电液伺服系统的模糊神经网络自适应控制

针对电液伺服控制系统中存在的非线性影响,常规PID控制难以取得良好的控制效果,采用模糊神经网络自适应控制,通过BP算法改变模糊隶属函数的形状及模糊规则的中心值,实验结果表明该方法能有效地跟踪电液位置伺服系统。     

神经网络在自行火炮发动机燃油系统故障诊断中的应用

在讨论神经网络快速算法的基础上,研究了自行火炮发动机燃油供给系统几种常见故障的诊断方法,并在发动机实际运行中进行试验,结果表明,神经网络的采用使诊断模型具有智能化特点,用于发动机故障诊断效果是明显的。     

使用多分辨力神经网络的凹自动目标识别

本文介绍用多分辨力神经网络根据目标的凹(分等级的分辨力)图像探测和分类目标的方法。目标识别决策是以使能量函数最小化为基础的。在现行凹图像中可同时获得的几个分辨级上,把一个候选的斑点与目标模型库相比较,由此计算能量函数。为此,通过一个新的多层霍普菲尔德(Hopfield)神经网络,实现一个并发的(自上而下和自下而上)匹配过程。有关的能量函数不仅支持在相同分辨级的单元之间的交互作用,而且支持在不同分辨级的节点组之间的交互作用。这允许不同分辨级的特征互相证实或反驳,以便对潜在匹配的有效评定做出贡献。凝视控制,即再凹向所获得图像空间的更显著区域,由搜索与候选斑点无疑义的高分辨力的特征来实现。提供使用实际的二维(2—D)目标的试验以及它们的仿真凹图像。     

有限精度的 BP 神经网络高速算法

精度要求是神经网络硬件实现的一个关键问题。本文提出了一种有限精度的BP高速算法，通过实例验证，该算法适于低精度，且收敛速度快。     

采用神经网络技术降低机电设备BIT虚警

机电设备 Ｂ Ｉ Ｔ 的突出问题是虚警率高，重要原因之一是 Ｂ Ｉ Ｔ 系统传感器通路故障。本文选取神经网络技术进行传感器通路故障诊断，剖析某大型船舶动力装置机电设备 Ｂ Ｉ Ｔ 系统中传感器通路的故障机理和类型，得到其故障样本数据，经过神经网络学习训练后对实际系统进行故障诊断和识别，实验结果表明该方法简洁、有效，能够有效地诊断故障并识别出故障类型，具有实用价值。     

基于PSO优化小波神经网络的无人机动力系统故障诊断模型

针对传统小波神经网络对无人机动力系统的故障信号降噪和识别能力差以及网络收敛速度慢、训练精度不高的问题,构建了基于改进粒子群算法(PSO)优化小波神经网络的无人机动力系统故障诊断模型。该模型运用软、硬阈值函数组合改进的新阈值函数和改进PSO优化小波神经网络的方式,克服重构信号不连续或严重失真的问题,优化了小波神经网络初始权值和阈值,使模型能够实现快速、准确分析和识别故障类型,具有较好的故障预测和诊断能力。本文中通过对比不同阈值函数的降噪能力和PSO、GA、ACO对小波神经网络的改进效果,比较BP神经网络、传统小波神经网络、PSO优化小波神经网络的故障诊断预测效果,验证了本文中构建的PSO优化小波神经网络故障诊断模型远优于其他对比模型,具有故障识别和降噪能力强、收敛速度快、训练精度高的优点,在无人机动力系统的故障诊断领域,具有较好的可行性和有效性。     

基于循环神经网络的锂电池SOC估算方法

鉴于锂电池荷电状态(state of charge, SOC)实时准确估计的重要性。针对大倍率脉冲放电工况下锂电池的强非线性和时变特性,训练了一个循环神经网络对锂电池SOC进行估算,该网络能够将电池管理系统测量所得的电压、电流、温度映射到SOC。基于某型号18Ah锂电池性能测试所获得的大倍率脉冲工况放电数据进行了实验验证,得到三种温度下锂电池SOC估算结果的平均绝对值误差为1.92%,证明了该方法的有效性。     

基于可变卷积与迁移学习的小样本检测方法

针对主流方法对弱小目标识别效率低的问题,提出了一种基于可变卷积与迁移学习的小样本检测方法。基于可变卷积思想改进特征提取主干网络,实现在少量数据上达到和普通卷积在大量数据上相等的学习能力。设计一种Soft-NMS共同作用的方法降低多目标重叠容易出现的漏检问题。通过在公开数据集PASCAL VOC和实测弱小目标数据集上的实验表明,所提算法实现小样本条件下对实测弱小目标的检测与识别,且与原始方法相比性能有显著提高,在公开数据集上较原算法提高了5.5%,在实测数据集上较原算法提高了8.3%。     

基于GA的卷积神经网络结构化剪枝算法

为解决传统神经网络模型过参数化问题,提高深度学习模型工程化实现的效率,提出了基于GA的结构化模型压缩算法.该方法从全局搜索空间对模型各层卷积核进行结构化剪枝,并以"高检测精度,低网络规模"为准则建立适应度函数,解决传统权重剪枝易陷入局部最优和剪枝结果对硬件平台不友好问题,获得精度损失低、模型压缩率高的轻量化模型结构.