复杂情况下的防空导弹智能制导鲁棒优化设计

在复杂电磁环境下,建立了防空导弹武器系统智能制导鲁棒性问题模型,运用Elman神经网络、T-S模糊推理、线性矩阵不等式(LMI)求解和最优控制等方法和理论,对复杂情况下的防空导弹非线性制导过程进行了数学描述,目的是以系统鲁棒性为牵引对防空导弹智能制导进行优化设计,并就关键技术给出了MATLAB仿真方法.     

BP神经网络在坦克分队火力配系中的应用

坦克分队火力配系是坦克分队防御战斗中指挥员实施战场指挥的重要内容,选取火力配系方案的优劣直接影响着防御作战的胜负.首先介绍了BP神经网络的原理及使用方法,在系统分析制约坦克分队火力配系影响因素基础上,构建了火力配系方案评估的指标体系,接着详细设计了用于评估火力配系方案的BP神经网络模型,并利用MATLAB仿真软件对结果进行了计算和分析.结果表明BP神经网络具有很强的解决复杂非线性关系问题的特点,适用于对坦克分队火力配系方案优劣分析和评价.     

光纤陀螺标度因数的精确标定与补偿

根据光纤陀螺信号静态漂移的数学模型,提出了一种迭代标定方法,可以精确地补偿光纤陀螺的标度因数和安装偏角误差.考虑光纤陀螺标度因数与温度的非线性关系,采用了BP神经网络进行温度补偿,取得了理想的效果.     

随动系统模拟电路模块化故障诊断研究

针对人工神经网络在对装备电路进行故障诊断时出现的网络结构庞大,而影响网络诊断速度的问题,提出了模块化诊断思想。首先根据电路的功能特点以及系统电路分割的原则,将装备电路分割成具有独立功能的模块及子模块,然后建立起混联、串联2种模型,分别对其提出逻辑思想、模糊信息融合的诊断方法,从而将电路故障快速、有效地定位在模块级别,如需进一步诊断元器件故障,只需对故障子模块建立规模较小的诊断网络,从而有效避免诊断大规模电路时诊断网络结构庞大的问题。     

油料消耗神经网络组合预测模型

油料消耗单一预测模型精度不高,难以适应信息化条件下精确保障需要。以单一的神经网络预测模型、时间序列预测模型和灰色预测模型为组合预测的基础,利用神经网络求取3种预测模型的组合预测权重系数,将这3种单一预测模型的预测结果作为神经网络组合预测模型的输入,求得一个新的预测结果。平均相对误差和均方差比表明,神经网络组合预测模型比单一预测模型更为优越。     

基于PCA特征的快速SAR图像目标识别方法

目标识别是SAR图像解译的重要一环,受到广泛的关注,而实时性又是评估目标识别系统性能的主要指标之一.从实时的角度出发,提出了一种快速的SAR目标识别方法.该方法采用基于Hebb学习规则的主分量分析(PCA)进行特征提取,使用多层感知器神经网络(MLP NN)进行目标分类.实验结果表明,在维持较好识别性能的前提下,该方法具有内存需求少、运行速度快的特点,能用于实时处理.