基于递归神经网络的飞机目标识别方法

针对宽带高距离分辨全极化雷达体制,提出了一种基于实时递归神经网络算法的飞机目标自动识别方法,实现了全极化下五类飞机目标的自动识别。实验结果表明,递归神经网络用于飞机目标识别是有效可行的。     

基于智能诊断方法的摩托车发动机故障检测系统研究

针对摩托车发动机故障检测问题,结合其结构特点,采用传统专家系统与神经网络融合方式与策略,提出了一种故障检测混合专家系统方法。对以此方法为核心的智能故障诊断系统结构、组成及工作过程等问题进行了研究与讨论,并给出了系统的应用实例。     

武器——目标分配问题的一种算法

提出了基于神经网络的、用于解算武器——目标分配（WTA）问题的并行算法。WTA问题是对于多个入侵敌机（目标）如何分配多个现有防御兵器迎击的间题。处理该问题的高速化是现代防空系统中必不可少的能力。最佳分配解的定义是,根据此解分配迎击武器可以使击落全部敌机的失败概率最小。提出的并行算法是以Hop-filed和 Tank的神经网络模型为基础,使用了K×M个处理单元（二进制神经元）,其中M为武器平台数.K为目标数。12个战例的仿真结果表明,本算法的解算速度是现有算法的9.0～34.3倍,而且击落全部敌机的失败概率还略有减小。这些仿真结果可用于设计高性能防空系统。     

一种改进的BP算法

ＢＰ算法是目前应用极为广泛的神经网络算法,但它也存在一些不足。文中提出了采用共轭梯度法及黄金分割相结合的改进ＢＰ算法（ＭＢＰ）,自适应调整学习率,提高了运算速度,减少了迭代次数。最后将标准ＢＰ算法和ＭＢＰ算法进行了比较,仿其结果表明：ＭＢＰ算法的学习次数和收敛速度得到极大改善。     

基于神经网络和遗传算法的威胁度估计算法

针对威胁度估计问题,提出了基于BP神经网络模型的算法,利用神经网络良好的自适应能力和遗传算法强大的全局搜索能力,通过样本数据训练,提高了威胁度估计的准确性和适应性。     

基于斜卷积双边滤波的特种机器人视觉引导算法的改进与优化

移动机器人可以在确保个人安全下有效减少人类的劳动行为,已经广泛应用到运输、救援、勘探、工业自动化等领域。针对特种越障机器人在城镇和工厂等以平面为主的非结构化场景下作业,提出一种依靠视觉引导的图像处理与障碍高度评估新方法。在图像预处理流程中,为了更好地保留特定朝向的图像边缘,在双边滤波算法的基础上,引入了一种呈高斯分布的斜卷积空域卷积核,改进为斜卷积双边滤波,并与其他边缘保持滤波算法进行比较。实验结果表明：不同算法信噪比一致时,斜卷积双边滤波算法的PFOM(pratt’s figure of merit)均值高于引导滤波与加权最小二乘滤波;当σ(标准差)=0.02时,斜卷积双边滤波的PFOM比引导滤波高出12.18%,比加权最小二乘滤波高4.4%。对具有普遍性的台阶沿向与沿向垂直使用斜卷积双边滤波处理后提取边缘,越障机器人在不同光照条件下进行不同高度台阶越障实验。实验表明：机器人在视觉系统引导下可快速正对台阶,越障成功率为100%。