基于小波网络的非线性系统辨识研究

小波网络为非线性系统辨识研究提供了一种有效的方法,但目前用于小波网络学习的进化算法易陷入局部极小等缺陷.结合生物免疫系统的概念和理论,在非线性系统辨识中引入基于免疫算法的小波网络.该算法中抗体通过浓度相互作用的机制来促进或抑制抗体的生成,借此保持抗体的多样性,并产生了高亲和力的抗体对种群进行不断的更新,提高了算法的全局搜索能力和收敛速度.最后,把基于免疫算法的小波网络用于一个非线性系统辨识的标准实例中,仿真结果验证了该算法的有效性.     

射频识别系统的多目标识别-反碰撞算法

对多目标识别技术的二进制搜索算法、时隙ALOHA算法进行了剖析,并对ALOHA算法用概率论和数理统计的方法进行了深入的理论分析,得出要根据所设计的射频识别系统的特点合理采用各种算法方可得到良好的效果.该算法的实现对提高高速公路上自动收费系统、人员和物流管理等各领域的工作效率具有一定的指导意义.     

面向作战任务的最小风险传感器调度方法

基于风险理论提出一种面向不同目标探测任务的传感器调度方法。将主动传感器辐射被截获风险和目标探测风险结合起来,建立一般目标探测框架下的传感器最小风险调度模型。分目标跟踪、目标识别和目标威胁等级评估三种情况将传感器最小风险调度模型具体化,给出不同情况下目标探测风险值的计算方法。针对模型的求解提出一种基于混沌思想、反向学习和双向轮盘赌的改进人工蜂群算法。通过仿真实验证明了模型的可行性和算法的有效性。     

基于组合权重的目标识别系统威胁评估

现代信息战场中,对敌方的目标识别系统进行有效干扰,是增强我方、打击敌方的有效手段。对敌方的目标识别系统进行有效的威胁评估,有助于指挥员的决策以及对干扰资源的优化配置。借鉴空中目标威胁评估常用方法,提出对敌方目标的敌我属性识别系统进行威胁评估的方法。首先选择合理的威胁评估指标,然后对指标数据进行规范化处理,利用信息熵法求解威胁评估的客观权重与改进的层次分析法求解出的主观权重加权得到组合权重,运用灰关联分析法进行威胁评估和排序,最后用实例验证方法的有效性和合理性。     

热障涂层厚度及其涂敷下材料内部缺陷的红外定量识别

针对热障涂层结构材料红外定量检测存在的不足,提出基于脉冲相位的LM(LevenbergMarquardt)识别算法。针对研究问题,建立了轴对称圆柱坐标下热障涂层结构材料的瞬态导热模型,利用有限体积法计算出检测表面的温度场,经快速傅里叶变换得到检测表面的相位分布,分析待检测参数对检测表面相位差的影响。以相位为识别条件,采用LM反演算法对热障涂层厚度及其涂敷下材料内部缺陷位置大小进行定量识别,并采用数值实验方法验证了基于相位的LM识别方法的有效性。     

高超声速飞行器边界层外缘参数仿真分析

以高超声速飞行器为研究对象,构建快速准确计算高超声速飞行器无黏边界层外缘参数的计算方法。拟合空气比热、比热比随温度变化曲线,建立空气属性温度划分准则。基于不同空气属性建立高超声速飞行器边界层外缘参数工程与数值计算模型,采用钝双锥模型,对比分析工程估算、无黏数值及有黏数值计算方法的计算结果。结果表明,0°攻角状态下,基于无黏流场的数值计算与工程估算和有黏数值计算的压强最大差值分别为1.19%和2.39%;10°攻角状态下,最大差值分别为5%和50%;从而证明所提出的无黏数值计算方法明显优于工程计算方法,为进一步快速准确计算高超声速飞行器气动热环境奠定了重要基础。     

要素分析法在边防情报识别中的应用

边防情报识别是边防情报工作的一项重要内容,要素分析法是当前公安边防情报识别的基本方法之一。结合公安边防情报的特殊性对要素分析法进行了探讨,旨在更好的运用要素分析法,为公安边防情报的识别提供理论参考,以促进公安边防情报识别工作的进一步发展。     

具有时滞的二阶多点边值问题3个正解的存在性

研究具有时滞的二阶多点边值问题,应用Avery和Peterson推广的Leggett-Williams不动点定理,给出了该边值问题至少存在3个正解的充分条件。     

含有p-Laplacian算子的非齐次边值问题正解的存在性

研究非齐次边界条件下,含有p-Laplacian算子的微分方程的可解性,在Banach空间中应用Krasnoselskii不动点定理,得到了边值问题正解存在性结果。     

Global Diagnosable Sequence的故障诊断能力分析

利用归纳法对Global Diagnosable Sequence的故障诊断能力进行了分析。分析结果表明：目前该算法＂关于征兆混淆问题＂的结论是不够准确的,除了满足一个基本互连诊断算法的抗混淆能力以外,还对W-A/W-O以及W-O/S-D-k无征兆混淆。并由证明过程得到以下结论：无W-O征兆误判的诊断算法必然不存在W-O/S-D-k征兆混淆。