MFC框架下的多通道视景仿真技术

采用分布式Vega Prime的仿真技术,结合MFC的多线程机制,解决了在视景仿真系统中大场景的显示问题,实现了大场景仿真的多通道显示及各个通道之间的数据传递和同步,外界输入设备对视景仿真的控制,并通过在工程应用中的实践,证明该技术是可行的.     

基于BP神经网络的后勤装备资产寿命周期费用预测研究

BP神经网络就是指采用反向传播学习算法的前向多层人工神经网络,它具有分布式存储信息、高强的容错性、并行处理信息、自学习性和非线性映射逼近能力等运行特点。基于BP神经网络的后勤装备资产寿命周期费用预测模型的构建,通常按照初始化、构建网络、导入输入输出层和训练网络、决策、结论的步骤来完成。     

基于神经网络的某扫雷犁电液伺服系统建模与控制

扫雷犁电液伺服系统是一类复杂非线性系统,基于传统建模方法构造的线性模型难以反映系统的本质非线性特征,因此提出采用基于正交最小二乘法的径向基函数神经网络对该系统进行精确建模;已有的手动分级控制或传统的PID控制方式不能满足精确控制的战术要求,提出采用基于广义训练和专门训练相结合的神经网络直接逆控制方法,实现系统吃土深度的有效控制。实验仿真结果以及与其他建模和控制方法的比较,验证了提出方法的有效性。     

基于多通道DMF的高动态信号捕获

为解决靶场对高动态目标测量中存在的信号捕获难题,依托传统的直扩-码分多址信道,探讨了采用多通道数字匹配滤波方法进行高动态目标信号捕获的原理;在对平均捕获时间、捕获概率和虚警概率等动态信号捕获等性能指标进行分析的基础上,提出了高动态目标信号的捕获方法。将多通道数字匹配滤波技术应用于高动态目标的信号测量,在保持较高抗干扰特性的同时,可以缩短多普勒频移捕获的完成时间,为在靶场精确测量高动态目标提供了可靠的技术手段。仿真结果证明了该方法的有效性。     

两级信息融合技术在柴油机故障诊断中的应用

针对传统神经网络在故障诊断中因测点信息多而导致的网络庞大、收敛困难等问题,引入集成神经网络,提高了融合诊断效率;同时引入基于D-S证据理论,这种决策融合方法解决了集成神经网络各个子网诊断结果不一致的问题。在应用于柴油机故障诊断时,首先对测取的正常和故障样本进行小波包AR谱分析,同时提取各个特征频带的能量分别作为集成神经网络对应子网的输入进行诊断,当其无法确定诊断结果时,再运用证据理论进行决策融合输出最终诊断结果。试验证明:基于集成神经网络和D-S证据理论的两级综合诊断模型提高了诊断的准确性和可靠性。     

基于一类T-模的模糊双向联想记忆网络的稳定性分析

首先定义了max-T复合模糊算子,建立了一类基于模糊复合算子的模糊联想记忆网络——模糊双向联想记忆,然后系统地分析了该网络的性质,在Hamming距离意义下证明了该网络的平衡点（吸引子）具有Lyapunov稳定性。     

基于离线文本独立的笔迹鉴别系统设计

笔迹鉴别是通过分析手写字符的书写风格来判断书写人身份的一门技术,利用改进型多通道Gabor滤波器来提取笔迹图像的纹理特征,用最邻近分类器进行分类。本设计中采集了12个人的不同笔迹,取得了较好的结果。     

基于小波神经网络的承制单位信用风险评价

根据武器装备采购中对承制单位信用风险评价特点和实际情况,确定承制单位信用风险评价指标体系,根据小波神经网络原理,构建了承制单位信用风险评价模型,并以实例进行分析。小波神经网络能够简便快捷对信用风险进行评价,并能排除主观因素的干扰,在信用风险评价中具有较好应用前景。     

军事物流系统绩效评价研究

在对军事物流系统进行分析的基础上,建立了军事物流绩效评价指标体系,提出了利用神经网络建立军事物流系统绩效评价模型,并说明如何利用该模型对军事物流系统进行绩效评价.实践表明,该方法为军事物流系统绩效的评价提供了一种有效的评价手段.     

神经网络在联合火力打击目标价值分析中的应用

针对联合火力打击中目标价值的特点,运用BP神经网络理论对目标价值进行分析,并建立了联合火力打击目标价值分析指标体系,设计了BP神经网络模型;通过定义学习代价函数、确定函数输出信号、修正函数信号、网络初始化等改进BP算法对目标价值进行了分析,得到了目标打击序列分类.算例验证了该算法的合理、高效、稳定,在联合火力打击中目标优选分类方面具有广泛的实用意义.