基于递归神经网络的C3I系统故障预报系统

阐述了C3I系统故障预测系统的设计要求,分析了带有偏差单元的递归神经网络的相关原理,建立了C3I系统故障的神经网络预测模型并提出了相应的训练算法.提出了把神经网络、预测理论和专家系统有机地结合起来建立故障预报系统的初步设想.并以防空C3I系统的典型故障为例,实现了故障的预测.预测结果证明,给出的神经网络预测模型和训练算法是可行的,且具有较高的精度.     

神经网络模型预测函数控制方法

在建立基于神经网络模型的非线性预测函数控制系统结构和基于BP网络非线性预测模型的基础上,提出了基于神经网络模型的非线性预测函数控制方法,并对其优化法等进行了讨论。通过与PID方法的仿真比较表明,预测函数控制方法具有抑制干扰能力强、跟踪性能好的特点,能够满足一些非线性系统的控制要求。     

CAMC神经网络在电动伺服机构摩擦补偿中的应用

以三轴电动仿真转台外环位置伺服系统的摩擦补偿为研究对象,分析了伺服机构的摩擦特性及影响,提出一种新的基于CMAC神经网络进行摩擦补偿的控制器设计方案,并给出了控制器设计中具体的结构和算法。实验结果说明该方案有效保证了系统的稳定性和跟踪精度并且具有较强的自适应能力和鲁棒性。     

基于BP神经网络的机载航炮故障诊断方法

机载航炮是战斗机的一个重要作战武器,其工作情况的好坏直接影响到战机的攻击和自卫能力,因此,对机载航炮的故障诊断受到航空兵部队普遍关注。通过对机载航炮大量故障现象、故障原因、故障样本的收集、分析和整理,利用BP神经网络建立了机载航炮智能诊断模型。该网络采用了三层结构、17个输入量、10个输出量的故障诊断系统,较完善地反映了机载航炮的故障类型。经故障诊断实例检验,该系统诊断结果正确,有良好的实用价值。     

基于灰度关联和神经网络的装备价格第三方服务机构评价模型

为了科学合理选择装备价格第三方服务机构,研究以灰度关联分析和神经网络方法构建评价模型。研究数据采用问卷调研形式获取,针对样本数据采用灰度关联法分析评价指标与综合评分之间的关联性,发现服务态度和制度建设情况两个评价指标与综合评分关联度达0.74以上,较为重要。采用有效二级指标和综合评分作为输入和输出数据,构建基于神经网络的装备价格第三方服务机构评价模型。通过实际数据验证分析,发现神经网络模型预测精准的概率为75%,预测满足要求的概率为25%,满足实际应用需求,能够为主管部门遴选机构建言献策。     

飞航导弹故障飞行落点概率计算方法

针对飞航导弹故障飞行落点概率难以准确计算的问题,通过分析导弹的各个分系统的故障机理重新提出五种故障模式,依据逐系统串联的原理建立了故障模式的概率分配计算模型;在对发射、飞行和故障后坠落等阶段进行分析的基础上建立各故障模式的仿真模型;最后应用蒙特卡洛方法对某型导弹故障飞行落点的概率分布进行了仿真计算。     

空间多拦截器卫星拦截策略研究

在满足拦截时间和能量的要求下,以拦截器有效拦截目标卫星的概率要求为指标,提出了空间多拦截器卫星拦截规划方法,制定了卫星拦截方案,确立了卫星拦截策略。拦截方案结果表明:该拦截规划方法有效,能优化出以较少拦截器变轨拦截实现特定拦截概率要求的方案,且能确定拦截器具体变轨时间和拦截时间。     

一种结合弹道规律的模糊交互式多模型算法

针对交互式多模型算法中转移概率矩阵与实际运动不匹配而影响跟踪精度的问题,通过分析某型导弹的典型弹道,将弹道规律融合到模型概率转移矩阵中,然后将转移概率模糊化处理,提出了一种基于弹道规律的模糊交互式多模型算法,然后以导弹蛇形运动转至比例导引的机动过程为例进行了仿真验证,比较了典型交互式多模型算法和模糊交互式多模型算法的跟踪性能。仿真结果表明:该算法可显著提高导弹机动段的跟踪精度。     

一种基于麻雀搜索算法的空中目标意图预测方法

针对BP神经网络（BPNN）的分类性能和遗传算法（GA）的参数寻优能力难以满足空中目标意图预测需求的问题,提出了一种基于麻雀搜索算法（SSA）优化支持向量机（SVM）的空中目标意图预测方法。利用SVM和SSA分别取代BPNN和GA,构建了SSA-SVM空中目标意图预测模型,并对模型的预测性能进行了仿真检验。结果表明,SSA-SVM比GA-SVM具有更快的收敛速度和更高的适应度值,比BPNN具有更高的预测准确性和更稳定的预测结果。因此,SSA-SVM可以准确、稳定地预测空中目标意图,能够满足意图预测在准确性和稳定性上的需求,提升了预测性能。     

基于深度卷积神经网络的异常行为快速识别

针对异常行为快速识别问题,提出了一种基于深度卷积神经网络的视频检测和定位方法。该方法利用全卷积神经网络和时间数据,将一个预先经过训练和监督的全卷积神经网络转移到一个无监督的全卷积神经网络,确保能够检测全局场景中的异常,提出利用级联检测的方式来降低算法的计算复杂度,从而使其在速度和精度方面获得较高的性能。提出的基于全卷积神经网络的异常行为检测架构解决了两个主要任务,即特征表示和级联离群值检测。实验结果表明,所提方法在检测和定位精度上优于现有算法,且运行速度更快,从而表明所提算法的有效性和可行性。