一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

模糊规则集在发动机故障诊断中的应用

基于模糊规则集度量,提出了一种故障诊断系统。提取模糊规则分两步实现：（1）由训练样本自适应形成超球子空间,可望解决高维空间的识别问题：（2）计算每个子空间上模糊规则的信任度。对模糊规则的概念进行了拓展,以便解决模糊规则之间的矛盾。仿真研究表明：模糊规则集度量可以用于液体火箭发动机的故障诊断。     

表示结构化知识的神经网络模型

研究和设计了一种高度结构化的神经网络模型ＨＳＮＮ,它能方便地对结构化知识进行表示和处理。文中给出了ＨＳＮＮ的设计过程,并讨论了ＨＳＮＮ在继承、非单调推理和信息检索等方面的应用     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

ESD对电点火管安全性的影响研究

简述了真实静电感度测试方法及其数据处理方法,报道了利用该方法测试的两种电点火管DD—4.5、DD—17的静电感度测试结果。确定了其最小静电点火能分别为834μJ和188μJ。依据不同的ESD(静电放电)模型,讨论了不同静电危害源对电点火管直接放电时的最高安全电压值。     

蒸汽管道金属蠕变电测仪的研制

从理论和实践两方面对金属材料中蠕变损伤进行了讨论.由其变化与金属内部电阻变化的相关性,提出并研制了一种集无损、准确、灵活、价廉于一体的自动测试系统.这一测试仪器的研制将有利于对金属构件的蠕变损伤的定量研究.     

INS故障诊断的概念体系

根据舰船惯性导航系统的结构和性能特点,提出了适合建立惯性导航系统(INS)故障诊断的概念体系及INS诊断的定义,为研究INS诊断系统奠定了理论基础。     

模式识别方法诊断机械故障实验分析

本文用统计模式识别方法进行了减速机故障诊断试验,选择振动信号幅值概率分布的前几阶矩作为特征向量来进行状态信息凝聚,实验中,将设备的状态分为正常和故障两种状态,应用模式识别方法进行状态分类,实验数据分析的结果表明,实验方法是有效的。     

基于神经网络的液体火箭发动机故障检测系统

提出和建立了一种用于液体火箭发动机（ＬＲＥ）故障检测的神经网络系统,这种系统包括两层：第一层由ＷＴＡ（Ｗｉｎｎｅｒ－Ｔａｋｅ－Ａｌｌ）神经网络组成,ＷＴＡ网络用于检测发动机故障输出模式;第二层由ＢＰ（Ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络组成,ＢＰ网络利用第一层次的输出结果作为输入显示故障大小。文中对ＬＲＥ故障检测进行了数值仿真,仿真结果验证了神经网络故障检测系统的优越性能。