基于TensorFlow的四旋翼无人机着陆地标识别

针对多旋翼无人机在无人干预情况下的自主着陆问题,提出一种基于迁移学习的地面标识图像检测方法.该方法基于TensorFlow深度学习框架,使用迁移学习技术在地面标识数据集上重新训练Inception-v3模型以构建新的地面标识识别模型.以四旋翼无人机为例,将其拍摄的着陆坪图片与其他地面标识图片作为训练集输入神经网络,通过多次训练校正神经网络参数.实验结果表明,基于迁移学习的四旋翼无人机着陆地标识别比直接基于In-ception-v3模型的识别效果要好得多,在仅有数千张训练图片的情况下,测试准确率超过90％.在Windows下训练、测试的模型可移植到树莓派3B上,完成了基于Python和TensorFlow开发的程序在不同操作系统下运行的验证工作.     

神经网络在随动系统测试中的应用研究

针对神经网络在故障测试中因训练样本集大而导致的诊断速度慢和性能下降等不足,提出区域法则,即将全系统化解为若干个子模块并用神经网络去分别匹配,以此达到加快诊断速度和提高诊断能力的目的,同时给出了典型训练样本的建立思路和网络结构的学习算法.实验表明,该方法在火炮随动系统测试中体现出了较好的诊断效果,具有一定的工程应用价值.     

基于模糊神经网络的武器控制系统信号分析

某新型飞机武器控制系统故障诊断过程复杂,故障征兆和故障原因之间存在着许多不确定因素,精确定位故障存在许多困难.针对这种情况,提出了基于模糊神经网络,研究了模糊神经网络技术在武器控制系统故障诊断领域的应用,并根据系统本身的特点,提出了诊断和算法模型.在此基础上,研制出武器控制系统检查仪,对该方法作了验证.结果表明:该方法是可行和有效的.     

基于神经网络TSP算法的防空作战火力分配

基于神经网络TSP算法建立了防空作战火力分配模型,并通过在计算机上仿真运行了实例,优化了火力分配方案.这是对解决防空作战火力分配问题的一种有益的尝试与探索,同时也对防空作战指挥决策和理论研究以及指挥自动化系统建设提供了参考.     

基于改进粒子群算法的神经网络及其在核电站故障诊断中的应用

针对传统BP神经网络以及标准PSO算法神经网络在故障诊断过程中易出现收敛速度低及易陷入局部最优点的问题,提出了一种使用改进PSO(IM-PSO)算法进行训练的神经网络。该方法具有收敛速度快、不易陷入局部极小值的优点。使用该方法对核电站二回路凝给水系统的典型故障进行了诊断,诊断结果表明:该方法的性能优于传统BP算法和标准PSO算法,在复杂系统故障诊断领域具有很好的应用前景。     

基于云模型的我国海上能源战略通道安全风险评估

基于我国极高的能源对外依存度现况以及单一的能源进口通道形成的能源安全高风险问题,针对南海—印度洋海区复杂自然环境和地缘政治形势,开展了该海区我国能源通道安全潜在的风险分析;引入人工智能领域的云模型理论,结合约束赋权法,对我国海上能源战略通道安全风险进行量化评估和实验风险区划,旨在为我国能源战略安全决策提供科学咨询.     

数值许瓦尔兹－克力斯托夫变换与数值高斯－雅可比型积分

本文研究的主要内容是数值许瓦尔兹─克力斯托夫变换和它所涉及的数值奇异积分问题。利用牛顿─拉夫森迭代法导出了求解许瓦尔兹─克力斯托夫变换各个参数的数值过程。为了提高奇异积分精度,本文对数值高斯─雅可比型积分进行了研究,并用该积分方法对数值许瓦尔兹─克力斯托夫变换公式中出现的奇异积分进行了计算,取得良好结果。本文最后给出了示例,进行了验算。