基于UPF的WNN学习算法及其应用

为改善小波网络(WNN)的非线性建模能力,提出一种基于改进无迹粒子滤波(UPF)的WNN学习算法。算法先引入最小偏度策略减少无迹变换(UT)的Sigma采样个数,改进无迹Kalman滤波(UKF);再用改进UKF算法选取粒子滤波的重要性密度函数,构成新型UPF;最后,将SUPF作为WNN的学习算法进行训练和测试。实验表明,基于新采样策略UPF与基本UPF的WNN模型精度总体接近,但速度更快,效率更高,某型军用飞机气动力建模也验证了算法的有效性与可行性。     

过失速机动的AUKF-WNN气动力建模及仿真

为使所建立的气动力模型能够准确刻画复杂动态特性,提出一种基于改进UKF算法的小波神经网络(Wavelet Neural Network,WNN)飞行数据失速气动力建模方法。引入一种自适应因子来改善无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法的性能;按照飞行数据的气动力建模流程,利用改进UKF算法对WNN参数进行最优化估计,构建失速现象的气动力模型。实验结果表明,针对飞行器失速的气动力建模问题,基于改进UKF算法的WNN建模方法,在建模精度和速度方面,优于传统神经网络和其他现有WNN方法,因此,使用提出飞行器失速的气动力建模方法是可行和有效的,得到预测结果也能准确刻画飞行器失速的动态特性。     

基于AFSA-WNN的Sallen-Key滤波器电路软故障诊断

为提高对Sallen-Key滤波器的软故障诊断能力,提出一种基于多分辨率变换与小波神经网络(WNN)的软故障诊断方法。该方法先引入多分辨率变换提取Sallen-Key滤波器电路的软故障特征,在此基础上,采用人工鱼群算法优化的WNN构建电路软故障诊断模型。仿真结果表明,与单纯的WNN相比,所提出方法对电路软故障的诊断性能更好,总正确率达到94.1%。从而证明该方法用于Sallen-Key滤波器软故障诊断是可行的,也是有效的。     

装备模拟电路UKF-WRNN软故障诊断

为提高装备模拟电路的软故障诊断能力,在构建多分辨率变换样本基础上,提出一种应用改进UKF算法训练小波RBF神经网络(WRNN)软故障诊断方法。它引入基于方差膨胀原理的自适应因子,改善UKF算法性能;并利用改进UKF算法优化估计WRNN参数,建立多分辨率变换样本集的故障诊断模型;再由所建模型对各种故障模式进行诊断判定。Sallen-Key带通滤波器的仿真测试表明,该方法收敛速度快,诊断准确率高,进而验证了其可行性和有效性。     

基于小波神经网络的无人机目标威胁评估

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。     

基于加速鱼群算法的锂离子电池剩余寿命预测

针对极端学习机(ELM)方法在预测建模过程中因参数随机生成导致的结果不确定性,提出了一种加速鱼群算法(AAFSA)优化极端学习机的锂离子电池剩余寿命预测方法.针对基本人工鱼群算法(AFSA)存在的收敛速度慢、易陷入局部最优解,通过自适应确定感知距离和移动步长加快收敛速度,并在随机移动时增加混沌扰动提高种群多样性改善AF...     

基于改进人工鱼群算法的WNN优化设计

针对人工鱼群算法优化设计小波神经网络(WNN)的缺陷,引入了视野范围与步长的自调整策略,以提高搜索效率和收敛速度。改进后的人工鱼群算法可在WNN的搜索空间中同时确定参数初始值和隐节点数。仿真实例验证了其有效性。     

多分辨率建模在联合作战仿真中的应用研究

针对目前联合作战建模与仿真中存在的困难和问题,运用多分辨率建模(MRM)方法对其进行了探索研究。对联合作战的作战要素、仿真映射结构进行了分析,探讨了多分辨率建模的主要方法,提出了联合作战仿真的体系结构,并设计了基于多分辨率建模的联合作战仿真模型框架。     

聚合解聚及其一致性问题研究

聚合解聚是多分辨率建模方法中应用最普遍的方法.一致性问题是聚合解聚方法所面临的主要技术难点之一.模型建模机制的差异、算法的不合理以及系统的无记忆性是导致一致性问题的主要原因.提出了利用反馈机制对低分辨率模型进行修正,通过增加系统的记忆性来改进聚合解聚方法的思路.综合考虑多重因素,对聚合解聚算法的结构进行了设计.     

一座小型建筑空调动态负荷的ANN预测研究

人工神经网络(Artificial Neural Network,简称ANN)是一种崭新非线性建模和预测方法,具有良好的非线性品质和极高的拟合精度。在前人研究的基础上,针对一座小型建筑物建立了其空调动态负荷预测的BP模型。为克服常规BP训练算法的缺陷,提出了一种改进的遗传搜索算法,结果证明是一种高效实用的算法。     

多分辨率建模理论方法研究的现状与发展

多分辨率建模是当前模拟与仿真的前沿课题之一。本文简要回顾多分辨率建模的发展过程 ,阐述了开展多分辨率建模研究的必要性和进行多分辨率建模的主要方法。     

比例最小偏度单形UKF的RBF神经网络算法

为提高RBF神经网络的建模性能,提出一种基于改进无迹Kalman滤波(UKF)的RBF神经网络训练算法。在该算法中,首先将比例最小偏度单形Sigma点采样策略引入UT,以有效改进UKF,提升其计算效率,然后利用改进的UKF优化估计RBF神经网络的最优参数。仿真结果表明,改进的UKF比EKF具有更高的RBF神经网络模型训练精度,与传统UKF的模型精度大体相当,但速度更快,计算效率更高。     

航母编队防空指控多分辨率建模

以航母编队防空作战过程作为研究对象,分析了其多分辨率建模的必要性。针对防空作战指挥建模与仿真的特点及存在的困难,运用多分辨率建模方法对其进行探索研究。针对空中混合编队防空和水面舰艇防空过程,分析作战过程中各战斗单元任务分配情况,以任务消息为触发条件,提出了多分辨率建模的主要设计思路,并设计了模型聚合解聚方法。     

多分辨率建模及其军事应用

多分辨率建模是分布交互仿真中极其关键的技术,建模目的是根据情况需要动态改变分辨率,提高模型或模拟的灵活性和伸缩性,有效解决模拟复杂性与资源有限性等矛盾.介绍了当前多分辨率建模的主要方法:聚合-解聚法、一体化层次法和视点选择法.每种方法有各自的优缺点.多分辨率建模的难点主要是基础理论、一致性问题和应用研究等问题.     

基于PLS特征提取的WNN装备保障性评估

为科学合理地评估装备的保障性水平,更好地发挥装备的作战使用效能,提出了一种基于偏最小二乘(PLS)的小波神经网络(WNN)装备保障性评估方法。该方法在系统分析基础上,构建了装备保障性评估指标体系;利用PLS提取诸多指标数据的主元特征;并利用获取的主元特征构建WNN模型,进而完成装备保障性评估。仿真结果表明,所提出方法的平均相对误差可达到0.009 6,比单一WNN模型评估效果有了改善,从而验证了它的可行性和有效性。     

核化环境空间建模及核武器综合毁伤效应分析算法

针对核化环境以及核武器毁伤效应的特点,提出了一种多分辨率渐进柱状树模型实现核化环境的三维空间数据的建模。为了节省存储空间,提出了线性编码方法对多分辨率渐进柱状树模型进行存储,并且基于M orton码技术实现了核武器综合毁伤效应的空间分析算法。     

基于多分辨率的空军作战仿真建模研究

多分辨率建模技术是近年来建模与仿真领域研究的热点之一。首先分析了空军作战仿真面临的新挑战,指出多分辨率建模技术是解决现代作战仿真的有效方法;再在解析多分辨率建模相关概念的基础上,分析了空军作战仿真多分辨率建模的必要性;最后,采用面向实体的分析方法给出了空军作战仿真模型体系,并对模型聚合解聚问题进行了分析。     

一种多分辨率雷达仿真平台的设计与实现

为满足雷达系统建模仿真的多分辨率应用需求,提出了一种多分辨率雷达仿真平台设计方法。对传统功能仿真与信号仿真的仿真思想进行了分析,结合两者的特点进行了改进,研究了一种多分辨率雷达仿真实现方法。在此基础上,进行了多分辨率仿真平台的分析与设计,主要研究了2个方面的关键技术,即可组合仿真模型的设计与可组合仿真系统的开发。最后,开发了多分辨率雷达仿真平台,可进行功能仿真与信号仿真的同步仿真与灵活切换,实现了雷达仿真系统的多分辨率运行。     

基于改进截断正态概率密度模型的防发散多尺度卡尔曼滤波

借鉴对机动频率建模的思想,对机动目标的截断正态概率密度模型进行改进,提出了一种改进的截断正态概率密度模型(ICN模型),并将防发散算法与多尺度估计理论结合,用克服滤波器发散的S(k)算法对基本的多尺度估计进行机动检测和相应改进,得到单模型单传感器系统的防发散多尺度估计算法,旨在减小噪声影响,减小机动目标模型不准确带来的跟踪误差,改善跟踪效果。