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.     

基于人工神经网络的齿轮箱载荷识别研究

提出了一种基于实测结构响应识别作用在齿轮箱上激励的方法 ,该方法利用人工神经网络建立响应信号与激励之间的映射模型。通过单级齿轮箱上所做的试验数据表明 ,这种利用人工神经网络识别齿轮箱载荷的方法是可行的 ,并且 ,经过训练的网络模型在齿轮箱载荷识别的过程中显示了极快的收敛速度和很高的识别精度。     

无线传感网和神经网络的民用火药贮存在线监测系统

针对目前绝大多数火药仓库的温度、湿度控制由于采用人工操作导致对温湿度不能实时精确监控从而导致火药失效的问题,设计了一种基于无线传感网和神经网络的火药贮存在线监测系统。该系统将无线传感网络终端节点实时收集到环境温度和水分信息传给神经网络控制器,根据神经网络控制模型实时调节火药贮存温湿度控制设备的各个参数,实现对火药贮存环境温湿度的自动化和实时精确控制,提高火药贮存的可靠性和经济效益。     

用声发射信号和改进的BP神经网络预测磨削表面粗糙度

针对磨削表面粗糙度传统BP（Back Propagation）神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射（Acoustic Emission,AE）信号作为表面粗糙度预测模型学习样本频段。实验结果显示：改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。     

基于EMD、遗传算法及神经网络的柴油机故障诊断

研究了将经验模式分解(Empirical Mode Decom position,EMD)、遗传算法及BP神经网络相结合对柴油机振动信号进行故障诊断的方法。首先运用经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后利用遗传算法对得到的特征参数进行选择,找到对于故障诊断最为敏感的参数;最后建立了BP神经网络模型对柴油机典型故障进行诊断。通过对某型柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。     

基于模糊-组合神经网络的信息系统安全风险评估

针对信息系统的安全风险评估问题,提出了一种将模糊理论与神经网络进行"浅层次"结合的评估方法。通过对信息系统所涉及的风险因素分别从资产影响、威胁频度、脆弱性严重程度三方面进行分析,建立了信息系统的安全风险层次化结构,并构造了各因素所对应评判集的隶属度矩阵;综合运用模糊推理算法与神经网络仿真技术,对信息系统的安全风险进行评估,进而判定信息系统安全风险等级。最后,通过实例分析说明了算法的应用,并借助误差分析检测了模型的有效性。     

连续发射脉冲功率电源用水冷模拟负载研究

针对脉冲功率电源连续循环放电吸能需求,本文提出了一种1.9MA级循环脉冲功率水冷模拟负载方案。首先,考虑水冷负载与实际电磁发射负载的相似性要求,提出了4×8钢管阵列组成的电阻网络,可方便的实现电源不同组合方式的放电考核；其次,针对1.9MA级电流产生的脉冲电磁力可能引起水冷模拟负载损坏的问题,建立了水冷模拟负载三维有限元分析模型,进行了电磁力计算和结构分析,保证了水冷模拟负载稳定性；最后,利用热网络法对模拟负载在循环脉冲模式下的强迫风冷、自然冷却和去离子水冷却等方式进行了温升分析,结果表明：模拟负载采用钢管内通去离子水冷却效果最好,循环放电时温度可以恢复到初始状态,最高温度62.5℃,满足连续放电实验的需求。利用提出的方法设计了一台水冷模拟负载样机并进行了连续2次1.9MA放电研究,试验结果与理论分析吻合较好,负载结构运行稳定,验证了本文理论分析的正确性。     

基于自适应神经网络滤波的引信去噪声研究

设计了自适应神经网络噪声抵消系统,该系统不需要关于噪声信号的先验知识,非线性映射能力强,具有自学习能力,计算量小,实时性好.利用该系统对含噪声的非线性信号建模,达到消除噪声的目的.通过LMS算法,对不同信噪比(SNR)的含噪引信信号进行滤波,仿真结果表明,该滤波器能有效地抑制噪声.