野值存在下的BP网络自适应卡尔曼滤波

提出了一种抗野值的BP网自适应卡尔曼滤波算法.通过BP网络对新息序列的方差和均值的速率进行在线实时监测计算,输出一组加权系数对新息做修正处理,从而有效地抑制了野值对滤波器的影响.仿真证明该算法保持了新息的统计特性,提高了滤波器的精度和稳定性.     

基于FNNs的闭式循环柴油机配氧前馈控制策略研究

配氧控制是闭式循环柴油机(CCD)系统的关键技术之一,为改善其动态特性,在 PID反馈控制的基础上,设计了基于模糊神经网络(FNNs)模型的前馈控制器,并采用 PID反馈控制输出信号作为网络训练的误差信号,使模糊神经网络逐步具有前馈补偿能力,从而能够有效对负荷扰动进行及时补偿.仿真结果表明,采用FNNs前馈控制器后,可以有效改善氧气控制的动态特性,并且具有快速的学习速度和很强的适应能力.     

PCNN图像分割新方法

为了解决脉冲耦合神经网络(PCNN)难以确定最优分割结果以及脉冲产生门限由非线性方法计算得到的问题,提出了一种基于PCNN的图像分割新方法.该算法采用线性方式动态调整脉冲门限,采用二维最大相关准则确定PCNN网络的循环迭代次数,并引用中值滤波的思想对PCNN的接收部分进行了改良,以克服噪声对分割过程的影响.实验结果表明该方法能获得视觉效果较好的分割结果并具有较强的普适性.     

舰船液力偶合器数学建模新方法

介绍了某研究项目中所使用的液力偶合器数学建模新方法———人工神经网络方法.从舰船动力装置动态建模与仿真的实际需求,分析了液力偶合器数学建模的困难之处:寻找一种通用的数学形式,以实现:①额定工况滑差及其附近实验数据的内插与外延;②过渡工况(如液力偶合器结合时其滑差从100%变到额定工况滑差附近的过程中)液力偶合器数学模型的设计.叙述了液力偶合器的人工神经网络数学建模的要点,分析了液力偶合器人工神经网络数学模型在舰船动力装置计算机仿真中的结果.最后,总结了液力偶合器人工神经网络数学模型今后需进一步完善的若干方面.     

一种灰度图象中的小目标识别方法

介绍了一种基于目标灰度门限和目标之间灰度距离门限的区域自动阈值检测法,用该方法检测提取出灰度图像中包含目标的小区域。然后利用传统的门限自动选择方法找到合适的门限,利用该门限值对所获目标区域进行二值化以得到目标,然后采用改进不变矩方法提取目标特征并采用优化BP神经网络进行识别。该方法经实验验证,效果较好。     

一种远距离复合干扰效能及战术应用研究

针对单一干扰方式在实际作战中的不足,提出了一种复合干扰方式,对其进行了必要性和可行性分析,介绍了复合干扰的具体原理,以功率准则和效率准则对其干扰效能进行了仿真分析,结果表明,复合干扰方式信干比大于单一无源干扰信干比,被干扰雷达的最大探测距离和箔条云与雷达的距离、箔条云与干扰机的距离密切相关,在近地突击和纵深打击等近距作战任务中,实施复合干扰比单一有源干扰更具优势。最后,探讨了复合干扰在其他几种战术中的应用。     

自适应学习率的小波神经网络逼近算法

提出一种自适应学习率的小波神经网络算法,从根本上解决了小波神经网络学习率的取值和收敛速度慢的问题,并有效地克服了小波神经网络易陷入局部极小的缺点,仿真实验表明,提出的学习算法可靠,学习率能够随着网络的运行参数而自动变化,无需任何人为调整,克服了小波神经网络学习率靠人为试算选取所带来的问题.采用该种改进算法用于非线性函数逼近明显优于同等规模的固定学习率的小波神经网络.     

BP神经网络在无源雷达目标识别中的应用

目标识别技术是无源雷达的关键技术之一.针对无源雷达目标识别的特点,在分析空中目标类型和目标表征的基础上,建立了基于BP神经网络的目标识别模型,并对设计该模型涉及的基本问题进行了详细分析,最后运用该模型对给定特征的空中目标的进行了实验.实验结果表明,该模型提高了目标识别的稳定性和准确性,是有效可行的.     

基于转置卷积神经网络的翼型结冰冰形图像化预测方法

结冰问题严重影响飞机飞行安全,结冰智能预测是飞机智能防除冰系统设计和安全设计的重要依据和支撑.为解决复杂冰形在翼面同一位置的法线方向冰形厚度存在多值的问题,提出基于转置卷积神经网络的翼型结冰冰形图像化预测方法.设计预测模型的神经网络结构、损失函数、数据规范等,直接将影响飞机结冰的飞行和大气条件作为输入,以灰度化的冰形图...     

基于神经网络的雷达抗干扰能力评估

为评估对空情报雷达抗电磁干扰能力,首先建立了能力评估的层次模型,并给出了基于BP神经网络的评估模型结构,以及变步长的学习算法,并在Matlab系统内得以实现.结果表明,该模型及方法对评估对空情报雷达抗电子干扰能力具有一定的实用价值.