基于径向基小波神经网络的装备保障方案评价模型

针对装备保障方案评价的实际问题,利用小波函数的多分辨率分析和逐层逼近能力,建立了基于径向基小波神经网络的装备保障方案评价方法。通过对装备保障方案中评价参数的量化,建立评价参数的样本库。将各种性能指标输入到训练好的网络,客观地评价保障方案的性能。以陆军防空旅装备保障方案为例,组织保障领域的专家对评价参数进行综合研讨,得到量化的参数值,然后使用新方法对其进行评价。仿真结果表明,径向基小波神经网络具有良好的非线性映射能力和泛化性能,能够比较准确地对装备保障方案做出评价。     

国防工程智能信息系统效能评估研究

在简要介绍国防工程智能信息系统组成和功能的基础上,提出了系统效能评估指标体系,分别用BP神经网络和AHP法建立了国防工程智能信息系统效能评估模型,并对系统的设备监控管理能力进行了评估。仿真结果表明,BP神经网络法克服了传统评估方法精度低、模型复杂和计算量大的缺点,可将以往的专家经验知识进行分析学习,能够实现实时方便的在线评估;AHP法对多层次的指标体系具有较强的处理能力,但是存在指标权重确定主观性强,计算量大的问题。     

基于BP神经网络的装甲战斗车辆性能指标需求方案评价

针对现行评价方法存在的问题,本文提出了一种基于BP神经网络的装甲战斗车辆性能指标需求方案评价方法。首先给出了装甲战斗车辆性能指标需求方案评价的指标体系,然后阐述了基于BP神经网络的装甲战斗车辆性能指标需求方案评价步骤,最后给出示例证明了方法的可行性。研究表明,该方法能够降低评价过程中人为因素的影响,从而提高了装甲战斗车辆性能指标需求方案评价的准确性。     

基于灰色神经网络武器装备研制费用预测模型

提出了基于灰色系统理论与神经网络的武器装备研制费用组合预测模型,该模型首先采用灰色GM(0,N)模型对研制费用进行预测,利用LMBP神经网络对预测误差进行了模拟与修正,实例验证该方法具有较高的预测精度.     

基于概率神经网络的编队协同防空威胁评估

为了有效地进行防空作战部署,确保重点目标不受或少受损失,以防空作战实际需要为出发点,针对目前多平台协同防空作战中目标威胁评估问题普遍存在的不足,从舰艇编队的整体角度出发,运用概率神经网络的方法,建立了编队协同防空目标威胁评估问题的数学模型,给指挥员提供了正确决策。通过实例验证,证明了该模型的有效性和正确性。     

神经网络自适应自动驾驶仪设计及其在AUV路径跟踪中的应用

针对AUV三维路径跟踪过程中的自动驾驶仪设计问题,根据时标分离原理将AUV路径跟踪自动驾驶仪系统即姿态稳定回路划分成快、慢回路.采用神经网络H∞鲁棒自适应控制算法分别设计了自动驾驶仪快、慢回路的控制器,用Lyapunov穗定性理论对系统进行了穗定性分析.仿真结果表明:路径跟踪控制系统具有良好的动态性能.     

基于改进的BP算法的RoboCup防守策略研究

传统的BP神经网络算法已被有效地应用于处理RoboCup中防守策略,但是它具有最速下降法收敛速度慢和易陷入局部极小的缺点.针时该问题提出了一种改进的BP算法,通过增加附加动量项对BP算法进行了改进,并将之应用于离线的防守学习.随后,在RoboCup环境中与传统的BP算法进行了比较,结果表明:该方法可有效提高收敛成功率.     

基于RBF神经网络的导弹自动驾驶仪故障诊断

系统地分析了某型导弹自动驾驶仪的结构功能,在此基础上提出了采用RBF(径向基函数)神经网络对自动驾驶仪进行故障诊断的方法;提出了用Gauss(高斯)函数对获取的数据进行归一化处理的方法,再用处理后的数据训练RBF神经网络。实验结果表明,训练后的神经网络能快速、准确地诊断自动驾驶仪的故障,为自动驾驶仪的故障诊断提出了一种新的方法。     

基于神经网络的目标预测跟踪

针对高炮火控系统的现状,在阐述神经网络模型预测控制理论的基础上,将神经网络模型预测控制器应用于火控系统的目标跟踪中,同时利用Matlab对其进行了实验仿真,并将仿真结果与传统控制器和模糊控制器仿真结果相比照进行了分析,验证了该控制器可以较好地提高火控系统目标跟踪的速度和精度,从而使系统具有良好的鲁棒性和自适应性.     

结合规则知识与神经网络于空袭武器的辅助选择

结合规则推理与神经网络,提出了一种新的空袭武器辅助选择方法。其根据空袭武器选择的基本原则以及问题的特点,构造T-S模糊逻辑系统及其实现的相应神经网络模型,然后通过已有的战例与试验例子训练神经网络,并对问题进行求解,得出空袭武器选择提供依据(一种量化的武器适用度)。另外,还利用专家提供的规则知识于学习实例的预处理,学习实例信息的扩充。