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。     

武器控制系统的核心部件功能耦合部件

论述了功能耦合部件的功能、组成,及对部件各组合件工作电路的情况,详细分析了功能耦合部件的工作原理。阐明武器控制系统通过功能耦合部件与火控系统进行信息交换,从而实现了对武器的正确控制。     

高阶稠密矩阵的并行求逆与应用

采用基于列交换的Ｇａｕｓｓ－Ｊｏｒｄａｎ并行算法来解决空气动力学中超音速高阶面元法的稠密矩阵求逆问题,该方法采取了块循环数据分配方式,尤其对超立方体结构的并行机系统来说具有通讯优势。在４台ＳＧＩ工作站构成的２×２网格上进行的实验表明,对秩为１０００左右的矩阵可得到５７％～６４％的效率。     

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。     

多状态系统故障树质蕴含集的求取算法

本章首先给出多状态系统状态空间的立方体表示方法,然后建立相应的运算规则。在这些规则的基础上,提出多状态系统故障树质蕴含集的求取算法。通过实例分析,说明了这种方法的可行性。     

内外干扰因素对液体火箭发动机的影响分析

在已有的液体火箭发动机稳态工况的非线性数学模型基础上,计算分析了单干扰因素对液体火箭发动机参数的影响,用非线性方法和小偏差方法对比分析了两个干扰因素分别和共同对发动机参数的影响。所得结论可用于泵压式燃气发生器循环的液体火箭发动机试验结果分析、可靠性及故障分析,也揭示了此类发动机参数随各种干扰因素的变化规律     

某型火箭增程破甲弹发动机弹道炸分析与处理

根据某型火箭增程破甲弹,在研制阶段做高、底温强度试验时分别出现发动机弹道炸的质量问题,结合实践在理论方面进行了分析,提出了对发动机燃烧室内个别件改进设计的方法。     

一类高次多项式系统极限环的讨论

通过变换将一类高次多项式系统化为Lienard系统,利用Hopf分枝定理和张芷芬唯一性定理,证明了该类系统极限环的存在性与唯一性。