STD-BITbus分布式测试系统

由STD总线和BITbus串行通信总线构成的分布式自动测控系统,具有实时性强、可靠性高、成本低等特点,可广泛应用于武器系统的综合测试和各类仓库的监控管理,本文介绍了STD-BITbus分布式测试系统的系统构成、软件框图和模拟实验结果。     

针对复杂检测系统的微机数据管理系统设计方法探讨

本文以陆军战术导弹性能检测系统为研究对象,探讨复杂检测系统中微机数据管理系统的设计方法,给出了此类系统标准化设计的规范步骤。     

舰船武器系统陆上联试中的仿真测试系统

本文介绍了仿真测试系统的功能、组成,系统配置,联词测试方案以及在两次较大规模舰船武器系统陆上联调试验中所起到的作用和效益,提高仿真模型,仿真测试设备的通用化、系列化是舰船武器系统联调试验测试技术的发展方向。     

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。     

一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

模糊规则集在发动机故障诊断中的应用

基于模糊规则集度量,提出了一种故障诊断系统。提取模糊规则分两步实现：（1）由训练样本自适应形成超球子空间,可望解决高维空间的识别问题：（2）计算每个子空间上模糊规则的信任度。对模糊规则的概念进行了拓展,以便解决模糊规则之间的矛盾。仿真研究表明：模糊规则集度量可以用于液体火箭发动机的故障诊断。     

表示结构化知识的神经网络模型

研究和设计了一种高度结构化的神经网络模型ＨＳＮＮ,它能方便地对结构化知识进行表示和处理。文中给出了ＨＳＮＮ的设计过程,并讨论了ＨＳＮＮ在继承、非单调推理和信息检索等方面的应用     

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     

ESD对电点火管安全性的影响研究

简述了真实静电感度测试方法及其数据处理方法,报道了利用该方法测试的两种电点火管DD—4.5、DD—17的静电感度测试结果。确定了其最小静电点火能分别为834μJ和188μJ。依据不同的ESD(静电放电)模型,讨论了不同静电危害源对电点火管直接放电时的最高安全电压值。