高精度空间非合作式相对轨道状态预报

为了解决接近空间非合作目标过程中的相对导航问题,提出一种基于相对轨道动力学方程和二阶龙格库塔积分公式的高精度空间非合作目标相对轨道预报模型。考虑地球J2摄动加速度,将目标轨道方程在参考轨道附近展开,保留至引力加速度差的二阶展开项,并进一步推导考虑J2摄动的参考轨道角速度和角加速度,建立相对轨道动力学微分方程;在给定相对轨道初值的情况下,采用二阶龙格库塔积分公式进行相对轨道预报。该模型采用数值积分方法,对相对轨道动力学模型形式没有限制,通用性好,适用范围广;选择低阶龙格库塔公式积分预报,既减少了计算量又保证了计算精度。设置高轨和低轨两种相对运动仿真场景,仿真结果表明了模型的通用性和精确性。     

BDS三频非差观测数据周跳探测与修复方法

随着三频技术的出现,多频观测量及其丰富的线性组合特性为周跳的探测与修复提供了新的契机。因此提出三频非差观测量线性组合对载波相位观测数据中周跳进行实时探测及修复的方法。该方法构造无几何无电离层的码相组合,并通过对历元间的电离层延迟变化量进行实时估计与消除,构造出第三组线性无关的周跳探测量。用30 s采样间隔的北斗三频实测数据对算法性能进行验证,试验结果表明:该方法可以有效地对各频点的周跳实现探测与修复,即使在电离层活跃的应用场景中,该方法依然具有较好的性能。     

弹性BP神经网络消除轮速传感器误差方法的研究

汽车轮速是汽车运动状态参数的主要信息源,是控制系统的核心,其精度直接影响这些系统的性能.为了提高轮速的精度,降低传感器的研制成本,提出了一种基于弹性BP神经网络的误差分析方法消除轮速传感器误差.将改进的BP神经网络--弹性BP神经网络用于误差分析,并提出误差匹配的算法.理论和仿真结果表明,该方法使绝对误差达到2×10-4>rad,能够有效地消除传感器误差,提高轮速信号的精度.     

中国特色网络文化建设与大学生思想政治教育

随着网络技术的发展，网络文化也运用而生。网络文化的双面效应给高校的思想政治教育工作带来了新的挑战。本文在分析网络文化对大学生影响的基础上，提出构建中国特色的网络文化，推进大学生思想政治教育的思路和措施。     

神经计算机并行模拟结构

神经网络实现技术是神经网络研究的一个极重要的领域。本文首先分析了神经网络模拟对并行计算机系统的要求,认为影响神经网络计算机速度和容量提高的主要因素是单个处理单元的速度、单个处理单元的局部存储器的容量以及互连网络的通信带宽。要提高模拟神经计算机的速度和容量,就要有相应的并行结构来支持。在定量的需求分析的基础上,本文还提出了一种模拟神经计算机的并行结构。     

神经网络能力研究

文献[1]～[3]中研究了神经网络的能力—存储能力。但我们认为神经网络的能力应包括存储能力和计算能力两个方面。本文对神经网络的存储能力和计算能力进行定量分析,并得出了许多有益的结论。     

M/G/1(RVT,P(j))排队系统的另一分析方法及其应用

M/G/1(RVT,P(j))表示服务员具有随机长度休息时间(RVT)的、且一休息时间结束时有 j 个顾客等待的概率为 P(j)的、修正的 M/G/1 排队系统。我们用嵌入 Markov 链的技术已详细地分析过这一排队系统,这里提供另一分析方法。最后,应用这个排队系统的分析结果,对时隙 ALOHA 卫星公用信道的分组碰撞概率计算公式作了推导。     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

基于神经网络的液体火箭发动机故障检测系统

提出和建立了一种用于液体火箭发动机（ＬＲＥ）故障检测的神经网络系统,这种系统包括两层：第一层由ＷＴＡ（Ｗｉｎｎｅｒ－Ｔａｋｅ－Ａｌｌ）神经网络组成,ＷＴＡ网络用于检测发动机故障输出模式;第二层由ＢＰ（Ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络组成,ＢＰ网络利用第一层次的输出结果作为输入显示故障大小。文中对ＬＲＥ故障检测进行了数值仿真,仿真结果验证了神经网络故障检测系统的优越性能。