冷峻中的优雅 “康定”级巡防舰模型制作

欧洲诸国的驱护舰造得有声有色,我很喜欢法国的"拉斐特"级护卫舰,充满艺术气质的法国人在设计隐身战舰时居然把这款护卫舰演绎得如此峻美和典雅。上世纪90年代,台湾海军把从法国购买的此级护卫舰称为"康定"级巡防舰。该级舰的技术数据如下:满载排水量3500吨,主尺度125×15.4×4米,航速25节,续航力7000海里/15节,舰员编制135人(军官15人)。动力装置为4台PA6V280STC柴油机,总功率23228马力。武器装备有2座四联装"雄风"-2反舰导     

基于FAHP和改进模糊综合评判的地空导弹阵地优选

依据地空导弹阵地选择要求,给出了阵地选择方案评价的层次结构模型,利用模糊层次分析法确定了权重,并将模糊综合评判法与灰色系统理论相结合,建立地空导弹阵地方案选择的灰色模糊综合评判模型,利用实例进行了分析与评价,得出了其优劣排序.研究结果证明了该评价方法的正确性和实用性.     

BP神经网络的布撒器末端修正

针对布撤器开舱点位置解算及子弹药减速伞延时解算所需时间长的问题,引入了BP神经网络算法,建立了子弹药的数学模型和BP神经网络解算模型,并进行了布撒器末端修正的仿真分析.仿真结果表明:运用BP神经网络算法计算的结果误差较小,并且大大缩短了在线解算的时间,进一步提升了布撤器的作战效能.     

RBF神经网络在飞艇单发停车故障中的应用

针对飞艇单发停车故障,提出了一种基于径向基神经网络的模型跟随非线性重构控制策略,并使用遗传算法对RBF网络进行了优化.该方法通过响应误差构造神经网络的学习规则,神经网络的输出驱动系统向着消除误差的方向运动.理论分析和仿真验证表明,该控制策略具有良好的重构性能和鲁棒性.     

改进的粒子群神经网络在飞控中的应用

针对BP神经网络对初始值敏感、容易陷入局部寻优且收敛速度较慢,提出用粒子群对神经网络的参数进行优化,同时设计了衰减的指数函数对惯性权重进行动态调整以提高算法性能.并应用该算法对导弹飞控系统的逆误差进行补偿,仿真结果表明,该方法对逆误差进行了有效的补偿,避免了局部寻优并提高了学习效率.     

基于灰色关联投影法的空中加油机驻场选址评价

提出了一种基于灰色关联投影法的空中加油机驻场选址评价方法,分析了空中加油机驻场选址影响因素,设计了评价指标体系,并运用熵值理论客观赋权,构建了加权灰色关联决策矩阵。通过比较备选方案与理想方案灰色关联投影角,根据灰色关联投影值对备选方案进行优劣排序。算例分析结果符合现实场站选择条件,说明该方法能够有效解决空中加油机驻场选址问题。     

一类不确定时滞混沌系统的全局鲁棒自适应神经网络同步控制器设计

研究一类不确定时滞混沌系统的全局鲁棒自适应神经网络同步控制器设计,其系统中的不确定时滞项不是简单的线性有界条件,而是允许其存在高阶项,因此具有全局特性．在控制器的设计上;首先通过选取合适的径向基函数（RBF）神经网络的权向量去逼近时滞系统中的未知连续有界部分;然后在RBF神经网络输出的基础上,选用一个鲁棒自适应控制器来趋近时滞系统的不确定部分;同时,利用Lyapunov稳定性理论对混沌同步的条件给出了论证;最后,数据仿真的结果表明该方法的有效性．     

神经网络集成方法在火灾分析中的应用

采用神经网络集成方法对我国31个地区的经济总量、消防基本投入、火灾损失之间的关系进行定量分析,研究发现神经网络集成方法能有效地反应各地区经济发展水平、消防基本投入与火灾损失之间的内在联系。     

基于深度学习的防空武器红外目标识别技术应用研究

针对防空武器的作战使用需求,提出了一种基于深度学习的防空武器红外目标识别流程,通过大视场进行目标检测,小视场进行目标跟踪识别.在目标检测阶段,采用YOLO网络模型实现全图多目标识别定位;在目标跟踪阶段,采用超分辨率重建算法提升目标局部图像分辨率,利用深度残差网络模型实现跟踪目标的识别分类.试验结果表明,基于深度学习的空...     

基于一维卷积神经网络的二进制协议分类方法

针对目前网络上未知二进制协议种类繁多、不便于管理的问题,提出一种基于一维CNN的二进制协议分类方法,利用聚类得到协议数据的标签进行训练,直接将经过一类分类的二进制协议报文作为一维卷积神经网络的输入,训练分类模型,构建了一个二进制协议分类器,能够自动学习原始输入与预期输出之间的非线性关系,实现协议的自动分类功能。这是首次将一类分类与CNN网络应用于二进制协议分类领域。并且针对最大频度池化和一维卷积网络作了对比试验,验证了改进的有效性。经过实验验证对协议的识别率达到了98%以上,分类时间优于聚类方法。