基于小波神经网络的货运量预测

选取我国1979—2011年国民生产总值、能源生产总值、进出口贸易额、社会消费品零售总额和固定资产投资总额5项指标作为货运总量的主要影响因素,以货运总量为输出,建立了基于Morlet小波函数的小波神经网络预测模型。该模型能够揭示货运量与相关变量之间的非线性映射关系,经实例分析得到了较满意的结果,并通过与实际货运量和BP神经网络预测结果的对比,证明了小波神经网络在货运量预测方面应用的可行性。     

压电执行器 NLDDS及神经网络非线性建模与控制

本文采用非线性动态数据系统(NLDDS)建模方法和非线性递推最小二乘算法,对具有迟滞非线性特性的压电陶瓷微进给执行器的动态特征进行了建模、预报与控制,并且用人工神经网络对该类系统的建模与控制进行仿真。结果证明上述方法在一定程度上是可行的和有效的。     

利用多时间尺度卷积的视频行为识别网络

基于2D的行为识别网络通常融合多张视频帧的分类结果识别不同的行为,但其在卷积过程中缺少对时空特征提取。针对该问题,基于时间位移模块(temporal shift module,TSM)的思想设计了一组多时间尺度卷积,包含不同设计的卷积核以提取融合不同时间尺度的时空信息。通过控制多时间尺度卷积嵌入ResNet50网络的位置及其模块的参数设置,寻找最优的基于多时间尺度卷积的行为识别网络。使用PyTorch深度学习框架训练模型,在大型开源数据集Something-Somethingv2上进行了实验研究。结果表明,基于多时间尺度卷积的行为识别网络对行为识别准确率达到了59.47%,优于TSM等网络。     

基于PSO-RBF神经网络的雷达目标识别

为提高雷达系统目标识别能力,对粒子群算法及RBF神经网络进行了分析。针对离子群算法(PSO)易陷入局部极小的缺陷,提出了基于自适应时变权重和局部搜索算子的改进PSO算法,并将该算法应用到RBF神经网络核函数参数的优化学习中,进行了雷达目标识别仿真实验。仿真结果表明,相对于标准PSO-RBF神经网络,改进算法不仅收敛速度快,且误差精度高,特别在干扰较强时,目标的识别率有较大提高。     

基于CNN的三相逆变器开路故障诊断及其样本条件分析

为了合理选择样本条件以实现高效的智能化诊断,以及克服智能化方法中传统反向传播(back propagation, BP)网络权值较多、局部信息提取能力不足的问题,对基于卷积神经网络(convolutional neural network, CNN)的开路故障诊断方法进行研究,并以典型的三相两电平逆变器为具体对象,着重分析样本时长、样本数量变化时,CNN方法相较于BP网络方法在网络权值数量、训练稳定性、诊断准确率上的量化优势。结果表明,基于CNN的方法可在权值数量远少于BP网络方法的情况下构建深度更深的诊断模型,并在更短样本时长、更少训练样本数量下实现高效、准确的开路故障诊断。     

基于改进Faster R-CNN的舰船目标三维识别算法

针对二维图像无法深度表征目标、远海舰船目标表征困难等问题,提出基于更快卷积神经网络和区域组合识别模型相结合的三维舰船目标识别框架。重建舰船三维模型,在原始的区域生成网络上利用级联的方法改进了生成滑动窗口的方法,同时提出实际标注与区域建议联合识别模型,采用非极大值抑制的方法对容错框进行去除。实验结果表明所改进的算法在舰船目标三维识别的精确率和召回率上均有较大优势。     

基于改进循环谱的DVB-S2信号符号速率估计算法

在循环平稳理论的基础上,对DVB-S2信号的循环谱特征进行了理论分析和推导,针对计算中出现的平滑噪声包络起伏明显影响估计性能的问题进行了分析,提出了改进措施,并利用Chirp-z变换替代FFT变换,达到了降低运算量、提高分辨率的目的。仿真结果表明改进后的方法能够在低信噪比条件下有效估计出DVB-S2信号的符号速率。     

基于改进粒子群算法的神经网络及其在核电站故障诊断中的应用

针对传统BP神经网络以及标准PSO算法神经网络在故障诊断过程中易出现收敛速度低及易陷入局部最优点的问题,提出了一种使用改进PSO(IM-PSO)算法进行训练的神经网络。该方法具有收敛速度快、不易陷入局部极小值的优点。使用该方法对核电站二回路凝给水系统的典型故障进行了诊断,诊断结果表明:该方法的性能优于传统BP算法和标准PSO算法,在复杂系统故障诊断领域具有很好的应用前景。     

基于移频卷积的合成孔径雷达干扰技术研究

针对合成孔径雷达(SAR)信号存在着距离和多普勒频率之间耦合的特点,提出了一种利用DRFM进行SAR雷达信号的存储,并加入多普勒频移进行脉冲叠加噪声卷积的SAR干扰新方法.通过真目标回波与滞后方向的假目标回波交叠,形成了类似于噪声的距离维压制干扰;在复制的干扰脉冲上叠加一个窄带的噪声信号,造成方位维的模糊来进行方位维干扰,达到对SAR的二维相参压制干扰效果.     

基于神经网络趋势预测的装甲车辆柴油机寿命预测

针对装甲车辆柴油机现有定期维修方式存在的"维修过剩"和"维修不足"的问题,提出了装甲车辆柴油机神经网络寿命预测步骤,运用主成分分析方法将多个柴油机状态参数简化为2个综合参数,利用插值法得到柴油机各个时刻的综合参数数据,并作为神经网络的训练数据和测试数据,建立了装甲车辆柴油机寿命预测模型。结果表明:该模型预测精度较高,具有一定的应用和推广价值,为实现装甲车辆柴油机状态维修提供了技术支撑。