基于RBF网络的滑模变结构控制在无刷直流电机伺服系统中的应用

无刷直流电动机的参数强耦合、高度非线性特性增加了对其速度控制的难度,针对这一特点,设计了一种神经网络滑模变结构速度控制器。将无刷直流电机速度伺服系统分成名义模型和不确定模型,采用状态反馈方法对名义模型进行控制,以RBF神经网络为滑模动态补偿器对不确定系统进行控制。该方法不仪具有变结构控制的抗参数摄动、抗干扰以及速度快等优点,神经网络控制的加入还有效地减弱了单纯滑模变结构控制所带来的“抖振”现象。Matlab仿真结果表明,该控制器具有良好的控制性能和鲁棒性能。     

雷达组网系统仿真试验信息源软件研制

针对目前雷达模拟器不能满足雷达组网系统调试与模拟测试需求的问题,在分析雷达组网系统测试信息源功能需求的基础上,采用纯软件的实现方法,从体系结构、功能模块和信息流3个方面对系统进行了详细的设计,讨论分析了具体技术实现中的几个关键问题,给出了具体的仿真实例。系统测试结果验证了设计的合理性,该设计满足了雷达组网系统测试对目标和雷达控制灵活性等多方面的需求。     

基于BP神经网络的柴油机动态输出扭矩预测建模

比照测试柴油机负荷特性方法对某型废气涡轮增压柴油机进行了全工况热平衡台架试验,并以柴油机各稳定工况点台架试验的转速、加油尺杆位移、排气温度及相应输出扭矩的测试数据为训练、测试样本,通过BP神经网络的反复学习,得到了精度较高且泛化能力较强的柴油机动态输出扭矩预测模型。     

基于神经网络的柴油机技术状态主元信息提取方法

在柴油机技术状态监测时,表征其技术状态的特征参数有很多,合理提取状态主元信息是一项关键的任务。分析研究了人工神经网络的信息提取原理和方法。以某型坦克柴油机为例,通过柴油机性能检测试验测取了能够反映柴油机技术状态变化的典型特征,建立了O ja神经网络信息提取模型,提取了柴油机技术状态的主元信息。分析结果表明:提取的主元信息能够反映柴油机技术状态随柴油机使用时间的变化趋势。该方法为坦克柴油机的技术状态监测与故障诊断提供了有效手段。     

信源数动态变化的一种稳健超定盲分离算法

针对大多数现有盲分离算法都假定信源数已知,分析了信源数未知且动态变化时的超定盲分离(接收天线数多于信源数)算法,通过奇异值分解在线估计信源个数,并修正自适应神经网络的维数。文章在经典Cichocki-Unbenauen算法中加入动量项,设置可变步长,使分离性能得到较大的改进,同时避免训练陷入局部最小。与文献[1]新提出的ANA算法相比,仿真结果证明本文算法具有更快的收敛速度和更小的稳态误差。     

神经网络技术在智能BIT故障诊断系统中的应用

论述了智能BIT的智能设计、智能检测、智能诊断和智能决策,构建了基于神经网络的某高炮装备随动系统的智能BIT故障诊断系统。用Multisim进行电路仿真,提取输出信号的均值、峭度、偏斜度构成三维向量,以它作为特征向量利用神经网络进行模拟电路的故障诊断。通过比较BP神经网络、SOM神经网络和小波神经网络的诊断结果,得知利用均值、峭度和偏斜度作为特征,BP神经网络和SOM神经网络能够有效识别故障状态模式。     

异步雷达组网协同跟踪动态传感器分配算法

针对异步雷达组网下的协同跟踪问题提出了一种基于异步顺序融合的动态传感器分配算法。该算法对异步雷达的量测值按采样时刻顺序滤波,根据滤波协方差和目标期望协方差的接近程度动态选择下一时刻跟踪的最优传感器集合。仿真分析表明该算法和基于伪量测的异步雷达组网协同跟踪传感器分配算法相比具有较少的计算量和较高的目标跟踪精度。     

基于能力映射的体系网络化建模与分析

从体系所具有的能力出发,准确地描述体系中实体之间的关系,建立体系结构模型是体系设计与分析的基础,也是基于能力的体系规划的关键。首先提出了能力到组分系统的映射规则,然后将所构建的体系二分网络转化为组分系统的加权合作网络,有效描述了体系组分系统间的复杂关系。最后给出了体系组分系统关系价值度量指标,并对网络模型进行社团结构分析,为基于能力的体系规划作了有益尝试。     

超短波电台网模型研究

超短波通信是军事通信中广泛应用的通信方式,如何根据应用需要建立适合的网络与通信模型是作战建模与仿真中经常遇到和需要解决的问题。分析了当前超短波通信建模研究的现状,在详细探讨建模需求的基础上,提出了超短波电台网网络模型,给出了有效通信距离简化模型,以及考虑战场电磁环境和地理环境的通信链路质量模型,最后进行了仿真实验验证。该模型能够有效解决作战模拟中超短波通信效果对于作战效能影响分析的问题,简化了模型设计,提高了模型应用性,也为短波、微波、卫星等其他类型网络模型设计提供了参考建模方法。     

用于卫星干扰源定位的压缩感知DOA估计方法

针对传统测向方法的实际应用性能较差,提出一种基于压缩感知(CS)的卫星干扰源定位方法。根据干扰信号方位角的空间稀疏性,建立了压缩感知波达方向(DOA)估计模型。通过协方差矩阵的高阶幂逼近信号子空间和矩阵的共轭对称特征,利用高阶幂矩阵的主对角线下左下角列向量进行波达方向估计。仿真实验验证,该方法不需要已知干扰源数,具有较高的精度和较好的分辨力,且能满足对相干干扰信号的估计。对压缩感知DOA估计在卫星干扰源定位中的应用具有一定参考意义。