坦克稳定器的神经滑模控制方法

针对坦克稳定器这一类非线性和不确定性的复杂控制对象,提出一种神经滑模控制方法。该方法将滑模控制与神经网络相结合,解决了控制系统跟踪性能和鲁棒性能之间的矛盾。系统中的滑模控制器保证了系统的快速跟踪性能;而神经网络具有很强的自学习功能,通过学习能够保证系统的稳定性,同时可对扰动和参数变化进行有效的抑制补偿,从而在不牺牲系统鲁棒性的同时达到削弱抖振的目的。从理论上证明了滑动平面的稳定性,并且通过仿真验证了该结果。仿真结果表明该设计方法优于经典设计,为实际设计提供了一种可行的新方法。     

基于HLA的军事信息系统网仿真体系架构研究

分布式仿真系统的体系架构对于整个系统的功能实现和运行性能起着决定性的影响,为能充分利用仿真系统测试和评估军事信息系统网的性能,该文首先介绍了军事信息系统网(Military Information System Network:MISN)的组成和特点,并在分析基于数据库的仿真系统和基于HLA(高层体系架构)单联邦仿真系统局限性的基础上,得到了基于HLA的军事信息系统网分布式仿真多联邦体系框架,实现了联邦间功能转换所需的桥接联邦.该体系框架较好地完成了多通信网系的分布式交互仿真.     

网络中心战概念及其体系结构模型

介绍了美、英、澳等军事大国在网络中心战领域的研究状况,阐释了制信息权的概念,给出了网络中心战的定义.分析了美军在<2020年联合构想>中确认的核心作战概念,详细阐述了网络中心作战的顶层概念框架及顶层概念到第二层的映射关系.介绍了网格技术,提出了网络中心战网格模型的立体结构和平面结构,最后总结了对这一领域研究的重要意义.     

基于OPNET的战场IPV6通信网络拓扑设计及仿真

为了对IPv6与IPv4共存期间进行可靠通信提供技术上的参考,基于OPNET仿真平台,设计了几种不同的战场IPv6通信网络拓扑,强调了其特点和关键技术,突出了其仿真的主要参数配置,并通过分析仿真数据,对网络的有效性、实时性、可靠性等性能参数进行了评估,从而验证了所设计拓扑的可行性.     

基于粗集的神经网络在目标类型识别中的研究

为克服传统的目标类型识别方法的不足,提出将粗集和神经网络紧耦合建立新的识别模型,即经过识别信息预处理、样本数据粗集方法简化、神经网络学习训练及待识信息网络识别等步骤,充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验表明,该模型减少了识别的主观因素,简化了神经网络结构,提高了运算速度。     

区域防空反导火控网的数据融合问题研究

由于组成区域防空反导火控网的各部光电瞄具之间是异步工作的,造成跟踪参数融合上出现较大误差,为此,提出一种解决异步数据融合问题的方法,并进行了计算机仿真,结果证明该方法可以有效完成火控系统参数融合问题。     

基于ANN的高炮火力单元射击有利度评估

采用ANN(人工神经网络)方法对高炮火力单元射击有利度进行评估是一种新的尝试。在对各影响因素进行分析与量化处理的基础上,建立了基于ANN的高炮火力单元射击有利度评估网络模型,并提供了网络的解算方法。通过某型高炮对不同目标射击的已知有利度评估值对网络进行的训练,确定了网络的各权值,并使学习误差达到了预先规定的标准,实现了对该型高炮对空射击有利度的评估。     

基于神经网络和功率谱的水中目标信号检测方法

将功率谱和神经网络相结合,应用于高海况、低信噪比条件下,水中目标信号的特征提取中.文中首先对信号进行功率谱估计,利用目标信号功率主要集中在低频部分的特点,提取低频信号的能量作为特征,然后利用人工神经网络对目标信号进行检测.利用不同浪级情况下海洋水压场的仿真信号数据,对某型目标舰船的水压信号进行了检测计算,验证了该方法的有效性,尤其是达到了在高海况、低信噪比条件下,对目标信号检测率比较高、虚警率比较低的效果.     

基于贝叶斯网络的计算机网络端到端服务故障诊断

研究了利用贝叶斯网络不确定推理技术实现端到端服务故障诊断的方法,详细描述了贝叶斯网络故障诊断模型的建立方法,设计了基于Pearl信念传播机制的故障诊断算法,并对其进行了改进,以提高诊断效果.最后,通过仿真验证了该方法的有效性,并提出了下一步的研究方向.     

改进的蚁群算法及其在卫星网络路由计算中的应用

介绍了蚁群算法的原理,然后对现有蚁群算法进行了一些改进,使它能够快速地收敛以满足高速变化的卫星网络拓扑结构.采用改进的虚拟拓扑策略解决了卫星网络拓扑高速变换的问题,将改进的蚁群算法应用于其上,并给出了相应的性能评估.所提出的改进的虚拟拓扑策略,能够大大减少一个系统周期内卫星网的时间片个数.应用于此基础上的改进的蚁群算法也体现了较好的性能.