一类具M-P型非线性二元神经网络模型的周期解

针对一类具M-P型非线性信号传输函数的二元神经网络模型,提出其初值振动时系统周期解的存在性问题.利用结式技巧,结合分析方法,建立了用结式表示的保证具振动初值系统周期解存在的充分条件,并通过例子说明零阈值情形周期解的稳定性.     

RBF神经网络的火箭发动机成本预测

神经网络技术已广泛应用于各工业控制部门, RBF神经网络是对一般BP神经网络的改进.尝试将其应用于固体火箭发动机成本预测中.首先利用已有的成本信息对该神经网络进行训练,使其对已有信息的预测误差小于规定值,再将其用于其他条件下的成本预测.结果表明,实际预测效果较为理想,从而为固体火箭发动机成本预测提供了一种新的方法.     

VC实现故障诊断的智能化

针对大规模集成电路或非线性电路的故障诊断存在着定位困难和诊断速度低的问题,而且传统电路专家诊断系统有一定的缺陷.结合神经网络用于诊断的优点和VC程序的通用性强等特点,构造了一种神经网络的故障诊断系统,并且介绍了该系统的设计思想、实现过程及诊断实例.     

气动力/直接力复合舵系统神经网络参考模型设计

提出了一种气动力/直接力复合控制导弹在舵机层面进行复合控制的神经网络设计方法,即空气舵与直接力喷流机构看作是复合舵系统模型.该方法在完成复合舵系统建模的基础上,利用神经网络参考模型方法对等效舵机系统进行设计.最后,通过仿真验证了该方法可利用直接力喷流机构快速性,有效地提高复合舵系统的性能.     

具有摄动平衡点多时滞细胞神经网络的稳定性分析

通过构造适当的Lyapunov泛函和使用LMI技术,分别研究了多时滞细胞神经网络及对应的参数摄动系统的稳定性,得到了不要求互联矩阵对称及激活函数可微和单调下,易于计算及仿真的用线性矩阵不等式形式表示的确保系统稳定的若干充分条件.对激活函数及平衡点作出相应范数有界假设,得出了系统稳定平衡点间的距离估计.仿真实例充分验证了结果的有效性.     

基于EMD和神经网络的气阀机构故障诊断研究

运用经验模态分解(EMD)对柴油机缸盖振动信号进行分析,求得各内禀模态函数(IMF)的能量百分比;将能量百分比作为神经网络的输入进行网络训练和故障识别,实现了气阀机构的故障诊断,取得了较好的效果。     

基于卷积神经网络的雷达辐射源识别

随着电磁环境越来越复杂多变,给电子对抗带来了很大的挑战,基于传统的脉冲描述字和信号识别方法已不能满足战场要求.针对复杂电磁环境下的辐射源精确识别问题,将基于相控阵雷达辐射源的细微特征,主要是包络特征和相噪特征,对其进行分析建模,并结合卷积神经网络提出了 一种基于雷达中频数据和一维卷积神经网络的雷达辐射源个体识别方法,训...     

基于改进神经网络PID的永磁同步电机控制研究

永磁同步电机是高度耦合的非线性时变系统,针对传统的比例积分微分(proportion inte-gration differentiation,PID)控制方式不能完全发挥内置式永磁同步电机的最大转矩电流比控制响应快、精度高的优点,提出了 一种基于差分进化算法的优化神经网络对电流环PID参数进行整定的控制方法,采用Ma...     

多层局部回归神经网络在激光陀螺捷联惯导系统惯性敏感器误差补偿中的应用

惯导系统误差补偿技术对提高武器装备的性能具有重要的意义 ,而误差补偿的关键在于误差模型的辨识。探讨将多层局部回归神经网络引入到惯性敏感器误差建模中 ,详细介绍了网络结构和对应的自适应动态梯度算法。仿真算例说明 ,多层局部回归神经网络在惯性敏感器输出误差建模时具有一定的优点 :网络收敛速度快、较好的跟踪性能、稳定性好。     

神经网络指导贝叶斯决策准则用于运动目标分类

本文利用目标的动态特性开发了神经网络指导的贝叶斯决策准则进行目标分类。系统由特征提取器、指导条件概率生成器的神经网络、新颖的序贯分类器组成。所应用的主要特征是从每个航迹中提取的速度和曲率序列。类似于隐式马尔可夫模型(HMM),用隐含状态训练神经网络,网络的输出则是给定观测下出现隐含状态发生的条件概率。然后用这些条件概率作序贯贝叶斯分类器的输入进行分类。一旦接收到新的扫描数据,分类结果递推更新。为了说明所述方法的有效性,介绍了关于高杂波率的多扫描图象的模拟结果。