基于BP神经网络的D-S证据理论及其应用

命题基本概率分配(BPA)的确定是D-S证据理论得以广泛应用的关键之一.目前,大部分确定方法受专家知识偏好影响较大,难以反映客观情况.将BP网络运用到基本概率分配的确定过程中,使得BP网络和D-S证据理论两者有机地联合应用,这样既可利用D-S证据理论来表达和处理不确定信息,又可以充分发挥BP网络的自学习、自适应和容错能力.文中建立了基于BP网络的D-S证据理论的故障诊断模型,并给出了证据的融合算法.仿真实验表明,该模型可行.     

基于动态神经网络的装备技术状态预测模型

装备的技术状态受多种因素的影响,诸多影响因素之间是一种多变量、强耦合、非线性的关系,同时这种关系还是动态的。根据装备技术状态的特性,使其在相空间里重构,然后利用动态神经网络建立装备技术状态预测模型,并以装备振动信号预测为例进行案例研究,验证了利用动态神经网络进行预测的可行性和优越性。     

集成神经网络的飞机作战效能评估

根据飞机作战效能的指标体系和集成神经网络的原理,提出了一种基于集成神经网络的飞机作战效能评估模型.模型由空对空作战效能评估神经网络、空对地作战效能评估神经网络和决策融合神经网络组成,当训练结束后,输入飞机的能力参数可得到飞机的单项和综合作战效能.最后用米格-29、F-15E和Su-20等三个机型作为评估的对象,结果表明该模型能有效减少评估中的人为因素及克服单神经网络结构的不足,使评估结果更为客观可信.     

基于被动雷达和红外传感器的数据融合

提出基于被动雷达和红外传感器组成的复合探测系统,利用D-S证据理论提高目标识别率,借助神经网络改善目标跟踪算法的性能,同时保持跟踪滤波的计算结构尽可能简单,尤其是减少了数字计算上的复杂性。仿真结果表明了应用新算法的复合探测系统的有效性。     

基于径向基神经网络的水下振动物体辐射噪声级别分类研究

运用径向基神经网络,利用水下振动物体内表面加速度信号对其辐射噪声级别进行分类,达到判断其声隐身性的目的.该方法的运算量较传统方法大大降低,极大地提高了计算速度.实例表明,该方法能较准确地对水下振动物体辐射声场声压级别进行分类,进而对其推广应用于潜艇提供了较好的依据.     

基于Elman神经网络的NSG水位特性辨识方法研究

针对核动力蒸汽发生器在瞬态、启动和低功率下的“收缩”与“膨胀”现象引起的逆动力学效应使核动力蒸汽发生器水位特性难以辨识的问题,提出了基于Elman神经网络的NSG水位特性辨识的新方法.采用串-并联型辨识结构,以保证辨识的收敛性和稳定性.网络训练采用Levenberg-Marququardt BP学习算法.仿真结果表明,所提出的方法能够正确地辨识核动力蒸汽发生器的水位特性,且具有较高的辨识精度.     

智能理论在BIT设计与故障诊断中的应用

近２０年来机内测试（ＢＩＴ）技术从理论到应用取得了显著进展，已成为提高产品测试性和诊断能力的有效途径。本文概述了ＢＩＴ技术的特点，分析了国内外ＢＩＴ的发展趋势，对ＢＩＴ智能化从系统设计、信息处理到综合决策各阶段进行概括，对专家系统、神经网络、模糊理论、信息融合等智能理论在ＢＩＴ中的应用进行了综合分析，并初步建立智能ＢＩＴ的理论框架     

调制方式的自动识别方法

本文介绍调制信号的神经网络识别方法,以及多进制数字调相信号的次优识别方法,实验结果表明两种方法具有正确识别率高,信噪比要求低,性能优于目前使用的识别方法。     

基于神经网络的机动多目标数据关联算法

虽然JPDA被公认为是杂波多目标环境下跟踪效果最理想的数据关联算法之一,但在密集回波情况下其计算量易出现组合爆炸现象,难于实时处理。通过对Hopfield网络解决TSP问题的研究,探讨用神经网络解决联合概率数据关联(JPDA)中数据运算的组合爆炸问题的办法     

改进的BP算法在柴油机故障诊断中的应用研究

利用改进BP算法的神经网络对柴油机进行故障诊断.首先讨论了其训练算法,然后确定了柴油机故障诊断所用特征参数及故障种类,并提出特征参数数据归一化公式,最后以6-135ZC柴油机为例,将实验数据输入网络验证.结果表明,神经网络对柴油机故障识别率很高,应用于柴油机故障诊断领域是切实可行的.