智能控制在空战仿真中的应用

智能控制是以复杂系统(对象、任务、环境中至少有一个是复杂的)控制为目标的一个研究领域。智能控制以其特有的控制复杂对象的能力,产生伊始就引起了空战仿真界的高度重视。20世纪70年代中期,美国决策科学公司(DicisionScienceIncl就提出了自适应机动逻辑的方案(AML)。     

混凝土结构构件研究中的几个问题探讨

对混凝土结构构件理论研究中的试验数据的完整性、计算假设的真实性及计算模性的合理性等问题进行了讨论,指出小尺度试件的试验数据不能完全反映混凝土构件的工作特性,混凝土构件破坏标准不一致性、试验数据的完整性、既有理论不能统一考虑构件正截面和斜截面的承载力等问题有待进一步解决,说明了人工神经网络理论是可能的分析方法之一。     

非线性规划神经网络的灵敏度分析

对非线性规划神经网络进行了灵敏度分析,得到了绝对值较大和导致目标函数或约束函数变化较大的元件控制网络的输出精度的结论,并对结果作了数值仿真验证。     

基于神经网络的泵机组运行模糊控制

泵机组的运行过程具有不确定性、非线性、强耦合性等特点,为满足其控制需要,文中提出了一种以模糊神经网络控制器为基础的控制系统,该系统充分利用神经网络的自学习及非线性逼近能力,又具有模糊逻辑推理能力,能对泵站泵机组运行的主要过程进行辨识并施以智能控制。     

用神经网络变易有效焦距的摄像机标定法

针对传统摄像机标定中由于像差等非线性因素的影响造成结果精度和稳定性不高且算法复杂的特点 ,提出了用 4层前向神经网络模型变易摄像机横纵向有效焦距的方法。给出了摄像机标定结果和用标定后的摄像机进行三维立体测量的结果 ,并与传统方法作了对比。结果表明 ,基于神经网络的摄像机标定方法可以获得比传统方法更高的精度和稳定性     

基于遗传神经网络的装备研制作战需求方案评价

针对评价问题的实际情况,利用神经网络良好的自适应性和遗传算法强大的全局搜索能力,采用遗传算法和BP神经网络相结合的遗传神经网络算法解决装备研制作战需求方案评价问题。通过样本数据训练,提高了评价的准确性和适应性。仿真实验表明,该算法能够较好地克服人为因素和随机性的影响,其稳定性和精确性也有较高。     

基于高阶累积量与神经网络的干扰识别算法

研究了一种基于高阶累积量和神经网络的干扰识别算法。该方法把卫星通信中常见的各种干扰信号的归一化高阶累积量作为分类特征参数,应用神经网络对特征参数进行分类训练,将接收干扰信号的归一化高阶累积量输入已训练的神经网络进行干扰类型的识别。试验结果表明:该算法在低干信比的情况下具有较高的识别准确率。     

军用飞机采购价格预测研究

分析了我国军用飞机价格预测中存在的困难,从我国国情出发,提出了我国军用飞机价格预测的两种方法:根据制造成本和期间费用预测价格方法与相似飞机预测价格方法.相似飞机预测法是指采用偏最小二乘回归、神经网络或灰色理论等方法,根据相似飞机的性能与价格数据建立价格预测模型,实例表明,相似飞机价格预测法具有较高的精度.     

小波网络的雷达目标识别方法

研究了小波网络的构造问题,提出了一种根据小波的局部时频特性,删除不包含任何目标识别样本数据的小波,初步确定网络隐层节点数的方法;采用提出的算法构造小波网络,可以减小网络的结构,加快网络的收敛速度.将构造好的小波网络作为雷达目标识别的分类器,获得了较好的识别效果.     

基于特征结构配置的智能飞行控制系统设计

针对飞机侧向增稳系统的设计,提出一种基于特征结构配置的神经网络设计方案,它克服了传统增益预置设计方案的缺点.通过对系统的特征值配置保证了系统的动态特性,通过对特征向量的配置达到系统解耦的目的,运用神经网络对反馈增益阵进行逼近,保证了系统的鲁棒性.采用了基于动量因子的反向传播算法提高网络训练速度,仿真结果表明了该方法的有效性.