GNSS/INS超紧组合导航综述

卫星/惯性超紧组合导航系统以其定位精度高、动态性能优良、抗干扰能力强等特性成为组合导航领域的研究热点。介绍了卫星/惯性超紧组合的定位原理,基于对技术原理的分析,比较超紧组合模式相对于其他组合模式的优势特点;以高动态下超紧组合技术及卫星/微惯性单元超紧组合为代表介绍国内外研究现状;总结了亟待研究的容错控制技术、神经网络辅助、多传感器辅助超紧组合等关键技术,并对卫星/惯性超紧组合向着低成本、高精度、强稳定趋势发展的前景进行展望。     

融合图嵌入的Smooth-PCANet图像识别算法

主成分分析网络（Principal Component Analysis Network,PCANet）是一种简单的深度学习算法,在图像识别领域具有优秀的性能。然而PCANet在构建网络卷积核时只关注了图像的主分量信息,忽视了近邻像素点之间的位置关系。而通常情况下,图像的相邻像素点具有空间强相关性,因此利用图结构保持像素点的位置近邻关系更有利于网络提取有效特征。因此,我们将图嵌入思想融入PCANet,提出一种新的图像识别算法Smooth-PCANet。为了验证Smooth-PCANet算法的有效性,我们在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。     

基于CNN的三相逆变器开路故障诊断及其样本条件分析

为了合理选择样本条件以实现高效的智能化诊断,以及克服智能化方法中传统反向传播(back propagation, BP)网络权值较多、局部信息提取能力不足的问题,对基于卷积神经网络(convolutional neural network, CNN)的开路故障诊断方法进行研究,并以典型的三相两电平逆变器为具体对象,着重分析样本时长、样本数量变化时,CNN方法相较于BP网络方法在网络权值数量、训练稳定性、诊断准确率上的量化优势。结果表明,基于CNN的方法可在权值数量远少于BP网络方法的情况下构建深度更深的诊断模型,并在更短样本时长、更少训练样本数量下实现高效、准确的开路故障诊断。     

Data-driven prediction of plate velocities and plate deformation of explosive reactive armor

Explosive reactive armor (ERA) is currently being actively developed as a protective system for mobile devices against ballistic threats such as kinetic energy penetrators and shaped-charge jets. Considering mobility, the aim is to design a protection system with a minimal amount of required mass. The efficiency of an ERA is sensitive to the impact position and the timing of the detonation. Therefore, different designs have to be tested for several impact scenarios to identify the best design. Since analytical models are not predicting the behavior of the ERA accurately enough and experiments, as well as numerical simulations, are too time-consuming, a data-driven model to estimate the displacements and deformation of plates of an ERA system is proposed here. The ground truth for the artificial neural network (ANN) is numerical simulation results that are validated with experiments. The ANN approximates the plate positions for different materials, plate sizes, and detonation point positions with sufficient accuracy in real-time. In a future investigation, the results from the model can be used to estimate the interaction of the ERA with a given threat. Then, a measure for the effectiveness of an ERA can be calculated. Finally, an optimal ERA can be designed and analyzed for any possible impact scenario in negligible time.     

以优质的信息服务打造武警高校名牌图书馆

武警院校图书馆要以提供优质的信息服务为着眼点,不断创新服务理念、服务方法和服务手段,并通过各项措施保障优质信息服务,达到创建武警高校名牌图书馆的目的。     

伦理教育维度下工程院校校园网络文化构建

在工程院校网络文化构建中,充分发挥伦理教育功能是素质教育的重要内容。工程伦理教育作为人文教育与科技教育交叉结合的新学科,要求高校尤其是工程院校在网络文化构建中,确立科学的教育理念、正确的舆论导向,多学科交叉配合,培育学生树立社会责任感,正确的价值观、利益观和强烈的伦理道德意识。     

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Zigbee无线传感器网络的押运感知节点的研究与设计

利用无线传感器网络及Zigbee协议标准,对押运信息感知监测系统进行了分析;提出了基于Zigbee无线传感器网络与空间定位技术、计算机技术、数据通信技术结合的押运信息感知监测系统架构;设计了押运感知监测网络中感知节点的软硬件,并且对网络感知节点软硬件功能进行了测试。     

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。