基于特征融合的刀具磨损监测方法

提出了一种基于特征融合的刀具磨损监测方法,将该方法应用于铣刀磨损监测取得了较好的效果,文中论述了特征融合方法的基本思想,多传感器信号的特征关联、抽取及正规化处理,作为融合中心的神经网络的构造及训练等内容。实验分析表明,该方法实现刀具磨损监测是行之有效的。     

磁致伸缩作动器的位置跟踪补偿控制

为提高磁致伸缩作动器控制精度,以 Jiles-Atherton 磁滞和动力学模型为基础,通过优化偏执磁场和预紧力来提高作动器线性度,并基于前馈控制、PID 反馈控制及柔性神经网络理论,提出了前馈补偿 PID 及柔性神经网络前馈补偿 PID 控制策略。同时,以偏置正弦和阶跃为指令信号,研究作动器的位置跟踪和补偿控制。仿真表明：相比常规 PID 控制和前馈补偿 PID 控制,柔性神经网络前馈补偿 PID 控制具有更好的位置跟踪效果和抗干扰能力,具有无振荡、无超调、响应速度快的特点。     

坦克火力运用智能系统目标威胁度评估模块

随着科学技术的发展,未来战争将有更多的智能化武器出现,坦克火力运用智能化将是坦克火力系统的发展方向,而目标威胁度评估是该系统的核心模块.应用BP神经网络建立了坦克目标威胁度评估模型,对影响因素进行了分析与预处理,并构造了3组训练样本.利用MATLAB7.0中神经网络工具箱的图形用户界面GUI对样本和影响因素进行训练、仿真.结果表明,BP神经网络模型能很好地解决坦克目标威胁程度与影响因素之间的非线性关系,评估坦克目标威胁度有很强的客观性和科学性,对未来坦克火力运用智能系统的建设具有一定的借鉴作用.     

搞好军地文化深度融合推动群众工作创新发展

海军91918部队自2009年成立以来,始终把群众工作摆在政治工作的重要位置,坚持为驻区经济发展服务、为部队战斗力建设服务、为群众生活服务、为保持驻地和谐稳定服务。先后荣获“首都军警民精神文明共建先进单位”、“首都绿化先进单位”、“首都义务植树先进单位”、“门头沟区拥政爱民先进单位”,入选北京市“身边雷锋100个团队”等多项荣誉。在与地方的深度融合中,逐渐催生出具有本单位特色的双拥文化。     

我国铀矿勘探突破新深度——钻探深度达2818米

中核集团近日在江西相山铀矿大基地宣布,中国铀矿第一科学深钻项目顺利终孔,钻探深度达2818.88米,突破了以往1200米的找矿深度,填补了我国铀矿深部找矿的空白,缩短了与国外铀矿深部勘查的差距。此间专家指出,该项技术的突破,拓展了铀资源的找矿空间,为进一步扩大铀资源量奠定了基础。这是我国铀矿地质界里程碑式的工程。此     

神经网络在精确打击目标识别中的应用研究

目标识别正确与否直接影响到防空火力的部署、分配及有效打击.利用BP神经网络识别精确打击目标并进行了仿真实验.建立了样本库,提取图像的不变矩作为神经网络的输入量,分别采用基本梯度下降算法、有动量和自适应学习速率梯度下降算法和Levenberg-Marguardt优化算法训练BP网络.仿真结果表明,不变矩理论很好地解决了3维物体的2维图像在旋转、平移、缩放时能否成功提取图像特征的问题,而采用LM优化算法的BP神经网络训练速度快,识别准确率高.     

中国力量逐梦五洋

6月10日,搭载于母船"向阳红09"的"蛟龙"号载人深潜器驶向南海及北太平洋,开启首个应用之旅。本航次计划用时103天,分三个航段进行,分别为在南海进行长基线定位系统的功能试验,在东北太平洋和西太平洋有关区域分别进行考察试验。"蛟龙"号载人潜水器是国家863计划重大专项,是我国首次自行设计、自主集成并独立完成海上试验的大深度载人潜水装备,于今年4月通过了科技部专家组的验收。在世界上同类作业型载人潜水器中,它     

基于遗传BP神经网络的装甲装备器材需求预测

装甲装备器材保障具有规模大、时间紧、消耗大、不确定因素多、决策难度大等特点。准确的需求预测是实施主动的、精细化的器材保障的重要前提条件。利用BP神经网络较强自学习能力和自适应能力对器材需求规律进行学习,并借助遗传算法提高BP神经网络的收敛速度,设计了一种基于遗传算法改进的BP神经网络模型预测方法,对装甲装备器材进行需求预测。通过实例计算表明,该方法比单纯BP神经网络方法具有预测精度高、收敛速度快的优点。     

基于粗糙集理论的飞行轨迹识别

针对飞行轨迹人工识别对专家经验依赖性强,识别准确率不稳定的问题,提出一种基于粗糙集理论的飞行轨迹识别方法。首先,对飞行轨迹进行特征提取,获取用于轨迹类别判定的条件属性和决策属性;其次,利用模糊自组织神经网络对飞行轨迹决策表离散化,采用启发式遗传约简算法对条件属性约简,消除了冗余属性对识别结果的影响;最后,利用实际飞参数据进行轨迹识别,结果证明该方法准确有效。     

BP神经网络的弹道导弹态势等级模型

针对弹道导弹的目标特性和作战特点,对主要态势指标进行了提取,构建了基于BP神经网络的态势等级模型,并按照区间对预警等级进行划分。为提高模型的准确性和适应性,通过样本数据对BP网络进行了训练,并进行了仿真得到了态势等级。仿真结果表明:利用BP神经网络对态势等级进行研究是可行的。