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.     

某型小口径高炮动态跟踪系统误差分析

在该型小口径高炮系统的指标中,对于高炮动态射击精度、火控跟踪精度和随动系统精度都是既有随机误差要求,又有系统误差要求.将火控动态跟踪系统误差作为非常重要的考核指标,却与外场测试结果有差别.从动态跟踪系统误差的产生、分类和内涵出发,通过建立动态跟踪数学模型,并结合作图对其原由进行了深刻的分析.     

基于模糊数的防空C3I系统效能评估

根据模糊数适于量化模糊信息的特点,运用模糊集理论,提出了一种基于模糊数的模糊综合评估方法.通过计算被评估系统效能的模糊数,将问题转化为模糊数的排序问题,并给出了采用该方法对防空C3I系统效能评估的模型及实现步骤.该方法能对防空C3I系统的效能指标进行合理的量化处理,较好地解决了防空C3I系统效能评估问题,通过计算实例验证了该方法的正确性和实用性.     

导弹自动驾驶仪的模糊自整定免疫PID控制

提出了一种模糊自整定免疫PID控制器的设计方案.该控制器将免疫反馈机理与传统的模糊PID控制有机地结合起来,实现了对控制系统的参数自整定.给出了某战术导弹自动驾驶仪的传递函数和仿真试验设计.仿真结果表明,这种模糊自整定免疫PID控制效果明显优于传统的模糊PID控制方式,具有较强的抗干扰能力,特别对变参数系统具有较强的鲁棒性.     

枪械产品故障树的模糊分析

事件发生概率的获取是故障树分析(FTA)中的重要环节,然而在一些故障发生频率很低的场合,要获得大量的故障数据几乎是不可能的,传统的故障树分析把事件发生的概率处理成精确值,忽略了数据的不完备性及环境的模糊性.针对这一问题,在枪械产品的可靠性研究中提出了模糊故障树分析方法,将现有统计数据和工程技术人员的经验结合起来,在容许误差范围内,求解出了事件发生概率的取值空间,使结果更接近实际情况.     

一种利用目标属性进行态势关联的方法

为了解决由于航迹中断产生的态势关联问题,提出了属性态势关联的思想,分别采用目标身份识别、速度、ESM参数和专家知识等信息作为属性,利用模糊综合方法对各属性得到的关联度进行融合后判断关联情况,仿真试验结果表明该方法用于恢复中断后的态势问题是有效的,对进一步研究目标的态势关联具有重要的参考意义.     

基于时间序列判别函数的火控精度检测

在以往通过建立火控系统误差时间序列的动态数学模型对火控精度做定性分析的基础上,提出基于时序判别函数对火控系统精度进行定量分析,其结果能给出火控系统精度更客观的检测评定.采用的判别函数有几何距离判别函数和信息距离判别函数,几何距离判别函数仅考虑模型参数信息计算简单,信息距离函数则综合考虑模型参数信息和残差方差的影响,具有较强的判别能力.     

高动态GPS抗干扰算法仿真研究

对于高动态条件下GPS(global positioning system)接收机的抗干扰问题,研究等距线阵接收信号模型和基于协方差矩阵扩张的基本原理,并仿真分析了2种基于协方差矩阵扩张的经典抗干扰算法：Mailloux算法和Zatman算法在高动态环境下的作用效果。经过Matlab仿真,结果表明,相比与常规方法,Mailloux方法和Zatman方法在阵元是等距线阵时,都能有效地加宽从干扰方向上形成的零陷,能够提高在高动态环境下的抗干扰效果,使接收机能够捕获卫星信号。     

极端曝光图像的多尺度分解细节感知融合算法

针对极端曝光(欠曝光和过曝光)图像动态范围低的问题,提出一种基于多尺度分解细节感知的图像融合算法。欠曝光图像经过细节增强后,与过曝光图像进行初步的粗融合;采用小波变换对细节增强后图像的亮度分量进行多尺度分解,并设计专门的高频和低频融合策略,实现亮度分量的精融合;将粗融合图像的色调、饱和度分量,与精融合图像的亮度分量重组,获得最终的融合结果。基于大量测试数据,实验结果表明所提方法在视觉效果方面表现优异,平均MEF-SSIM指标为0.985 4,平均SSIM指标为0.650 8,均优于现有主流算法。