用结构自适应前馈网络解算多目标导弹攻击区

多目标导弹攻击区的实时解算是机载多目标攻击武器系统得以技术实现的中心环节。阐述了“多目标导弹攻击区”的概念 ,探索了其解算的技术途径 ,提出了“实时、高精度和低存储”的解算要求。根据上述技术要求 ,设计了基于网络灵敏度统计分析的多层前馈网络结构自适应算法 ,以用于训练合适规模的多层前馈网络逼近器。在此基础上 ,进行了系统仿真研究 ,研究的结果表明了该方案的应用前景。     

多目标数据关联的神经网络方法

数据关联是多目标跟踪的关键问题。基于 Hopfield神经网络的 JPDA是解决这一关键问题的有效方法之一 ,但此方法的难点在于优化系数的整定。提出一种改进算法 ,用于解决优化系数在线自适应整定问题。首先重新构造了李雅普诺夫能量函数 ,接着引入变化的优化系数因子 ,并给出了优化系数求解的迭代公式 ;最后对已有和改进的算法进行了仿真研究。结果表明改进的方法和原有的方法相比 ,一方面具有在线整定优化系数的功能 ,另一方面可以获得和原有算法非常接近的估计误差。     

基于前向型神经网络的空袭目标类型识别模型

对防空作战中空袭目标类型识别问题进行了研究 ,给出了进行目标类型识别的指标集 ,并建立了基于前向型神经网络识别模型 ,实例证明该方法是可行的。     

核动力装置控制系统神经网络故障诊断

研究了如何将先进的人工神经网络的方法应用到核动力控制系统故障诊断中,并对这种方法的原理、优缺点、可行性等进行了分析,提出了针对核动力装置控制系统的设计方案.     

异步电机定子电阻的观测

介绍了一种基于神经网络技术的感应电机定子电阻观测方法;讨论了定子电阻样本规划,并设计训练形成了定子电阻神经网络观测器.试验表明,该技术方法能有效地实施定子绕组电阻在线观测.     

神经网络技术及其在机器耳监测仪中的应用

介绍了利用GAL算法对装备产生的声音信号进行处理,改进完善了基于竞争学习的GAL神经网络。测试结果表明,基于GAL算法的智能耳诊断系统的识别精度和自学习方面优于传统算法。     

光伏发电系统蓄电池SOC预测技术研究

准确且可靠地获得蓄电池的SOC值是电池管理系统首要任务。由于SOC受许多因素如环境温度、充放电次数、电池老化等因数的影响,采用传统的SOC预测技术很难得到理想的效果。本文描述了一种采用神经网络和模糊逻辑推理的SOC预测方法。在该方法中,通过建立神经网络模型把蓄电池不同放电电流下的端电压修正为相同SOC下放电电流为I20时的端电压U20,然后采用模糊逻辑推理,对U20和环境温度T进行模糊推得得出蓄电池SOC值。经仿真证明了该方法能够准确且可靠地获得蓄电池的SOC预测值。     

战术决策中基于Petri网的知识表示与权值训练

通过对驾驶员辅助决策人工智能系统(PAAIS)中战术决策知识进行模糊Petri网的表示和推理,提出了一种模糊神经Petri网络(FNPN)来训练其权值的方法,并进行了实验仿真.结果表明,神经网络和Petri网结合使得模糊产生式规则更加有效,也对知识库的建立、更新和维护有着重要的意义.     

BP神经网络的潜艇系统可靠性分析

基于BP神经网络理论,提出分析某型潜艇的人-艇-环境系统可靠性的方法.综合考虑潜艇本身、环境条件和人为操作等因素,给出潜艇人-艇-环境系统可靠性分析的指标-可用度的公式;并利用BP神经网络理论以及已有的某型潜艇本身的可靠性数据进行建模.实验数据表明,该方法建模简单,对潜艇系统的可靠性分析及可靠性预测具有一定的现实意义.     

复杂情况下的防空导弹智能制导鲁棒优化设计

在复杂电磁环境下,建立了防空导弹武器系统智能制导鲁棒性问题模型,运用Elman神经网络、T-S模糊推理、线性矩阵不等式(LMI)求解和最优控制等方法和理论,对复杂情况下的防空导弹非线性制导过程进行了数学描述,目的是以系统鲁棒性为牵引对防空导弹智能制导进行优化设计,并就关键技术给出了MATLAB仿真方法.