智能控制在空战仿真中的应用

智能控制是以复杂系统(对象、任务、环境中至少有一个是复杂的)控制为目标的一个研究领域。智能控制以其特有的控制复杂对象的能力,产生伊始就引起了空战仿真界的高度重视。20世纪70年代中期,美国决策科学公司(DicisionScienceIncl就提出了自适应机动逻辑的方案(AML)。     

混凝土结构构件研究中的几个问题探讨

对混凝土结构构件理论研究中的试验数据的完整性、计算假设的真实性及计算模性的合理性等问题进行了讨论,指出小尺度试件的试验数据不能完全反映混凝土构件的工作特性,混凝土构件破坏标准不一致性、试验数据的完整性、既有理论不能统一考虑构件正截面和斜截面的承载力等问题有待进一步解决,说明了人工神经网络理论是可能的分析方法之一。     

非线性规划神经网络的灵敏度分析

对非线性规划神经网络进行了灵敏度分析,得到了绝对值较大和导致目标函数或约束函数变化较大的元件控制网络的输出精度的结论,并对结果作了数值仿真验证。     

基于神经网络的泵机组运行模糊控制

泵机组的运行过程具有不确定性、非线性、强耦合性等特点,为满足其控制需要,文中提出了一种以模糊神经网络控制器为基础的控制系统,该系统充分利用神经网络的自学习及非线性逼近能力,又具有模糊逻辑推理能力,能对泵站泵机组运行的主要过程进行辨识并施以智能控制。     

用神经网络变易有效焦距的摄像机标定法

针对传统摄像机标定中由于像差等非线性因素的影响造成结果精度和稳定性不高且算法复杂的特点 ,提出了用 4层前向神经网络模型变易摄像机横纵向有效焦距的方法。给出了摄像机标定结果和用标定后的摄像机进行三维立体测量的结果 ,并与传统方法作了对比。结果表明 ,基于神经网络的摄像机标定方法可以获得比传统方法更高的精度和稳定性     

基于遗传神经网络的装备研制作战需求方案评价

针对评价问题的实际情况,利用神经网络良好的自适应性和遗传算法强大的全局搜索能力,采用遗传算法和BP神经网络相结合的遗传神经网络算法解决装备研制作战需求方案评价问题。通过样本数据训练,提高了评价的准确性和适应性。仿真实验表明,该算法能够较好地克服人为因素和随机性的影响,其稳定性和精确性也有较高。     

基于高阶累积量与神经网络的干扰识别算法

研究了一种基于高阶累积量和神经网络的干扰识别算法。该方法把卫星通信中常见的各种干扰信号的归一化高阶累积量作为分类特征参数,应用神经网络对特征参数进行分类训练,将接收干扰信号的归一化高阶累积量输入已训练的神经网络进行干扰类型的识别。试验结果表明:该算法在低干信比的情况下具有较高的识别准确率。     

利用分数抽头均衡器快速定时同步

建立了分数抽头均衡器(FSE)与定时同步相结合的信号模型,分析了定时误差对于均衡性能的影响,提出了一种新的基于FSE的快速定时同步算法。在未知参考序列相位的情况下,利用循环均衡快速收敛并建立同步。在相位跟踪阶段,利用抽头增益跟踪定时相位误差,通过对采样数据进行抽取或插值以及均衡器抽头的移位操作控制相位误差。仿真表明,该算法能在长度为均衡器抽头数的符号周期内快速建立同步,通过采样率的选择可以精确地控制定时相位误差。     

军用飞机采购价格预测研究

分析了我国军用飞机价格预测中存在的困难,从我国国情出发,提出了我国军用飞机价格预测的两种方法:根据制造成本和期间费用预测价格方法与相似飞机预测价格方法.相似飞机预测法是指采用偏最小二乘回归、神经网络或灰色理论等方法,根据相似飞机的性能与价格数据建立价格预测模型,实例表明,相似飞机价格预测法具有较高的精度.     

小波网络的雷达目标识别方法

研究了小波网络的构造问题,提出了一种根据小波的局部时频特性,删除不包含任何目标识别样本数据的小波,初步确定网络隐层节点数的方法;采用提出的算法构造小波网络,可以减小网络的结构,加快网络的收敛速度.将构造好的小波网络作为雷达目标识别的分类器,获得了较好的识别效果.