应用D-S证据理论进行多传感器雷达体制识别

在阐述Dempster-Shafer(D-S)证据理论的基础上,较系统地论述了基于D-S证据理论的多传感器雷达体制识别的数据融合方法,并给出了具体的识别实例。实验结果证明了基于多传感器融合后的识别结果明显优于单传感器的识别结果,说明了D-S证据理论的有效性和先进性。     

基于径向基函数神经网络的漏磁信号反演

采用径向基函数神经网络的方法对漏磁信号反演进行了研究,由实验数据和仿真数据获得样本,在网络训练的基础上,建立了由缺陷的漏磁信号到缺陷二维轮廓图的网络映射,实现了缺陷二维轮廓图的漏磁反演,为漏磁定量化检测提供了一种可行的方法。     

导弹发射装置伺服系统模糊PID控制研究

在某型导弹发射装置的伺服系统中,对系统的性能指标要求很高,传统的PID控制往往难以满足要求。以某型导弹发射装置的伺服系统为模型,设计了模糊PID控制器。通过与传统的PID控制器仿真实验对比,可以看出应用模糊PID控制器能够有效提高该伺服系统的动态性能和鲁棒稳定性。     

基于改进的相干法的InSAS三维地形生成方法

提出了一种利用时延测距进行干涉合成孔径声纳(InSAS)数字高程模型(DEM)重建的方法。重点研究了采用相干系数估计两幅合成孔径图像的时延,并利用插值和相位修正提高时延估计精度的方法。分析了时延估计过程中可能出现的时延跳变情况,并给出了解决办法。采用仿真数据和干涉合成孔径声纳样机实测数据对所提方法进行了验证,结果表明:该方法是有效的,能够获得可靠的高程结果。相比传统的干涉处理方法,该方法避免了图像配准、相位滤波、解卷等步骤,实现起来更加简便。     

效用函数的装备保障效能分析与评估

论述了装备保障效能及其评估的内涵,分析了效用函数的概念和构成方法,以ARINC系统效能模型为基础,结合我军装备保障工作的特点,系统地研究了影响装备保障效能的指标,建立了科学合理的装备保障效能指标体系,应用效用函数分析了每个效能评估指标,建立出装备保障效能评估的数学模型,并应用具体实例对其进行了论证。     

不同损失函数下指数-泊松分布的Bayes估计

基于定数截尾样本,在熵损失、Linex损失和刻度平方损失函数下,给出了指数-泊松分布参数的Bayes估计,并证明了所给估计都是容许的。最后给出了随机模拟例子,对所给估计结果的优良性进行了分析比较。     

装备使用阶段安全风险评估

面对武器装备快速发展和部队训练转型快速推进,装备使用安全形势日趋严峻的情况,分析了装备使用阶段存在的各种安全风险因素,构建了装备使用阶段安全风险评估指标体系,采用模糊层次分析法计算了各指标的权重,应用模糊综合评判法实现了装备使用阶段安全风险综合评估,并通过装甲装备实例验证了方法的合理性和有效性。该方法能够提高风险评估准确性,可为风险量化和有针对性地开展装备安全管理提供有益参考。     

一类不确定时滞混沌系统的全局鲁棒自适应神经网络同步控制器设计

研究一类不确定时滞混沌系统的全局鲁棒自适应神经网络同步控制器设计,其系统中的不确定时滞项不是简单的线性有界条件,而是允许其存在高阶项,因此具有全局特性．在控制器的设计上;首先通过选取合适的径向基函数（RBF）神经网络的权向量去逼近时滞系统中的未知连续有界部分;然后在RBF神经网络输出的基础上,选用一个鲁棒自适应控制器来趋近时滞系统的不确定部分;同时,利用Lyapunov稳定性理论对混沌同步的条件给出了论证;最后,数据仿真的结果表明该方法的有效性．     

一类三维混沌系统的T—S模糊控制

针对一类三维混沌系统,在用T—S模糊模型重构该系统的基础上,利用反馈控制思想和并行分布补偿（PDC）技术,基于Lyapunov理论为该系统设计了状态反馈控制器．利用线性矩阵不等式（LMI）可求出模糊控制器的参数,实现以衰减率a全局渐近稳定．对该系统的一个重要特例—ADVP系统的仿真结果验证了该控制方法的有效性．     

某扫雷犁电液伺服系统的模糊神经网络控制

针对某扫雷犁电液伺服系统这一典型的非线性系统,使用基于减法聚类的模糊神经网络(FNN)自学习算法设计了控制器,其中减法聚类用于确定模糊神经网络的初始结构。在网络的学习过程中,对结论参数采用最小二乘法进行辨识,对前提参数采用误差反传算法进行调整;并使用AMESim软件搭建了扫雷犁的液压系统模型,利用其接口技术实现了与Simulink的联合仿真。实验结果表明模糊神经网络控制器的控制效果要优于传统的PID控制器。