基于神经网络的战术C3I系统效能分析

阐述了神经元的特性和BP神经网络相关原理,指出了战术C3I系统效能是指战术C3I系统在特定的战斗环境条件下对部队潜在战斗力转化为实际战斗能力的影响程度,并根据BP神经网络模型,着重从系统自身效能和对抗效能2个方面,对战术C3I系统效能进行了分析,建立了战术C3I系统基于ANN的评估模型,从而为系统效能分析与评估探索了一种新的方法.     

基于ANFIS的制导炸弹智能控制系统

针对目前制导炸弹命中精度低的问题,首次提出一种基于自适应神经模糊推理系统(ANFIS)的制导炸弹智能控制系统.该系统不基于数学模型,用独特的空间分层方法建立若干模糊推理系统,依靠专家经验来获取控制信息.规则库是通过分析训练数据,用Levenberg-Marquardt优化方法改进的BP神经网络对训练数据自学习而建立的.通过计算机仿真,该智能控制系统具有精度高、泛化功能强且调整灵活等优点.可以预见,这种智能控制系统在军事上有很好的应用前景.     

面向实船训练的柴油机动力装置试验平台设计及训练仿真模型研究

为解决在舰船动力监控系统嵌入实船训练功能的难题,根据实船动力装置工作过程存储数据丰富 、可在后期持续更新的特点,以实验室柴油机-水力测功器实验装置为对象,在设计双功能集成的试验台监控网络系统基础上构建了面向实船训练的柴油机动力装置试验平台,建立了基于工作机理和试验台历史数据的小波神经网络模型,仿真和实机实验表明了研究工...     

不断加强和改进部队经常性政治工作

贯彻落实胡锦涛主席“三个下功夫、一个真正落到实处”重要指示,不断加强和改进部队经常性政治工作,一要认清加强经常性政治工作的重要性,进一步端正工作指导思想;二要不断创新方式方法,增强抓落实的科学性实效性;三要着力提高基层抓落实的能力,切实掌握有效方法;四要认真履行政治机关的职责,充分发挥组织指导作用。     

基于数据的故障诊断更新问题分析及应用

机内测试被广泛应用于故障诊断,装备健康管理与预测等领域。本文针对机内测试设备在设计和升级时遇到的分类器更新,样本数量不平衡,硬件条件限制问题,提出了初步解决方案。首先,利用基于密度的聚类和人工免疫的方法处理原始数据,然后提出了基于代表样本点的混合学习方法,最后利用支持向量机和仿真案例验证了本文所提方法。结果表明本文所提方法能够解决上述问题,有助于基于数据的机内测试设备设计与升级。     

基于深度神经网络的无线覆盖预测算法*

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测来判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明,该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。     

电磁发射系统改进FAHP-神经网络健康评估方法

准确定量评估电磁发射系统发射前的健康状态意义重大。针对模糊层次分析方法(Fuzzy Analytic Hierarchy Process, FAHP)在评估电磁发射系统串行结构同级元素健康值时存在较大偏差,且无法适用系统非线性变权重需求的缺陷,提出改进FAHP-神经网络方法。通过在计算同级元素健康指数时构造能够满足串行结构健康评估的非线性函数进行计算,并在数学上证明该方法的有效性;通过引入神经网络系统,在已有的系统先验信息和测量数据的基础上训练模型解决系统健康评估非线性变权重需求。基于电磁发射系统脉冲成形网络系统建立健康评估模型,开展评估试验。结果表明,提出的方法健康评估精度较高,在各种系统健康状态下,评估结果均符合系统实际的健康状况;对比传统的FAHP,提出的改进方法评估精度大幅提升,且在评估试验中没有出现故障误报和漏报的情况,从而验证了提出方法的可行性和工程实用价值。     

Kriging与改进一次二阶矩融合的可靠性分析方法

针对结构可靠性分析问题,提出了Kriging与改进一次二阶矩方法相融合的分析方法。传统的改进一次二阶矩需要计算结构功能函数的梯度信息,在处理包含有限元模型的隐式极限状态问题时会比较困难。该方法将Kriging代理模型与改进一次二阶矩迭代有效而充分地结合,借助Kriging方法提供功能函数的梯度信息,以解决隐式极限状态函数的求导难题,提高分析效率。通过数值与工程算例验证了所提方法的可行性和高效性。     

基于卷积神经网络的无人机图像模糊类型识别

为了提高无人机图像模糊类型识别的准确率,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的无人机图像模糊类型识别方法。通过样本预处理策略对无人机模糊图像样本进行处理,提高了方法的识别效率,同时降低了错误率。提出一种适用于模糊图像灰度频谱图的卷积神经网络结构,并利用训练样本对网络进行训练,增强了网络结构的针对性,提高了训练模型的识别准确率。利用测试样本对训练的网络模型进行测试,验证方法的鲁棒性。实验结果表明,将卷积神经网络应用于图像模糊类型识别,取得了良好的效果,针对实验环境下的无人机运动、离焦和大气散射3种模糊图像类型的识别准确率较高,所提方法的鲁棒性强、实用价值大。     

基于模糊BP神经网络的高原寒区弹药换算系数研究

针对高原寒区特殊复杂的作战背景,提出了一种基于模糊BP神经网络的弹药换算系数优化模型。该模型借助模糊隶属度将难以量化的弹药消耗影响因素定量化,以提高弹药换算系数的准确度。构建了弹药换算系数测算模型;分析了影响高原寒区弹药消耗的主要因素并进行了模糊量化,在此基础上建立模糊BP神经网络模型;通过仿真验证了优化后弹药换算系数的精确性。