两类白化权函数的比较

分别根据三角形白化权函数和梯形白化权函数对长江流域各站点的水污染现状进行灰色评价,对评价结果进行比较,发现三角形白化权函数和梯形白化权函数的使用在灰色评价中利用最大隶属度原理得到的结果是一样的,这与灰色理论及模糊数学理论是一致的。若要精确到求出评价值进行排序,结果不完全相同,但差别不大。与其他方法比较利用梯形白化权函数计算尽管复杂但效果更好些。     

具有全局收敛性的盲均衡算法

为了解决传统的自适应均衡技术需发送训练序列的问题,采用盲均衡技术,利用接收信号本身的特征使均衡器收敛。提出了一种新的盲均衡算法(C&D算法),该算法将CRIMNO算法和判决引导(Decision Directed,DD)算法相结合,利用信号序列间的互不相关特性,从而使其具有全局收敛性能。实验结果表明:与CRIMNO算法相比,在相同的信噪比下,该算法具有收敛快速、运算量少和残留误差小的特点。     

模糊综合评判的同类地空导弹火力单元作战能力评估

除实弹射击考评外,如何利用非实弹射击演练和平时可获取的信息,对武器系统同类的不同火力单元的作战能力做出科学评估,是现实而又迫切需要解决的问题.基于已建立的同类地空导弹火力单元作战能力的评价体系,运用AHP法和模糊数学建立了火力单元作战能力的三级模糊综合评判模型,给出了基于等级区间非均等划分的百分制和区间中值评定等级行向量下的具体评估算例,为同类地空导弹火力单元作战能力的科学量化评估做了有益探索.     

潜射反舰导弹作战效能的模糊综合评判

潜射反舰导弹是现代潜艇作战的重要武器,对其作战效能的评价长期以来一直采用单一指标,无法全面准确的进行评价.通过对影响潜射反舰导弹作战效能各因素的分析,建立了作战效能综合评价的指标体系.应用模糊综合评判的方法,在借鉴WSEIAC模型的基础上建立了数学模型,并给出算例与仿真.研究结果表明此方法可较好地评估潜射反舰导弹的作战效能,并为其研发及使用提供决策依据.     

语言评价信息的武器系统模糊积分评估

传统的武器系统评估方法是基于概率和统计理论的,并假设各指标之间相互独立.然而,实际上武器系统指标的评价具有人为主观性和模糊性,并且各指标之间通常存在着依存关系.综合评述和对比了传统武器系统评估方法的适用范围以及不同方法的优劣,指出了它们的不足,提出了一种基于语言评价信息和模糊积分的武器系统评估方法.专家的评判结果是可用梯形模糊数描述的自然语言信息.     

液体火箭发动机基于神经网络的实时故障检测算法实现

以某大型液体火箭发动机为研究对象,针对其启动和稳态工作过程,利用Matlab和Lab Windows/CVI等编程工具,基于神经网络技术,开发实现了其地面试车过程实时故障检测的BP(Back Propagation)和RBF(Radial Basis Function)算法。多次试车数据离线检验和实时在线考核结果均表明该方法能够及时、有效地检测出发动机工作过程中的故障,没有出现误报警和漏报警,并能够很好地满足现场试车的实时性和鲁棒性等要求。     

基于RBF神经网络的直接自适应飞行控制器

设计了一种径向基神经网络(RBF NN)飞行控制器结构,并给出了相应的控制律和参数调节律。由于调节了RBF NN的全部参数(连接权、高斯函数的中心和宽度),得到了很好的控制性能。以F8战斗机为控制对象进行了仿真分析,仿真表明,在存在70%的模型误差的情况下,该控制器仍然能实现较好的跟踪控制,表现出很好的鲁棒性,远远优于传统的只调节连接权值的算法。     

一种新的模糊多层自组织神经网络图像目标检测方法

神经网络方法和模糊集理论用于图像处理和目标检测时各有优势,文中提出了一种将神经网络和模糊集理论集成的混合方法,即模糊多层自组织神经网络法。该方法将模糊测度作为神经网络的目标函数,网络包括多层结构,任一层中的一个神经元对应图像中的一个像素,该神经元只与前一层的对应元素及其邻域元素连接。针对遥感图像的实验处理过程证明该方法能够有效地进行目标检测和提取,并且具有良好的噪声免疫力。     

基于信息熵的模糊控制系统稳定性分析

鉴于模糊控制系统稳定性分析方法的复杂性和不完善性 ,用信息论的观点思考这一问题。依据李雅普诺夫稳定性分析原理 ,通过引入信息熵的概念 ,对模糊控制系统的稳定性分析方法进行深入研究和探讨。在综合考虑系统动态品质和稳定边界要求的基础上 ,给出了一般模糊控制系统的稳定性定义 ,并通过严格的数学推导证明了使模糊控制系统稳定的一个充分条件     

改进型自适应推广卡尔曼滤波器的应用

针对在被动方式下进行水下目标跟踪容易导致滤波发散和收敛精度不高的问题,介绍了一种改进的自适应推广卡尔曼滤波算法。它能够在线估计虚拟观测噪声的统计特性,从而克服了观测模型线性化误差带来的不良影响。同时,通过引入修正增益函数,克服了由于观测噪声的统计特性不能精确已知而导致的滤波不稳定问题。仿真结果表明,不管是滤波精度还是收敛速度,都优于原来的自适应推广卡尔曼滤波算法