神经网络在数字化装甲部队指挥信息对抗中的应用

在信息化战争中,对数字化装甲部队指挥信息对抗能力的评估是复杂而重要的问题,采用何种评估方法是值得研究的.在建立数字化装甲部队指挥信息对抗能力指标体系的基础上,运用BP(Back propagation)神经网络(又称为多层前馈神经网络)模型来求解.     

自适应学习率的小波神经网络逼近算法

提出一种自适应学习率的小波神经网络算法,从根本上解决了小波神经网络学习率的取值和收敛速度慢的问题,并有效地克服了小波神经网络易陷入局部极小的缺点,仿真实验表明,提出的学习算法可靠,学习率能够随着网络的运行参数而自动变化,无需任何人为调整,克服了小波神经网络学习率靠人为试算选取所带来的问题.采用该种改进算法用于非线性函数逼近明显优于同等规模的固定学习率的小波神经网络.     

径向基神经网络在潜艇战场态势判断中的应用

潜艇的战场态势判断是潜艇作战中的重要环节.一般情况下,对于战场态势是基于指挥员经验而判断的,其准确性不好,较强地依赖于战场指挥员的战术素养.由于不同潜艇战场态势决定不同目标的方位序列,提出了一种利用概率型径向基神经网络的方法,并通过目标方位序列与目标态势的一一对应关系,进行战场态势的判断.结果表明该方法具有较好的识别能力.     

捷联惯性系统中 IMU 安装误差及陀螺漂移的估计

为减小IMU 安装误差及陀螺漂移对捷联惯性系统导航参数精度的影响,采用速度/姿态角组合匹配传递对准模型的误差方程和IMU的安装误差角方程结合的方法组成新的滤波器模型,并引入改进的BP神经网络算法,实现了IMU安装误差及陀螺漂移的快速有效估计.为对捷联惯性导系统的各项导航参数进行修正和补偿、提高导航精度提供了依据.     

PCNN图像分割新方法

为了解决脉冲耦合神经网络(PCNN)难以确定最优分割结果以及脉冲产生门限由非线性方法计算得到的问题,提出了一种基于PCNN的图像分割新方法.该算法采用线性方式动态调整脉冲门限,采用二维最大相关准则确定PCNN网络的循环迭代次数,并引用中值滤波的思想对PCNN的接收部分进行了改良,以克服噪声对分割过程的影响.实验结果表明该方法能获得视觉效果较好的分割结果并具有较强的普适性.     

不确定多属性决策的单目标优化方法研究

运用神经网络的非线性映射和遗传算法的寻优特性,建立了不确定多属性决策的单目标优化模型。把属性值区间作为遗传算法染色体的搜索范围,用训练好的神经网络计算适应度。用不同的适应度函数来计算综合属性值区间数的下界和上界,然后对方案进行排序。算例结果表明,该方法是可行的。     

基于随机动力学的火炮射弹散布评估

火炮射击时由于炮口振动参数的大小直接影响着射弹散布,在考虑内弹道诸元随机性的基础上,借助ADAMS／Insight对火炮的炮膛压力进行了随机模拟。基于所建立的火炮虚拟样机模型,采用随机动力学理论,进行炮口随机响应分析。通过建立射弹散布与炮口振动的函数关系进行射弹散布的评估,实现了从武器系统诸元的统计特性到装备性能的评估。     

基于压力测量的发动机汽缸磨损寿命预测方法

对不同摩托小时的某型坦克发动机进行了实车检测试验,采用压力传感器测量了发动机汽缸压缩压力,分析了汽缸压缩压力随发动机使用时间的变化趋势。分析了汽缸套磨损的特点及对发动机使用寿命的影响。针对发动机汽缸磨损的非线性特点,建立了人工神经网络预测模型,实现了对坦克发动机汽缸使用寿命的预测。     

数据挖掘与数据融合相结合的异类信息融合*

针对组网系统中的信息样式多、模糊性强等特点,介绍了分布式异类传感器组网系统及其特点,将数据挖掘中的知识发现理论与数据融合的知识应用理论相结合,建立了异类信息综合处理的集成模型。并提出了基于模糊神经网络的数据挖掘算法,增强了集成模型的自学习性能。模型有效地提高了异类传感器组网系统的智能化、自动化能力。     

柔性神经网络滑模主动控制技术

针对复杂激励条件下的振动控制,对Jiles-atherton模型的磁致伸缩作动器在双层隔振系统中的主动控制进行了研究。以传统滑模控制为基础,提出一种柔性神经网络滑模控制算法。用正则化方法设计控制器的切换矩阵,建立神经网络权值和柔性映射参数更新学习公式,并将该控制策略应用于双层隔振系统的振动主动控制中。通过单频、多频及随机信号激励进行仿真研究,结果表明:柔性神经网络滑模控制器具有较强的鲁棒性,具有较好的控制效果。