人工神经网络方法实现自动判别失磁类型及失磁深度

利用失磁后 Ｅｔ．ｑ、 Ｅｆ ｑ．ｑ 衰减时间常数 Ｔｑ 仅取决于发电机参数及失磁类型的结论，根据失磁故障的分类，采用一个三层前向神经网络得出 Ｔｑ ，使微机失磁保护能够在失磁发生的瞬间自动判别出失磁类型并预测失磁深度。数字仿真、动模试验以及实际运行证明了本文所提出的方法。     

用卷积神经网络分类最大稳定极值区域实现汉字区域定位

获取对应笔画级连通区的最大稳定极值区域,实施形态学闭操作融合相距较近的最大稳定极值区域,融合后最大稳定极值区域对应的单个汉字区域;利用灰度共生矩阵描述最大稳定极值矩形区域的纹理信息,将其作为卷积神经网络的输入,卷积神经网络对最大稳定极值区域进行分类,过滤非汉字部分;利用最大稳定极值区域颜色直方图的Bhattacharyya距离等特征对最大稳定极值区域进行聚类,同一类最大稳定极值区域组合得到汉字文本候选区域;再次利用卷积神经网络对候选文本区域进行分类,过滤非文本部分,剩余的就是定位到的汉字文本区域。实验结果表明,该算法对于汉字区域定位具有良好的效果。     

基于BP神经网络的UCAV航迹综合评价

针对目前航迹规划过程中评价指标难以统一且指标权重确定过分依赖主观经验的问题,在建立较为完备的UCAV航迹评价指标体系基础上,引入BP神经网络对UCAV备选航迹进行综合评价,从备选航迹的样本数据出发,客观分析航迹的优劣,为决策者提供更加科学合理的参考依据,最后结合仿真算例,验证了该方法的可行性。     

舰船液力偶合器数学建模新方法

介绍了某研究项目中所使用的液力偶合器数学建模新方法———人工神经网络方法.从舰船动力装置动态建模与仿真的实际需求,分析了液力偶合器数学建模的困难之处:寻找一种通用的数学形式,以实现:①额定工况滑差及其附近实验数据的内插与外延;②过渡工况(如液力偶合器结合时其滑差从100%变到额定工况滑差附近的过程中)液力偶合器数学模型的设计.叙述了液力偶合器的人工神经网络数学建模的要点,分析了液力偶合器人工神经网络数学模型在舰船动力装置计算机仿真中的结果.最后,总结了液力偶合器人工神经网络数学模型今后需进一步完善的若干方面.     

基于神经网络模型的地震加速度谱线模拟

采用人工神经网络模型对地面地震加速度谱线进行模拟,经过分析、比较发现在没有滤波的情况下,只有选择合理的人工神经网络模型结构才能取得较好的模拟效果;经过滤波后,各神经网络均能较好地模拟地震加速度谱线。人工神经网络模型为建立人工地震波模型开辟了新的途径。     

证据理论与模糊神经网络相结合的身份估计方法

重点研究了在数据融合身份估计领域中D-S证据理论与模糊神经网络相结合的多传感器数据融合方法。Demp-ster-Shafer证据理论方法是对Beyes决策检验法的推广,证据理论比概率论满足更弱的公理系统,并且在区分不确定与不知道等方面显示了很大的灵活性,但是在基于证据理论的身份估计融合中,基本可信度的分配是一个与应用密切相关的问题,也是实际应用中最难的一步。利用模糊神经网络来处理证据理论中的基本可信度分配问题,并对几种空中目标进行了身份估计数据融合,经计算机仿真实验证实了该方法的有效性。     

基于神经网络的雷达抗干扰能力评估

为评估对空情报雷达抗电磁干扰能力,首先建立了能力评估的层次模型,并给出了基于BP神经网络的评估模型结构,以及变步长的学习算法,并在Matlab系统内得以实现.结果表明,该模型及方法对评估对空情报雷达抗电子干扰能力具有一定的实用价值.     

BP神经网络在无源雷达目标识别中的应用

目标识别技术是无源雷达的关键技术之一.针对无源雷达目标识别的特点,在分析空中目标类型和目标表征的基础上,建立了基于BP神经网络的目标识别模型,并对设计该模型涉及的基本问题进行了详细分析,最后运用该模型对给定特征的空中目标的进行了实验.实验结果表明,该模型提高了目标识别的稳定性和准确性,是有效可行的.     

反应性树脂体系化学增黏和物理减黏机制的分离

采用等温差示扫描量热(DSC)法,研究了CTD-128环氧树脂与GA-327(DDM改性芳胺)的固化度-时间变化关系;采用AR2000EX型旋转流变仪,测试了上述体系的等温黏度-时间关系.比较等温条件下的固化度-时间关系和黏度-时间关系,建立了等温条件下的黏度-固化度的等时对应关系,结果表明在纯化学增黏机制影响下,树脂体系的黏度随固化度增加先缓慢增加,当固化度增大到一定程度后黏度快速增加.将等温条件下的黏度-固化度关系进行变换,得到恒定固化度下的黏度-温度关系,揭示了在物理减黏机制影响下,树脂体系黏度随温度的增加而降低,并且黏度降低幅度随固化度的增加而增大.两种黏度影响机制分离的实现,为反应性树脂体系实时黏度的准确预测提供了技术支持.