炮兵群自动化指挥系统决策组织结构的 Petri 网建模与性能分析

对炮兵自动化指挥系统中决策组织的结构和能力进行了研究,建立了较为完善的各级指挥员指挥决策体系的Ｐｅｔｒｉ网模型。通过有色Ｐｅｔｒｉ网对群一级的炮兵自动化指挥系统在不同任务环境下的不同工作方式进行了建模表示和分析,引入了决策时延这一反应指挥决策体系能力的重要性能指标,并进一步运用马尔科夫链的分析方法对建立的指挥决策体系的Ｐｅｔｒｉ网模型进行定量分析,得出了量化结果,为自动化指挥系统中决策组织结构的设计和分析提供了理论根据。     

不对称Hopfield神经网络的稳定性分析

Ｈｏｐｆｉｅｌｄ型神经网络是一个高度互联,结构一致,便于物理电路实现的非线性动力学系统,基于稳定性和考虑,已有的研究和应用通常局限于神经元之间具有对称突触承接的问题,而实际中面临更多的却是非对称问题,本文应用Ｌｙａｐｕｎｏｖ第二方法对一种特殊的不对称Ｈｏｐｆｉｅｌｄ型神经网络的稳定性进行了证明,为神经网络在各种实际优化计算中的应用开辟了新的理论途径。     

一种基于神经网络的阶跃响应辨识方法

提出了一种基于神经网络的参数辨识方法,该方法与传统的参数辨识方法有着本质的不同。它充分地利用了神经网络对任意非线性函数的逼近能力,并将其与传统的基于阶跃响应的辨识方法结合起来。对方法的原理及其相关的神经网络算法做了具体的阐述并给出了仿真实例,结果表明方法是可行的,并可由此看出,神经网络用于工程实际的广阔前景。     

神经网络距离-多普勒超分辨雷达成像

研究利用神经网络实现超分辨雷达成像。该方法首先根据Tuff的前后向线性预测(FBLP)方程用神经网络得到样本序列的AR模型参数,然后利用神经网络作线性预测外推,再用神经网络对外推后的数据作离散哈特来变换(DHT)。从哈特来变换可以方便地得到外推数据的离散傅里叶变换,从而得到距离-多普勒超分辨雷达像。利用微波暗室数据对这一方法进行了数字仿真,结果表明这种方法是可行的,即使在低信噪比下也有较好的性能。     

数字调制信号的神经网络识别方法

提出数字调制信号的人工神经网络识别方法，从信号幅度、相位、频率及功率谱等特性中提取五种特征参数，用于训练神经网络对数字调制信号的识别。采用神经网络，不仅可提高识别的智能化，而且能提高正确识别率。     

人工神经网络方法实现自动判别失磁类型及失磁深度

利用失磁后 Ｅｔ．ｑ、 Ｅｆ ｑ．ｑ 衰减时间常数 Ｔｑ 仅取决于发电机参数及失磁类型的结论，根据失磁故障的分类，采用一个三层前向神经网络得出 Ｔｑ ，使微机失磁保护能够在失磁发生的瞬间自动判别出失磁类型并预测失磁深度。数字仿真、动模试验以及实际运行证明了本文所提出的方法。     

双阵被动测距方法仿真

利用有一定间距的两部声纳基阵提供的目标方位和时延差的信息,实现对目标的被动测距。建立了测距物理模型,给出了后置距离滤波算法。通过仿真实验验证了模型的有效性,并通过分析两阵间距及时延差均方误差对测距的影响,表明了由于声场环境及特性的影响,选择适当的阵间距和时延差均方误差在实际测距试验中是非常重要的。     

基于FNN和RS理论的综合评估及应用实例

为较好解决武器系统效能综合评价与分析的问题,提出一种新的综合评价与 分析方法。以某一类型的武器装备的效能评估为例,利用模糊神经网络(FNN)的方法和粗 糙集(RS)理论方法对武器装备效能的优劣进行评估。首先,用FNN方法提取用于效能评 估的模糊规则,然后用一种新的处理不确定知识的数学工具,粗糙集理论方法对装备属性进 行约简,删除其中不相关或不重要的知识,选出最重要的且尽可能少的评价指标获得系统效 能评价的最小决策算法,进而分析得到系统效能的关键因素。     

基于神经网络的材料非稳态疲劳损伤可靠性研究

疲劳累积损伤是一个非稳态能耗过程,可以用遗传算法优化后的3层2 7 1BP神经网络来描述疲劳损伤的非线关系,经仿真验证表明,该神经网络具有较高的精度和泛化能力.通过对材料疲劳损伤临界值和载荷的分散性的分析研究,建立了疲劳失效动态准则,并运用蒙特卡罗随机抽样法对材料疲劳寿命的可靠性进行了仿真验证;对调质45号钢在随机载荷和2级载荷作用下,进行了疲劳寿命可靠性仿真计算,仿真结果与实验结果和理论分析比较吻合.     

基于FNNs的闭式循环柴油机配氧前馈控制策略研究

配氧控制是闭式循环柴油机(CCD)系统的关键技术之一,为改善其动态特性,在 PID反馈控制的基础上,设计了基于模糊神经网络(FNNs)模型的前馈控制器,并采用 PID反馈控制输出信号作为网络训练的误差信号,使模糊神经网络逐步具有前馈补偿能力,从而能够有效对负荷扰动进行及时补偿.仿真结果表明,采用FNNs前馈控制器后,可以有效改善氧气控制的动态特性,并且具有快速的学习速度和很强的适应能力.