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。     

Hopfield神经网络的防空火力最优分配问题

火力的最优分配是作战计划的重要内容,它包含火力单位特性、目标单位特性、最优准则、射击条件四个方面的内容。简要介绍了Hopfield神经网络的基础知识,建立了防空自动化指挥系统中火力分配的Hopfield神经网络算法一般模型,在此基础上,阐述了利用该算法在火力分配中的一般应用,并通过在计算机上借助C语言编程实现了这一模型,得出了一种比较合理可行的火力分配方案。     

基于镜像延拓和神经网络的EMD端点效应改进方法

经验模态分解(Empirical Mode Decomposition,EMD)在机械故障诊断中存在一个比较严重的问题,即端点效应。镜像延拓是克服端点效应的有效方法,采用镜像延拓处理端点效应时,要求将镜面放置在局部极值点处,针对这一问题,提出了一种基于镜像延拓和神经网络相结合的数据延拓方法。采用神经网络预测原信号序列,将信号向前向后各延拓一个极值点,再采用镜像延拓有效地减小EMD分解中的端点效应。通过对仿真信号的分析,验证了该方法能有效抑制EMD方法中的端点效应问题。     

基于LabVIEW的电化学测试数据处理

在电化学分析中测试数据的处理对提高结果的精度和准确度非常重要。采用LabVIEW图形化开发语言,应用LabVIEW提供的数据工具包,同时结合C语言编程开发了电化学测试数据软件滤波、数据平滑、微积分、卷积伏安法的处理方法。其中详细介绍了卷积伏安法分析方法的具体实现。运用对比的方法验证了卷积伏安法半微分半积分的可靠性,通过具体的电化学测试数据处理实例说明了数据处理方法在一定程度上可以优化相关系数。     

基于神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题,提出了一种基于神经网络集成的传感器故障诊断方法。该方法将传感器输出看做时间序列,通过加噪声生成抖动数据,建立多组神经网络,以获得神经网络集成预测器输出。通过将预测器输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现传感器故障在线诊断。应用结果表明该方法可以提高神经网络的运算精度,从而快速准确地检测和分离传感器故障,辨识传感器故障类型以及故障发生的时间。     

基于概率神经网络的设备故障诊断及仿真分析

针对某些难于建立准确数学模型的复杂系统,用神经网络的方法进行故障诊断有其独特的优越性.首先分析了概率神经网络(PNN)的基本结构及其训练算法,建立了某型航空发动机故障分类的概率神经网络模型,通过对该设备故障进行定性诊断,对比分析了概率神经网络与常用的误差反向传播神经网络(BPNN)分类模型对各类故障的分类效果.仿真表明,基于PNN模型的分类方法在分类速度、精度和泛化能力方面均优于基于BPNN的模型,是一种有效的故障分类方法.     

基于神经网络的混合双滤波器自适应目标跟踪算法

在分析近期基于神经网络数据融合的目标跟踪算法的基础上,结合一种新的自适应滤波模型(NAF)和速度估计自适应跟踪算法(AVE),提出了基于神经网络混合双滤波器的机动目标自适应跟踪算法(NHDF).该算法通过在线自动调节网络输出进行过程噪声方差融合,降低了现有算法因系统方差的调整不当而带来的精度损失.理论分析及仿真结果证明,与"当前"统计模型、速度自适应模型和新的自适应模型算法相比,该算法具有跟踪精度高,自适应能力强的优点.     

基于不变矩和神经网络的目标识别方法

针对寻的导引头成像制导中实时采集图像由于存在几何失真及像质模糊而导致目标识别精度差的问题,提出了一种基于不变矩和神经网络的目标识别方法.该方法采用一种改进的不变矩算法提取目标图像的不变矩特征量来训练BP神经网络,实现目标图像的识别和分类.仿真结果表明该不变矩特征库训练的神经网络分类器具有较高的识别精度,是一种比较实用的目标识别方法.     

某型工程车虚拟操作训练环境设计

采用基于Vega和Creator的虚拟现实仿真机制和人机交互设备,构建某型工程车训练仿真系统虚拟操作训练环境。根据位置跟踪传感器跟踪受训人员手的位置和姿态,使用数据手套获取受训人员手部各关节数据,驱动虚拟手实现人机交互,完成虚拟操作训练任务,并采用前馈神经网络模式识别法和空间位姿判别法,分别对静态手势和动态操作命令进行识别。     

基于QFD-BP神经网络的装备保障能力需求分析

针对装甲机械化部队作战基本流程,分析了部队装备保障基本任务,给出了任务剖面图。根据任务决定能力需求的原则,进行了装备保障任务到系统能力的需求分析,并对系统能力进行功能能力和使用能力分解,建立了任务-能力需求转换的QFD（Quality Function Deployment）质量屋结构图。利用QFD的BP神经网络对装备保障任务-能力重要程度进行分析,得出了系统能力的需求权重,给出了关键能力指标,为基于能力的装备保障系统建设提供参考。