未知非线性系统的神经网络建模与控制仿真研究

针对一类未知非线性系统的建模与控制问题,采用基于神经网络的多步预测控制算法进行了仿真研究,仿真对象选取控制工程界常用的单摆试验装置.该算法的实现步骤为:获取系统开环试验数据;辨识神经网络正向动态模型;设计非线性优化控制律.仿真研究结果表明,所提出的建模与控制方法是有效的.     

基于神经网络的弹药消耗预测

针对弹药消耗预测问题,运用一种改进的BP神经网络预测方法。预测时对样本数据进行了预处理,并在时序训练样本中引入了遗忘因子,以提高当前预测的精度,以及在权值调整过程中,引入"惯性项",以改善学习收敛过程。     

多雷达多目标航迹跟踪中FMM神经网络的应用与仿真

提出了一种基于Fuzzy Min-Max (FMM)人工神经网络的多雷达多目标航迹跟踪的方法。仿真应用的实验结果表明,这种方法能够有效地完成多雷达多目标的数据融合,并比较理想地实现了多雷达多目标的航迹相关。     

基于UKF-SOFNN的近距机动目标跟踪滤波算法

对于多目标杂波环境中的机动目标跟踪,由于目标集群中各个目标间的空间距离可能小于探测器的空间分辨率,因而可能出现误跟、诱饵欺骗与杂波虚警等一系列严重后果。对此,提出一种综合运用UKF(不敏卡尔曼滤波)和SOFNN(自组织模糊神经网络)的UKF-SOFNN滤波跟踪算法,将机动目标模型视作严格的非线性系统,利用UKF-SOFNN对非线性参数的辨识能力提高对锁定机动目标的跟踪能力。仿真实例表明,该算法能有效地辨识目标群中的目标,并进行可靠的跟踪。     

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BP神经网络的导弹作战方案评估方法

构建了一般的机动发射式导弹作战方案评估的指标体系,通过BP神经网络模型对拟制的导弹作战方案进行了评估,得到了评估结果,为导弹武器作战时快速优选作战方案创造条件。     

弹药贮存微环境温度智能化预测

高效、准确获取弹药贮存微环境温度变化规律是开展弹药寿命评估与延寿的关键。结合神经网络算法以及传热学原理,研究了弹药贮存微环境温度预测模型,并基于此模型开发了一套弹药包装箱微环境预测软件,用以预测不同气候环境下包装箱内部的温度变化。在敦煌、漠河进行了相关试验,用以验证软件预测正确性以及参数优化。结果表明：应用基于神经网络算法开发的包装箱微环境预测软件,根据不同包装箱材料,调控贮存地点以及控制贮存起始温度,可以实现对箱内温度的控制。     

多核数字信号处理卷积算法并行优化

针对国防科技大学自主研发的异构多核数字信号处理(digital signal processing, DSP)芯片的特征以及卷积算法自身特点,提出了一种面向多核DSP架构的高性能多核并行卷积实现方案。针对1×1卷积提出了特征图级多核并行方案;针对卷积核大于1的卷积提出了窗口级多核并行优化设计,同时提出了逐元素向量化计算的核内并行优化实现。实验结果表明,所提并行优化方法实现单核计算效率最高能达到64.95%,在带宽受限情况下,多核并行扩展效率可达到48.36%～88.52%,在典型网络ResNet50上的执行性能与E5-2640 CPU相比,获得了5.39倍性能加速。     

基于CRNN的汽车发动机声纹个体识别方法

为提高声纹个体识别率,提出了一种基于卷积神经网络(CNN)和深度循环神经网络(RNN)的声纹个体识别方案CRNN,用于发动机声纹个体识别.该方法通过优化CRNN网络参数,挖掘声谱图"纹路"特征和时序特征,解决现有方法不能充分利用声音信号特征的问题.基于实采汽车发动机声音信号的仿真结果表明,相对于传统方法,改进CRNN能获得更高识别率,达到了98.75％.     

模拟电路的DCNN-ELM软故障诊断

为提高模拟电路的软故障诊断能力,提出一种基于深度卷积神经网络(DCNN)特征提取的极限学习机(ELM)诊断方法.先利用DCNN在特征提取方面的优势,从含有电路故障信息的信号中自主提取有辨识力的特征;利用ELM出色的分类性能,构建获取特征的故障诊断模型;通过Sallen-Key带通滤波器电路的故障诊断实验对提出方法进行了验证.仿真结果表明,提出的基于DCNN的故障特征提取方法优于传统KPCA与KSLPP方法,与ELM分类器集成后得到的诊断准确率达到98.2％,有助于改善模拟电路的故障诊断精度,从而验证了其可行性和有效性.