一种新型模糊神经网络及其在故障诊断中的应用

提出了一种基于模块化模糊神经网络的非线性系统故障诊断新方法.该方法先使用模糊c-均值聚类算法(FCM)实现测量空间的模决分割以决定模糊规则的个数,再使用模糊IF-THEN规则对分割后的各区域分别采用局部BP模型去进行逼近,最后再通过离线学习以获得不同区域故障输出与测量输入的非线性动力学特性.应用表明,提出的模糊神经网络结构、原理及实现方法是合理可行的,经过离线学习后的网络可实现对非线性系统的在线实时状态跟踪和诊断,可提高故障检测的正确率和快速性,并具有较好的泛化性能.     

基于仿真环境的航空态势图像评估

航空态势图像在现代高技术战争中有着重要的作用,航空态势图像的品质直接关系到作战结果.首先建立了评估模型,提出了在仿真环境下度量指标的方法.然后介绍了灰色聚类分析方法及其评估步骤.最后,基于仿真环境下,用灰色聚类分析的方法来评估航空态势图像的品质.结论证明,指标的度量方法和图像的评估方法是有效可行的,结果是正确的.     

一种基于时频域滤波的ISAR瞬时成像算法

为了得到机动目标的瞬时像,需要采用时频分析的方法.分析了2种Cohen类时频分布Wigner-Ville分布(WVD)及Choi-Williams分布(CWD)的时频特性.基于时频域滤波的思想提出一种兼备高时频集聚性和交叉项抑制能力的瞬时频率估计方法.由此得到一种新的ISAR瞬时成像算法,对机动目标数据进行成像处理,结果说明了算法的优越性.     

多分量LFM信号检测与参数估计的新方法

针对传统的多分量LFM信号检测与参数估计中存在的精度不高和交叉项问题,将小波重排与Hough变换结合起来,首先对信号进行小波变换,克服交叉项干扰,再经过时频重排保证精度,以重排后的时频分布作为图像,利用 Hough变换通过查表的方式,实现对各分量的依次截取和参数估计.仿真实验表明,该方法能够有效地提取多分量LFM信号中各分量的特征参数.     

FCM和粗集在雷达信号识别中的应用研究

连续属性离散化是粗集理论应用中面临的主要问题之一.对连续数据知识挖掘可采用模糊C均值聚类将其离散化,再应用粗集理论将其属性进行约简提取有用规则.将此方法应用于雷达信号类型识别,可以直接从原始数据中得到识别信息,仿真实验结果证明利用此离散化方法得到的识别规则对雷达信号识别是有效和可靠的.     

浅议生物进化中的熵变

从人们对熵的认识过程出发,对熵的概念和其原理做了简要的总结,提出了辩证的讨论生物进化中熵变的观点,首次提出生物进化中的熵变是一个辩证的动态的过程。     

多站多目标雷达数据融合

多站多目标跟踪是雷达数据融合的主要问题。提出了一种对测量数据聚类,在类间进行数据融合,之后基于目标的融合状态,采用强跟踪滤波器(STF)对多目标进行跟踪。利用上述方法,进行了各种态势下的仿真实验。     

燃气轮机实际简单循环熵产分析

针对燃气轮机实际简单循环,应用熵产分析,对循环各部件不可逆损失分配情况进行分析,并给出实例计算.结果表明,燃烧室不可逆损失最大,其次是排气过程.