反舰导弹两种射击方式下捕捉概率及仿真

超视距攻击下,不同的射击方式对捕捉概率可能产生不同的影响.在不同射击方式误差机理分析的基础上,给出了超视距打击情况下两种不同射击方式的捕捉概率模型,在一定的数据设置情况下,进行了仿真分析,给出了两种不同射击方式下的对比分析.     

弹炮结合防空武器系统毁伤概率分析与仿真

针对弹炮结合防空武器系统毁伤概率是决定系统效能的关键问题,分析了决定系统精度和毁伤概率的主要因素及其相互关系.以单枚导弹对目标的毁伤概率和高炮一次点射对目标的毁伤概率为目的,建立了弹炮结合系统毁伤概率分析模型.通过计算机仿真得出了一定航路条件下对典型目标射击,高炮一个2S长的36发点射的平均毁伤概率为40%,单枚导弹的平均毁伤概率为63%.在2枚导弹和2个点射的情况下,系统总的毁伤概率可达97.8%.     

图论及神经网络在地空导弹部队阵地中的应用

防空部队特别是地空导弹部队抗击敌空袭作战必须依托相应的阵地进行,而地空导弹部队阵地部署与选择的正确与否是地空导弹部队能否有效进行抗击敌空袭作战的一个重要因素,地空导弹部队阵地部署与选择需要综合考虑地形条貂件、机动条件、作战时间条件等各种因素.提出阵地部署与选择的几个指标,用图论与神经网络方法针对一个具体的例子对所提出的指标进行求解计算,得出阵地部署与选择的方案.     

基于RBFNN与D-S证据理论的反舰导弹模式识别

由于反舰导弹在速度、机动性等方面的显著潜力,已日益成为舰船的主要威胁.尽快识别反舰导弹类型对缩短系统反应时间,正确预测目标运动具有重要意义.针对从不同目标传感器提取的末制导雷达辐射源参数和弹道特性参数,对目标数据进行相关处理,应用径向基神经网络(RBFNN)分别对反舰导弹模式识别,仿真中充分考虑了各种误差干扰并进行容错性处理,仿真结果表明该算法的有效性.最后将两部分识别结果通过D-S证据理论进行综合决策,进一步提高了系统识别决策的可信度.     

基于BP网络的坦克火力性能评价模型

应用神经网络理论与方法建立了坦克火力性能比较的BP网络模型,利用MATLAB中神经网络工具箱对国内外几种代表性坦克的火力性能进行比较.结果表明,BP神经网络模型能很好地解决评价因子与装备性能之间的非线性关系,评价坦克火力性能简便可靠,客观性强.     

水力测功器模拟螺旋桨高海情负载的神经网络预测控制仿真研究

为解决用水力测功器实现螺旋桨高海情下动态负载模拟的难题,首先给出了问题的数学描述并从工程应用角度做了适当简化,完成了开环辨识试验和神经网络建模;然后基于模型预测控制的基本原理进行了水力测功器模拟螺旋桨高海情负载的神经网络预测控制研究;仿真研究结果证明,文中所提方法确实有效,可用于水力测功器建模及动态加载控制。     

演化硬件中变异概率对进化算法首次命中时间的影响

在(1+1)EAs中,采用马尔可夫链推移时间分析法,推导出了平均首次命中时间的表达式。从理论上分析了变异概率对平均首次命中时间的影响。结果表明适当的变异概率会缩短平均首次命中时间,加快进化算法的寻优时间。     

基于粗糙神经网络和网络撕裂的故障诊断方法

利用网络撕裂法逐层将复杂装备撕裂为较为简单的单元,并充分利用粗糙集和神经网络融合方法的优点进行故障诊断。提出了基于粗糙神经网络的网络撕裂故障诊断方法,总结出基于粗糙神经网络和网络撕裂的故障算法流程图。以L-F滤波器为例进行实验,结果证明:该算法明显优于普通的基于粗糙神经网络的故障诊断方法,网络结构得到简化,训练速度得到加快。     

基于自适应滤波的坦克发动机振动信号的信噪分离方法

发动机表面振动是一种多振源、激励复杂的振动形式,在发动机测试时目标振动信号受到很强的噪声干扰,必须通过有效方法进行信噪分离.介绍了一种利用人工神经网络进行自适应滤波的信噪分离方法,根据自适应噪声抵消原理建立了ADALINE自适应神经滤波器模型,并使用该模型滤除坦克发动机汽缸盖振动信号中的机体振动噪声,提高了信噪比,为汽缸盖振动信号的进一步分析处理奠定了基础.     

基于神经网络的模糊理论在桥梁状态评估中的应用

探讨了模糊数学中的隶属函数在桥梁技术等级状态评估中的应用.在研究现有桥梁状态评估方法的基础上,把人工神经网络和模糊数学理论结合起来应用于大跨度预应力斜拉桥的等级状态评估,建立了基于三层神经元的模糊神经网络模型,并建立结构损伤度函数及等级隶属度模型,通过样本学习训练,获取评估专家的知识及直觉思维,最终确定桥梁所对应的技术状态等级.以检测的480组索力数据作为学习样本,另外4组作为验证样本进行了索力状态评估预测.计算结果表明,网络预测值与期望值吻合良好.