第四代歼击机空战战术决策研究

根据第四代歼击机的作战能力,分析了空战过程中可能存在的三种态势,提出了影响第四代歼击机空战战术的重要因素。结合影响因素进行了模糊决策讨论,基于模糊神经网络的方法完成了空战决策系统的设计,并通过神经网络的训练,确定了模糊决策网络。最后,通过仿真验证,表明决策系统实际输出与期望结果是一致的,决策结果是准确的,能够为决策者根据战场态势进行决策提供参考,缩短了决策时间,提高了指挥决策效能。     

零维理想的正则列

求一个多元多项式环的理想的正则列是非常重要和困难的问题。在字典序下,一个零维理想的Gr bner基中含有一个极大正则列,并且这个正则列是与顺序没有关系的。零维理想正则列的求出建立在Gr bner基的可计算性和首项理想的根理想的准素分解算法上。     

二酚基甲烷的合成与表征

利用正交实验,研究了苯酚和甲醛在酸性催化剂的作用下合成二酚基甲烷的反应。探讨了合成各条件对产物的收率、双核比例的影响,并对产物的分子量、熔点、双核含量进行了分析表征。     

相转移催化条件下磷酰氯的拟卤化反应

研究了不同催化剂和溶剂对磷酰氯的拟卤化反应的影响,确立了最优反应条件。并以磷酰氯为原料,在温和的相转移催化条件下,高收率地合成了分别以叠氮基、氰基和硫氰基取代的磷酸二烷基(和芳基)酯2a-2i。     

锻造苏维埃天空的“铁幕”——记苏联防空军总司令巴季茨基

巴维尔·巴季茨基空军元帅,是苏联著名的军事将领。曾长期担任防空军总司令。1910年6月27日。巴季茨基出生在哈尔科夫郊区的一个工人家庭。他从小身体健壮、勇敢好学,争强好胜,从不服输。1922年读完小学四年级后,巴季茨基进工厂当了钳工学徒,后来又在厂办的“镰刀和锤子”学校半工半读。     

结合规则知识与神经网络于空袭武器的辅助选择

结合规则推理与神经网络,提出了一种新的空袭武器辅助选择方法。其根据空袭武器选择的基本原则以及问题的特点,构造T-S模糊逻辑系统及其实现的相应神经网络模型,然后通过已有的战例与试验例子训练神经网络,并对问题进行求解,得出空袭武器选择提供依据(一种量化的武器适用度)。另外,还利用专家提供的规则知识于学习实例的预处理,学习实例信息的扩充。     

基于神经网络的目标预测跟踪

针对高炮火控系统的现状,在阐述神经网络模型预测控制理论的基础上,将神经网络模型预测控制器应用于火控系统的目标跟踪中,同时利用Matlab对其进行了实验仿真,并将仿真结果与传统控制器和模糊控制器仿真结果相比照进行了分析,验证了该控制器可以较好地提高火控系统目标跟踪的速度和精度,从而使系统具有良好的鲁棒性和自适应性.     

基于TensorFlow的四旋翼无人机着陆地标识别

针对多旋翼无人机在无人干预情况下的自主着陆问题,提出一种基于迁移学习的地面标识图像检测方法.该方法基于TensorFlow深度学习框架,使用迁移学习技术在地面标识数据集上重新训练Inception-v3模型以构建新的地面标识识别模型.以四旋翼无人机为例,将其拍摄的着陆坪图片与其他地面标识图片作为训练集输入神经网络,通过多次训练校正神经网络参数.实验结果表明,基于迁移学习的四旋翼无人机着陆地标识别比直接基于In-ception-v3模型的识别效果要好得多,在仅有数千张训练图片的情况下,测试准确率超过90％.在Windows下训练、测试的模型可移植到树莓派3B上,完成了基于Python和TensorFlow开发的程序在不同操作系统下运行的验证工作.     

基于CNN-LSTM的在轨卫星故障预测分析

在役考核中,对遥测参数进行监控与分析,是评估在轨卫星工作状态及健康状况的重要途径.为解决在线多任务故障预测问题,提出了结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的数据挖掘模型,并运用了一种基于误差反馈的权重自调整机制.利用某型卫星(含故障)遥测参数的仿真数据进行分析处理,实验结果表明:在线CNN-LSTM模型以最小的信息损失进行建模,对比单一模型以及传统的回归模型,CNN-LSTM模型不仅在测试集上取得了最小平均绝对百分比误差12.61％,同时模型预测性能在长时间预测中优于离线模型.     

基于神经网络和遗传算法的威胁度估计算法

针对威胁度估计问题,提出了基于BP神经网络模型的算法,利用神经网络良好的自适应能力和遗传算法强大的全局搜索能力,通过样本数据训练,提高了威胁度估计的准确性和适应性。