多核数字信号处理卷积算法并行优化

针对国防科技大学自主研发的异构多核数字信号处理(digital signal processing, DSP)芯片的特征以及卷积算法自身特点,提出了一种面向多核DSP架构的高性能多核并行卷积实现方案。针对1×1卷积提出了特征图级多核并行方案;针对卷积核大于1的卷积提出了窗口级多核并行优化设计,同时提出了逐元素向量化计算的核内并行优化实现。实验结果表明,所提并行优化方法实现单核计算效率最高能达到64.95%,在带宽受限情况下,多核并行扩展效率可达到48.36%～88.52%,在典型网络ResNet50上的执行性能与E5-2640 CPU相比,获得了5.39倍性能加速。     

弹药贮存微环境温度智能化预测

高效、准确获取弹药贮存微环境温度变化规律是开展弹药寿命评估与延寿的关键。结合神经网络算法以及传热学原理,研究了弹药贮存微环境温度预测模型,并基于此模型开发了一套弹药包装箱微环境预测软件,用以预测不同气候环境下包装箱内部的温度变化。在敦煌、漠河进行了相关试验,用以验证软件预测正确性以及参数优化。结果表明：应用基于神经网络算法开发的包装箱微环境预测软件,根据不同包装箱材料,调控贮存地点以及控制贮存起始温度,可以实现对箱内温度的控制。     

基于特征结构配置的智能飞行控制系统设计

针对飞机侧向增稳系统的设计,提出一种基于特征结构配置的神经网络设计方案,它克服了传统增益预置设计方案的缺点.通过对系统的特征值配置保证了系统的动态特性,通过对特征向量的配置达到系统解耦的目的,运用神经网络对反馈增益阵进行逼近,保证了系统的鲁棒性.采用了基于动量因子的反向传播算法提高网络训练速度,仿真结果表明了该方法的有效性.     

基于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;采用本算法构造小波网络,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.     

自治式潜水器规避航行神经网络控制器设计

在规避机动状态下,为了实现对自治式潜水器良好的航行控制,通过分析潜水器的运动状态,建立了运动状态方程,确立了非线性单输入/单输出系统.同时,将复杂的非线性模型通过微分同胚的方法转化为降阶的线性模型,并在此基础上提出了一种基于神经网络的控制方法:将滑模控制思想、反馈线性化理论及神经网络在线建模方法相结合,提出了基于神经网络的鲁棒自适应控制算法,并将此方法用于自治式潜水器高度保持的仿真中,从仿真的结果来看,控制器具有满意的控制效果,证实了该方法的有效性,能为自治式潜水器航行控制提供一定的参考.     

一种改进的系统效能评估方法及其应用

首先建立了在可靠性理论基础上的弹炮结合武器系统效能评估模型,并提出了对WSEIAC模型的改进方法.通过建立基于BP神经网络的武器系统作战能力向量的预测模型,克服了原先计算武器系统作战能力向量方法的局限性,提高了对武器系统作战效能评估的准确性和客观性.最后,将其运用到对弹炮结合武器系统效能评估中,仿真结果验证了该方法的可行性和有效性.     

BP神经网络在效能评估中的样本训练

根据WSEIAC模型建立了地面防空导弹武器系统效能评估的指标体系,并依此模型建立与之对应的三层BP神经网络.简要分析了BP算法的实现过程,利用专家打分法和模糊层次法相结合的方式取得该神经网络应用于地面防空导弹武器系统效能评估时的训练样本,并对此神经网络进行学习训练,直至达到精度要求.经验证,该网络在评价地面防空导弹武器系统效能时减少了评估中的人因影响,使评估结果更为科学.     

基于递归神经网络的C3I系统故障预报系统

阐述了C3I系统故障预测系统的设计要求,分析了带有偏差单元的递归神经网络的相关原理,建立了C3I系统故障的神经网络预测模型并提出了相应的训练算法.提出了把神经网络、预测理论和专家系统有机地结合起来建立故障预报系统的初步设想.并以防空C3I系统的典型故障为例,实现了故障的预测.预测结果证明,给出的神经网络预测模型和训练算法是可行的,且具有较高的精度.     

神经网络模型预测函数控制方法

在建立基于神经网络模型的非线性预测函数控制系统结构和基于BP网络非线性预测模型的基础上,提出了基于神经网络模型的非线性预测函数控制方法,并对其优化法等进行了讨论。通过与PID方法的仿真比较表明,预测函数控制方法具有抑制干扰能力强、跟踪性能好的特点,能够满足一些非线性系统的控制要求。