基于粗糙集-神经网络编队协同空战决策系统

为了提高空战决策的实时性和准确度,将粗糙集理论和神经网络引入到编队协同空战战术决策研究中,提出了应用SOM网络-粗糙集-BP网络集成进行编队协同空战战术决策的方案:应用SOM网络离散化决策系统输入数据的连续属性值;利用粗糙集数据分析方法,从数据中提取出规则将输入映射到输出的子空间上;在这个子空间上用BP网络进行逼近.2:4编队空战实例仿真结果验证该方案的可行性,在数据充分的条件下,该方案可以推广应用于其它空战决策系统.     

一种新型粗糙集神经网络的故障诊断方法

结合粗糙集理论,建立了基于SOFM网络的新型粗糙集神经网络故障诊断模型,给出了该模型的流程图,描述了系统各组成部分的工作原理.应用该模型对某型雷达进行故障诊断,实例证明新模型能够减少输入端数量,简化神经网络的结构,提高系统的速度,诊断时间短,准确性高,结果易于实现可视化,最后得到了故障可视拓扑映射图.     

基于BP神经网络的防空导弹火力单元阵地评价模型

建立了防空导弹阵地评价的指标体系。对应用人工神经网络解决防空导弹阵地评价的方法问题进行了探讨 ,并且给出了神经网络的评价模型及算法。实例证明该方法是可行的。     

基于神经网络的内燃机燃烧过程的辨识

发动机燃烧过程的数值计算精度是计算有害排放物和发动机结构优化的基础。跳出基于零维模型、准维模型和多维模型的数值计算方法,基于利用神经网络对燃烧过程进行辨识,并给出了仿真结果。     

基于神经网络的螺丝表面缺陷检测

针对螺丝零件通常存在的缺陷检测问题,提出了一种基于神经网络螺丝表面缺陷检测方法。将SimAM注意力机制引入YOLOv7网络模型,用GIoU损失函数替换CIoU损失函数提高模型检测精度,在目标框位置预测过程中,引入Soft-NMS优化候选框选择方法,有效提升候选框位置选择的精度。实验结果表明,改进后的网络模型平均精度均值(mAP)达到98.9%,对小目标缺陷检测精度更高,误检漏检情况更少,可以有效满足螺丝表面缺陷检测要求。     

基于格拉姆角场和PSO-CNN的滚动轴承故障诊断方法

针对卷积神经网络的结构对滚动轴承故障诊断精度有较大影响的问题,提出一种基于格拉姆角场和粒子群优化卷积神经网络结构的故障诊断方法。采用格拉姆角场对一维轴承振动数据重构,保留原始数据信息的同时包含了时间相关性;采用粒子群优化算法对编码后的卷积神经网络结构迭代寻优。利用西储大学的轴承数据集进行试验验证,试验结果表明,该方法可自适应生成网络结构,平均诊断精度为99%,相对于其他主流卷积神经网络结构可以获得更好的故障诊断精度。     

基于RBF神经网络的功率测量非线性补偿

提出了基于径向基函数神经网络对功率测量值进行频率补偿和温度补偿的方法。通过实例说明了这一方法的应用。结果表明在对所测得的功率值进行校正时,神经网络补偿办法比传统的查表或多重查表法所占用的存储空间少、补偿的精度更高、所花费的时间较少,并且这种方法对由于其他因素所引起的测量结果非线性也同样有补偿作用。     

基于SDNN神经网络的多雷达目标航迹跟踪研究

现代雷达系统中,目标的航迹跟踪是Network)节点自删除神经网络的多雷达目标航迹跟踪的方法.仿真结果表明,这种方法能够很好地完成多雷达目标的数据融合,并比较有效地实现了多雷达目标的航迹相关.     

多变量解耦控制方法

介绍了以传统解耦、自适应解耦和智能解耦为主的解耦诸方法,分析了各种解耦方法存在的问题并叙述了应用情况,指出解耦控制是控制领域研究的热点问题,最后对多变量解耦控制的研究进行了展望,并指出寻求简单易行的解耦方法或融合解耦诸算法是解决工程实际的有效途径.     

双模制导系统中导引头跟踪信息置信度判别

判别导引头对目标跟踪信息的可用性是双模制导系统中的关键环节.判别系统中引入置信度指标来描述跟踪信息的可用性.根据导引头探测环境复杂多变的特点,运用具有自主智能性的模糊逻辑推理系统对导引头跟踪信息的置信度进行判别,并针对模糊逻辑推理系统判别耗时问题,提出了把描述跟踪目标信息不确定性的模糊推理规则转化为神经网络的方法,实现了对导引头目标跟踪信息快速性、准确性的判别,满足了双模制导系统的要求.