基于人工神经网络的齿轮箱载荷识别研究

提出了一种基于实测结构响应识别作用在齿轮箱上激励的方法 ,该方法利用人工神经网络建立响应信号与激励之间的映射模型。通过单级齿轮箱上所做的试验数据表明 ,这种利用人工神经网络识别齿轮箱载荷的方法是可行的 ,并且 ,经过训练的网络模型在齿轮箱载荷识别的过程中显示了极快的收敛速度和很高的识别精度。     

基于改进Elman神经网络的SINS动基座传递对准研究

在运用Kalman滤波进行SINS动基座传递对准时,当模型存在误差或系统噪声不能反映实际噪声时,会降低滤波精度甚至导致滤波发散.针对这个问题,提出基于改进Elman神经网络的SINS动基座传递对准方法.首先通过增加输出层节点的反馈来改进普通的Elman神经网络模型,其次采用强跟踪滤波器对改进Elman神经网络进行训练.利用仿真数据对该算法进行验证,结果表明,该算法能够克服Kalman滤波的缺陷,提高传递对准精度达100%～150%.     

弹炮结合武器系统效能评估方法研究

通过Matlab软件编程,建立了一个小规模的弹炮结合武器系统的作战仿真模型,进行蒙特卡罗仿真.通过对仿真结果的分析和参考相关文献,确定影响弹炮结合武器系统作战效能的主要因素.建立一个BP神经网络模型,该模型以这些影响弹炮结合武器系统效能的主要因素为输入,以弹炮结合武器系统对目标的拦截率为输出,利用大量仿真所得数据作为样本对神经网络模型进行训练,并验证了其有效性.     

基于自适应神经网络滤波的引信去噪声研究

设计了自适应神经网络噪声抵消系统,该系统不需要关于噪声信号的先验知识,非线性映射能力强,具有自学习能力,计算量小,实时性好.利用该系统对含噪声的非线性信号建模,达到消除噪声的目的.通过LMS算法,对不同信噪比(SNR)的含噪引信信号进行滤波,仿真结果表明,该滤波器能有效地抑制噪声.     

非完备参数信号集中式检测新方法

在复合假设检验中,广义似然比检验(GLRT)和贝叶斯(Bayesian)方法是2个广泛应用的方法.研究了这2种信号检测方法在分布式传感器网络中非完备参数(波形已知但幅度未知)估计中的应用.验证了GLRT的性能并进行了改进,提出逼近的Bayesian检测器,并与精确Bayesian方法比较,得出逼近的Bayesian检测器总有闭表达式的结论.仿真结果表明,提出的方法与精确Bayesian方法具有相近的性能.     

模糊神经网络航空兵师指挥自动化作战效能分析

从航空兵师作战过程出发,依据指挥自动化系统的组成,分析了对抗条件下航空兵师指挥自动化系统的作战效能指标体系;并结合人的因素对航空兵师指挥自动化系统作战效能的影响,建立效能评判指标体系, 在此基础上建立基于神经网络的对抗条件下航空兵师指挥自动化系统作战效能的模糊综合评判模型,进行自适应训练和误差分析.实验证明该效能评判方法的可行性.     

广义随机Petri网的装备战场抢修建模与分析

将广义随机Petri网(GSPN)的基本理论应用于装备战场抢修系统的建模与分析,考虑装备战场抢修过程中的各种因素,采用Petri网与马尔可夫理论相结合的装备战场抢修系统性能分析方法,为装备战场抢修系统性能的有效评估提供了理论依据.通过实例验证,该方法可用于分析装备抢修系统的时间性能和运作效率,为机关决策层提供参考.     

弹性BP神经网络消除轮速传感器误差方法的研究

汽车轮速是汽车运动状态参数的主要信息源,是控制系统的核心,其精度直接影响这些系统的性能.为了提高轮速的精度,降低传感器的研制成本,提出了一种基于弹性BP神经网络的误差分析方法消除轮速传感器误差.将改进的BP神经网络--弹性BP神经网络用于误差分析,并提出误差匹配的算法.理论和仿真结果表明,该方法使绝对误差达到2×10-4>rad,能够有效地消除传感器误差,提高轮速信号的精度.     

一类具M-P型非线性二元神经网络模型的周期解

针对一类具M-P型非线性信号传输函数的二元神经网络模型,提出其初值振动时系统周期解的存在性问题.利用结式技巧,结合分析方法,建立了用结式表示的保证具振动初值系统周期解存在的充分条件,并通过例子说明零阈值情形周期解的稳定性.     

RBF神经网络的火箭发动机成本预测

神经网络技术已广泛应用于各工业控制部门, RBF神经网络是对一般BP神经网络的改进.尝试将其应用于固体火箭发动机成本预测中.首先利用已有的成本信息对该神经网络进行训练,使其对已有信息的预测误差小于规定值,再将其用于其他条件下的成本预测.结果表明,实际预测效果较为理想,从而为固体火箭发动机成本预测提供了一种新的方法.