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。     

基于小波神经网络的MEMS陀螺输出预测方法

为了解决弹载MEMS陀螺实时输出预测问题,提高陀螺输出预测精度并减小计算量,通过分析弹载陀螺信号时间序列特性,结合小波分析和神经网络两种方法的优势,提出了一种基于小波神经网络的MEMS陀螺输出预测方法。选取并优化神经网络结构参数,利用实测陀螺数据对建立的小波神经网络进行训练,并预测出未来一段较短时间的陀螺输出值。与陀螺实测值和ARMA模型预测结果的对比发现,小波神经网络方法有效地提高了MEMS陀螺输出预测的精度、减小了计算量,从而验证了该方法的有效性和精度。     

基于相关性模型的舰船装备测试性分析与建模

为了提高舰船装备的综合诊断能力,在舰船设计、研制阶段就必须进行装备测试性设计工作。为此,根据舰船装备测试性要求,对装备进行了故障模式影响分析,确定了装备在设计和制造过程中所有可能的故障模式,以及每一故障模式的原因和影响,据此对装备功能和结构进行了划分。然后,利用相关性模型对舰船装备进行测试性分析与建模,建立了舰船装备组成单元的相关性图示模型、数学模型,并运用考虑可靠性和费用的优选方法,建立了舰船装备诊断树,得到舰船装备的测试方案。算例分析表明:该研究可有效提高舰船装备测试的效率,提升测试的经济性。     

油库储油区燃烧爆炸事故树分析

针对油库储油区安全管理点多面广的特点,分析储油区燃烧爆炸事故的相关影响因素和条件,建立完善的事故树模型。通过定性分析理清燃烧爆炸事故与基本事件之间的逻辑关系,定量分析获得各项基本事件的结构重要度排序,找出储油区存在燃烧爆炸隐患的重点部位,制订科学合理的安全信息监控点设置策略,为油库安全管理手段向信息化迈进提供决策依据。     

机动输油管线泄漏监测技术

机动输油管线采用露天方式快速铺设,容易发生泄漏事故。根据负压波原理,利用一种基于可变窗长中值滤波器的泄漏检测算法,在不降低检测灵敏度的前提下,能有效降低泄漏误报率。该算法在保证泄漏定位精度的同时,还能保持较高的实时性,较好地满足机动输油管线泄漏监测的需要。     

基于小波域字典学习方法的图像双重稀疏表示

提出了一种有效地结构化字典生成算法以及图像双重稀疏表示方法.在Rubinstein等提出的图像双重稀疏表示模型的基础上,引入小波零树结构,将同一空间位置对应的同方向跨尺度小波基函数的线性组合作为新的基函数,并通过K-SVD学习算法得到线性组合系数,由此得到了一种更加切合图像方向特征的结构化字典学习算法.在此基础上提出了相应的图像分解与重构算法.遥感图像M项逼近实验以及压缩仿真实验表明,本文提出的结构化字典比已有的字典具有更好的图像稀疏表示效果.     

非晶丝GMI磁传感器信号的小波分析

当非晶丝巨磁阻抗效应( Giant Magneto-Impedance,GMI)磁探头输出数据的信噪比小于0时,常规的峰值检波方法难以检出真实信号.为此,提出了一种新的微弱信号检测方法,将非晶丝GMI磁探头的输出信号经放大、滤波和采样之后直接送入数字信号处理系统,利用小波变换方法提取微弱信号的特征,并利用相关分析法确定...     

作战飞机可靠性与维修性仿真模型

通过故障树分析建立了作战飞机仿真逻辑关系。在修正线性同余法的基础上获得了随机数模型。在各设备故障发生状态和修复状态识别的基础上,建立了可靠性维修性仿真模型,确定了作战飞机在仿真过程中的工作状态,并根据故障模式影响分析预计了设备故障对作战飞机的影响。最后以F/A-18为例进行可靠性维修性仿真,获得了实时的故障信息和修复信息,验证了仿真模型的可行性。     

Real-time prediction of projectile penetration to laminates by training machine learning models withfinite element solver as the trainer

Studies on ballistic penetration to laminates is complicated, but important for design effective protection of structures. Experimental means of study is expensive and can often be dangerous. Numerical simu-lation has been an excellent supplement, but the computation is time-consuming. Main aim of this thesis was to develop and test an effective tool for real-time prediction of projectile penetrations to laminates by training a neural network and a decision tree regression model. A large number of finite element models were developed;the residual velocities of projectiles fromfinite element simulations were used as the target data and processed to produce sufficient number of training samples. Study focused on steel 4340tpolyurea laminates with various configurations. Four different 3D shapes of the projectiles were modeled and used in the training. The trained neural network and decision tree model was tested using independently generated test samples using finite element models. The predicted projectile velocity values using the trained machine learning models are then compared with thefinite element simulation to verify the effectiveness of the models. Additionally, both models were trained using a published experimental data of projectile impacts to predict residual velocity of projectiles for the unseen samples. Performance of both the models was evaluated and compared. Models trained with Finite element simulation data samples were found capable to give more accurate predication, compared to the models trained with experimental data, becausefinite element modeling can generate much larger training set, and thus finite element solvers can serve as an excellent teacher. This study also showed that neural network model performs better with small experimental dataset compared to decision tree regression model.     

美国非法证据排除规则与德国证据运用禁止规则之比较

非法获得的证据能否作为定案的依据 ,历来为各国刑事证据理论所关注。美国和德国作为英美法系和大陆法系的典型代表 ,分别确立了非法证据排除规则和证据运用禁止规则。研究了两国排除规则的内涵、发展历史、适用范围及存在差异