液体推进剂火箭发动机故障检测与分离。模糊方向神经网络采用模糊集表示发动机故障模式,模糊集是方向超体聚集形成的集合体,方向超体则由单位方向、夹角和两个半径确定。模糊方向神经网络能在一次循环学习中形成非线性方向边界。故障检测与分离的仿真研究表明：模糊方向神经网络的识别性能是比较优越的。     

空中目标类型识别的直觉模糊集方法

在防空作战中为了有效地对空中目标的类型进行识别,利用直觉模糊集理论对目标识别信息的不确定性进行量化处理,并在直觉模糊数排序方法研究基础上,提出了一种基于直觉模糊集理论的空中目标类型识别方法。实例分析表明,该方法能够定量描述目标判断信息的不确定性以及在避免信息丢失的同时有效地处理不确定性程度较高的目标判断信息,可为防空作战中目标类型识别提供理论参考。     

舰艇系统损伤等级模糊神经网络评估模型

在对舰艇系统损伤等级评估体系分析的基础上,建立了舰艇系统损伤等级的模糊神经网络评估模型框架.设计了框架项层模糊神经网络评估模型的模糊集合和训练样本,并对此模糊神经网络模型进行了训练.通过测试样本仿真,发现此模糊神经网络模型具有较好的评估精度.基于模糊神经网络模型的舰艇系统损伤等级评估方法克服了以往简单加权评估模型的不合理性,为舰艇系统损伤等级评估提出了一个新的评估理念.     

异步电机定子电阻的观测

介绍了一种基于神经网络技术的感应电机定子电阻观测方法;讨论了定子电阻样本规划,并设计训练形成了定子电阻神经网络观测器.试验表明,该技术方法能有效地实施定子绕组电阻在线观测.     

基于BP神经网络的防空保卫目标分类

提出用BP神经网络模型对防空保卫目标进行分类的一种新方法。该方法建立分类评价的指标集,将分类的划分等级作为训练样本集,以指标的各等级标准值作为样本的输入特征值,建立多参数的BP神经网络防空保卫目标分类评价模型,然后用实例训练神经网络,得出了较合理的结论。     

STUDY ON REAL1STIC TECHNOLOGY OF CONDITION MONITORING AND FAULT DIAGNOSTIC SYSTEM FOR SHIPPING POWER DEVICES

Condition monitoring and fault diagnosis is currently a very important problem in large-scale complicate power devices. Both scheme and realistic technology for monitoring system hardware and software have been present to solve the problem in this paper. The fault diagnostic model based on artificial neural network and state identification method based on fuzzy analysis are studied.     

基于神经网络的柴油机特征参数评价与选择

在设备故障诊断中,正确地提取与选择特征参数对于诊断结果的有效性和准确性具有关键性的意义,在提出评价判据时样本的概率分布往往难以确定,针对模式识别中特征量的选择方法,结合人工神经网络原理,提出了利用人工神经网络进行故障特征量评价与选择的方法,实现了对柴油机特征参数的提取及选择,有效地解决了柴油机状态监测与故障诊断中测试参数多而难以优化的问题。     

基于神经网络的柴油机技术状态主元信息提取方法

在柴油机技术状态监测时,表征其技术状态的特征参数有很多,合理提取状态主元信息是一项关键的任务。分析研究了人工神经网络的信息提取原理和方法。以某型坦克柴油机为例,通过柴油机性能检测试验测取了能够反映柴油机技术状态变化的典型特征,建立了O ja神经网络信息提取模型,提取了柴油机技术状态的主元信息。分析结果表明:提取的主元信息能够反映柴油机技术状态随柴油机使用时间的变化趋势。该方法为坦克柴油机的技术状态监测与故障诊断提供了有效手段。     

BP人工神经网络的应用及其实现技术

简述了BP人工神经网络的算法原理 ,利用Batchnet程序对一个三层BP人工神经网络进行了设计 ,应用Matlab中人工神经网络工具箱设计了一个用于函数逼近的BP人工神经网络 ,最后 ,运用Matlab中可视化工具Simulink对一个BP人工神经网络例子进行了仿真 ,通过例子 ,探讨了BP人工神经网络的应用并介绍目前几种实用的BP人工神经网络实现技术 .     

基于BP神经网络的防空导弹火力单元阵地评价模型

建立了防空导弹阵地评价的指标体系。对应用人工神经网络解决防空导弹阵地评价的方法问题进行了探讨 ,并且给出了神经网络的评价模型及算法。实例证明该方法是可行的。     

A misclassification cost‐minimizing evolutionary–neural classification approach

Machine learning algorithms that incorporate misclassification costs have recently received considerable attention. In this paper, we use the principles of evolution to develop and test an evolutionary/genetic algorithm (GA)‐based neural approach that incorporates asymmetric Type I and Type II error costs. Using simulated, real‐world medical and financial data sets, we compare the results of the proposed approach with other statistical, mathematical, and machine learning approaches, which include statistical linear discriminant analysis, back‐propagation artificial neural network, integrated cost preference‐based linear mathematical programming‐based minimize squared deviations, linear integrated cost preference‐based GA, decision trees (C 5.0, and CART), and inexpensive classification with expensive tests algorithm. Our results indicate that the proposed approach incorporating asymmetric error costs results in equal or lower holdout sample misclassification cost when compared with the other statistical, mathematical, and machine learning misclassification cost‐minimizing approaches. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006.     

某扫雷犁电液伺服系统的模糊神经网络控制

针对某扫雷犁电液伺服系统这一典型的非线性系统,使用基于减法聚类的模糊神经网络(FNN)自学习算法设计了控制器,其中减法聚类用于确定模糊神经网络的初始结构。在网络的学习过程中,对结论参数采用最小二乘法进行辨识,对前提参数采用误差反传算法进行调整;并使用AMESim软件搭建了扫雷犁的液压系统模型,利用其接口技术实现了与Simulink的联合仿真。实验结果表明模糊神经网络控制器的控制效果要优于传统的PID控制器。     

STUDY ON REALISTIC TECHNOLOGY OF CONDITION MONITORING AND FAULT DIAGNOSTIC SYSTEM FOR SHIPPING POWER DEVICES

ＳＴＵＤＹＯＮＲＥＡＬＩＳＴＩＣＴＥＣＨＮＯＬＯＧＹＯＦＣＯＮＤＩＴＩＯＮＭＯＮＩＴＯＲＩＮＧＡＮＤＦＡＵＬＴＤＩＡＧＮＯＳＴＩＣＳＹＳＴＥＭＦＯＲＳＨＩＰＰＩＮＧＰＯＷＥＲＤＥＶＩＣＥＳＷｅｎＸｉｓｅｎ;ＬｉＹｕｅ;ＴａｎｇＢｉｎｇｙａｎｇ（Ｄｅｐ...