船用柴油机PID神经网络控制系统的设计

给出了PID NN控制器的结构形式、计算公式,并将其应用于船舶柴油机的转速控制系统中.从仿真结果可知,该算法的控制性能和鲁棒稳定性良好,具有较好的自学习和自适应性.     

基于可调光纤F-P滤波器解调的分布式光纤光栅传感系统

提出并实现了一种可满足工程实用要求的波分复用光纤光栅传感网络解决方案,系统通过可调谐光纤F-P滤波器的连续扫描实现波长信号的解调.该传感系统扫描带宽50 nm,单点工作带宽5 nm,对一般应用系统每根单纤可设20-30个点,系统最高扫描频率200 Hz,分辨率5 pm(约5με或0.5℃).     

交流异步电动机直接转矩控制系统的一种新型设计方案

将模型参考自适应控制、滑模变结构控制和人工神经网络控制应用到交流异步电动机的直接转矩控制系统中,从而可以改善系统的动态和稳态性能,提高了系统的鲁棒性.     

基于BP神经网络的柴油机调速特性和外特性统一建模

对比分析了柴油机调速系统常用的两种建模方法的优缺点,采用BP神经网络方法建立了柴油机调速特性和外特性统一模型,并给出了仿真结果。     

基于神经网络的柴油机特征参数评价与选择

在设备故障诊断中,正确地提取与选择特征参数对于诊断结果的有效性和准确性具有关键性的意义,在提出评价判据时样本的概率分布往往难以确定,针对模式识别中特征量的选择方法,结合人工神经网络原理,提出了利用人工神经网络进行故障特征量评价与选择的方法,实现了对柴油机特征参数的提取及选择,有效地解决了柴油机状态监测与故障诊断中测试参数多而难以优化的问题。     

基于演化网络的体系对抗效能模型

在对Lanchester假设的扩展和网络化基础上,构造了体系对抗战场的图论表示FR,B=红军网络IR∪蓝军网络IB∪交战空间fR,B,利用生成fR,B的随机子网和对参战网络"去点"的方法,提出一种统一表示体系对抗中交战行为与网络行为的模型新范例——体系对抗演化网络模型,模型中网络部队作战效能不但依赖兵力规模和武器性能,而且受网络结构及其战场环境的影响。试验对比了拥有同等作战资源网络体系的作战效能,得到在一个对抗系统中无标度网络对随机网络的胜率高但并非总赢的结论,初步分析了在对抗系统中无标度网有效、鲁棒但脆弱的原因。     

基于大规模贝叶斯网络的安全性分析算法

贝叶斯网络计算量随着节点数增多呈指数增长,限制了大规模贝叶斯网络在安全性分析中的应用。为此,利用独立性条件分解整个网络,压缩推理时显式表达的项数,给出了计算顶事件发生概率及割集的算法,并分析了算法复杂性。在满足工程需要情况下,将提出算法与基于BDD算法相比,该算法表现出占用内存少、运行速度快的良好性能。     

基于深度神经网络的无线覆盖预测算法*

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测来判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明,该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。     

电磁发射系统改进FAHP-神经网络健康评估方法

准确定量评估电磁发射系统发射前的健康状态意义重大。针对模糊层次分析方法(Fuzzy Analytic Hierarchy Process, FAHP)在评估电磁发射系统串行结构同级元素健康值时存在较大偏差,且无法适用系统非线性变权重需求的缺陷,提出改进FAHP-神经网络方法。通过在计算同级元素健康指数时构造能够满足串行结构健康评估的非线性函数进行计算,并在数学上证明该方法的有效性;通过引入神经网络系统,在已有的系统先验信息和测量数据的基础上训练模型解决系统健康评估非线性变权重需求。基于电磁发射系统脉冲成形网络系统建立健康评估模型,开展评估试验。结果表明,提出的方法健康评估精度较高,在各种系统健康状态下,评估结果均符合系统实际的健康状况;对比传统的FAHP,提出的改进方法评估精度大幅提升,且在评估试验中没有出现故障误报和漏报的情况,从而验证了提出方法的可行性和工程实用价值。     

面向任务指控系统时延分析模型及其改进

面向任务指挥控制系统是为了完成一个或多个作战任务,而将现有的相关指控系统互联互通形成网络,各种作战信息可以在网络中传输和共享的动态构建的系统.现代高技术战争模式下,时间延迟是评价面向任务的指挥控制系统构成的一项重要指标.通过指控节点的图模型,分析面向任务指控系统的结构及其中各种命令流、信息流的特点,采用网络信息熵来反映指控节点网络对信息的协调能力.通过研究和分析已有时延模型的缺点,并考虑实际应用的条件,对模型的惩罚函数进行了改进.