高频雷达多波束最优天线方向图综合

在高频雷达中 ,多个部分重叠的波束被用来形成对预定空域的覆盖 ,而射频干扰和期望信号的空间结构之间的差异以及接收天线阵列的空间多样性则被用来抑制干扰以提高高频雷达的整体工作性能。然而如何在实时地形成多波束的同时有效地抑制射频干扰仍然是高频雷达一个急待解决的问题。基于最优天线方向图综合方法 ,通过主瓣形状保持和干扰抑制之间的合理折衷进一步提出了多波束形成算法。仿真结果表明该算法可以快速、灵活地形成多个波束来覆盖预定的空域 ,同时最大限度地抑制射频干扰 ,从而极大地提高了高频雷达的工作性能     

舰船液力偶合器数学建模新方法

介绍了某研究项目中所使用的液力偶合器数学建模新方法———人工神经网络方法.从舰船动力装置动态建模与仿真的实际需求,分析了液力偶合器数学建模的困难之处:寻找一种通用的数学形式,以实现:①额定工况滑差及其附近实验数据的内插与外延;②过渡工况(如液力偶合器结合时其滑差从100%变到额定工况滑差附近的过程中)液力偶合器数学模型的设计.叙述了液力偶合器的人工神经网络数学建模的要点,分析了液力偶合器人工神经网络数学模型在舰船动力装置计算机仿真中的结果.最后,总结了液力偶合器人工神经网络数学模型今后需进一步完善的若干方面.     

基于神经网络模型的地震加速度谱线模拟

采用人工神经网络模型对地面地震加速度谱线进行模拟,经过分析、比较发现在没有滤波的情况下,只有选择合理的人工神经网络模型结构才能取得较好的模拟效果;经过滤波后,各神经网络均能较好地模拟地震加速度谱线。人工神经网络模型为建立人工地震波模型开辟了新的途径。     

一种PCNN和边缘检测协同的SAR图像分割算法

针对高分辨率SAR(synthetic aperture radar)图像目标复杂,且具有严重的相干斑噪声,灰度出现剧烈起伏导致目标边缘模糊难以实现精准分割的问题,提出了一种分数阶傅里叶变换(fractional Fourier transform,FrFT)域中里兹分数导数(Riesz fractional deri...     

用卷积神经网络分类最大稳定极值区域实现汉字区域定位

获取对应笔画级连通区的最大稳定极值区域,实施形态学闭操作融合相距较近的最大稳定极值区域,融合后最大稳定极值区域对应的单个汉字区域;利用灰度共生矩阵描述最大稳定极值矩形区域的纹理信息,将其作为卷积神经网络的输入,卷积神经网络对最大稳定极值区域进行分类,过滤非汉字部分;利用最大稳定极值区域颜色直方图的Bhattacharyya距离等特征对最大稳定极值区域进行聚类,同一类最大稳定极值区域组合得到汉字文本候选区域;再次利用卷积神经网络对候选文本区域进行分类,过滤非文本部分,剩余的就是定位到的汉字文本区域。实验结果表明,该算法对于汉字区域定位具有良好的效果。     

基于BP神经网络的UCAV航迹综合评价

针对目前航迹规划过程中评价指标难以统一且指标权重确定过分依赖主观经验的问题,在建立较为完备的UCAV航迹评价指标体系基础上,引入BP神经网络对UCAV备选航迹进行综合评价,从备选航迹的样本数据出发,客观分析航迹的优劣,为决策者提供更加科学合理的参考依据,最后结合仿真算例,验证了该方法的可行性。     

磁致伸缩作动器的位置跟踪补偿控制

为提高磁致伸缩作动器控制精度,以 Jiles-Atherton 磁滞和动力学模型为基础,通过优化偏执磁场和预紧力来提高作动器线性度,并基于前馈控制、PID 反馈控制及柔性神经网络理论,提出了前馈补偿 PID 及柔性神经网络前馈补偿 PID 控制策略。同时,以偏置正弦和阶跃为指令信号,研究作动器的位置跟踪和补偿控制。仿真表明：相比常规 PID 控制和前馈补偿 PID 控制,柔性神经网络前馈补偿 PID 控制具有更好的位置跟踪效果和抗干扰能力,具有无振荡、无超调、响应速度快的特点。     

基于复杂性的战场损伤定位流程评价模型研究

损伤定位流程制定的合理与否是衡量一个评估员水平高低的重要指标之一。对损伤定位流程的评价涉及到所用时间、工具、操作的难度等指标都可以用其复杂性来表示,目前鲜有关于损伤定位流程评价的研究,因此提出战场损伤定位流程的复杂性,并借鉴软件工程领域的程序复杂性量化方法——图熵法对其进行量化。经过数据验证,复杂性与评估时间之间存在较好的拟合关系,并用实例说明了模型的应用效果。     

基于神经网络的整流罩空调系统传感器故障诊断

针对卫星整流罩空调系统中传感器故障问题,分析了其典型故障模式及影响因素,构建了传感器故障诊断系统模型,提出了利用空调监控系统采集的历史数据建立径向基神经网络估计器的传感器故障诊断方法。将估计器应用于空调系统表冷器控制单元,对传感器的偏置故障和精度下降故障进行了模拟故障仿真应用实验,实验结果表明了该故障诊断方法的有效性和正确性。     

基于RBF神经网络的军事物流设施规模预测

确定合理的军事物流设施规模对于成功实施军事后勤保障十分重要。提出了基于RBF神经网络的军事物流设施规模预测模型的建模方法,该方法旨在确定军事物流设施规模与其影响因素之间的非线性关系;采用算例说明了基于RBF神经网络的军事物流设施规模预测的具体做法,对军事物流设施规模的确定具有指导意义。