基于PMC模型的神经网络

在计算机系统中有许多诊断算法,其中针对PMC模型有0-1规划的诊断算法,这个诊断算法是NP完全的,是在多项式时间内不可解的。然而利用神经网络的高度并行性这个特点,就可以在很短的时间内解出结果。主要分析了系统诊断模型PMC的症候特征,得到其充要条件,提出了新的算法,该算法具有高度的并行性,神经网络的发展为此提供了用模拟电路来实现算法的可能性,并进行了模拟验证。     

针对过载控制的神经网络制导律研究

针对高机动高突防能力目标的拦截问题,通过对比例导引律导引过程中过载与比例系数、视线角速率关系的分析,建立基于视线坐标系的三维弹-目相对运动模型,研究在该坐标系下的比例导引律加速度表现形式,据此设计实现K值自适应调整的RBF神经网络模型。通过与纯比例导引律的法向过载以及攻击时间对比,验证了RBF神经网络导引律在降低制导性能的前提下抑制视线角速率抖振、过载控制方面的有效性。     

基于WOA-Elman快速推测火炮射击高空风参数研究

为了缩短高空气象数据获取时间,提高战时火炮射击时弹道诸元解算速度和精度,利用地表气象数据推测高空气象数据是目前重点研究方向之一,采用鲸鱼优化算法(WOA)优化Elman神经网络法的权值,对高空气象风按照气压层进行递推,以获得更好的推测精度。通过气象误差标准分析和基于实验实测弹道数据的仿真分析2种方法,对所获高空气象数据精度进行评估分析,分析结果表明利用WOA-Elman神经网络法可快速有效地对高空气象进行递推预测。     

基于卷积神经网络与滤波融合算法的某惯导系统剩余寿命预测模型建立

在对产品中具备大量运行观测性能数据的关键系统部件进行剩余寿命预测的过程中,因寿命数据稀少难以建立寿命分布模型。而对产品性能观测数据进行退化建模,传统退化过程分析模型对于产品性能观测数据适应性差导致产品寿命预测精度低、有效性弱的问题,充分挖掘部件退化数据信息,依据相关退化分析技术,基于统计模型中的滤波预测方法与机器学习技术中的回归卷积神经网络（regressive convolutional neural networks, RCNN）预测方法建立产品剩余寿命预测融合模型。融合模型结合了滤波预测模型对产品退化状态的挖掘能力、不确定表达能力与RCNN网络模型良好的数据适应性、预测的准确性,提高了产品退化数据分析的准确性及有效性,可对产品关键部件的寿命进行有效预测,为产品中具备大量运行观测数据的关键系统部件健康管理提供辅助参考。     

通信侦察中基于神经网络的伪码序列估计

针对直接序列扩频通信信号伪噪声(PN)码的干扰侦察问题,在已知信号伪码参数的前提下对直扩信号进行特征分析,用基于变步长的PCA神经网络方法来实现伪码序列的盲估计。该方法利用基于Hebb学习规则的无监督多主分量神经网络,结合自适应变步长学习算法,在估计在线特征值的基础上来控制步长的变化,以使神经网络最终达到较好的稳态收敛。理论分析和仿真结果表明,本方法能在较低信噪比的情况下对较长伪码进行准确的估计。     

基于小波变换的SAR抗连续波白噪声干扰研究

分析了SAR回波信号与连续波干扰信号的特点,利用小波变换良好的时频局部特性,采用小波变换的办法滤除连续波干扰.分别在时频域和图像域做了仿真实验,在图像域的仿真分析较好的克服了时频域内信噪相似度大分离困难的问题,可以较好的消除连续波噪声产生的影响.     

基于云-神经网络的液体火箭发动机故障检测方法

根据故障检测原理,研究和实现了基于云-神经网络的液体火箭发动机故障检测方法。根据训练结果、测试结果和故障检测结果可以看出,云-神经网络用于液体火箭发动机的故障检测是可行的,经过历次试车数据验证,该方法没有误报警和漏报警。     

神经网络PID在空空导弹自动驾驶仪中的应用

采用改进型BP神经网络与传统PID相结合作为控制器,应用于空空导弹自动驾驶仪的设计中。BP神经网络算法的运用,使得所设计的自动驾驶仪能够针对非线性、时变的气动特性自适应地调整控制参数,利用MATLAB软件对系统进行仿真,给出了相应的仿真结果。实现对PID控制器参数的寻优整定,简化了设计过程。     

基于时频分析的到达角估计方法比较

提出了一种基于模式编码进行宽带信号到达角估计的方法。该方法通过广义回归神经网络(GRNN)对信号的线性时频协方差矩阵进行分类来实现。介绍了网络结构,数据仿真和应用于高频地波雷达目标定向的实际效果。特别介绍了通过窄带信号数据训练网络然后应用于宽带信号的训练方法,适于宽带训练数据难以获得的情形。仿真和实测数据的分析结果显示该估计方法能适应阵列的误差模式且鲁棒性好,在较低信噪比时能够给出正确估计。     

基于概率神经网络的空袭目标识别

针对BP网络的不足,提出基于概率神经网络(PNN)进行空袭目标识别的方法。首先提取空袭目标的速度、高度、机动加速度和雷达反射面积等特征并进行归一化处理,作为输入层数据,然后建立了概率神经网络目标识别模型。M atlab仿真实验表明,该方法识别空袭目标简单快速且准确率高,具有良好应用前景。