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.     

MATLAB神经网络的舰船磁场强度估算

舰船磁场建模常采用的方法有谐波分析、磁体模拟和有限元等方法,但普遍存在通用性不强和计算复杂等缺点.为了方便快捷地对舰船磁场强度进行估算,通过梳理影响舰船磁场强度的主要因素,利用神经网络的方法建立估算模型,网络学习采用MATLAB环境下的改进BP算法,网络训练时间短,从仿真的结果来看,估算模型具有估算精度高、通用性强的特点,补充了舰船磁场建模方法.     

基于动态神经网络的装备技术状态预测模型

装备的技术状态受多种因素的影响,诸多影响因素之间是一种多变量、强耦合、非线性的关系,同时这种关系还是动态的。根据装备技术状态的特性,使其在相空间里重构,然后利用动态神经网络建立装备技术状态预测模型,并以装备振动信号预测为例进行案例研究,验证了利用动态神经网络进行预测的可行性和优越性。     

基于被动雷达和红外传感器的数据融合

提出基于被动雷达和红外传感器组成的复合探测系统,利用D-S证据理论提高目标识别率,借助神经网络改善目标跟踪算法的性能,同时保持跟踪滤波的计算结构尽可能简单,尤其是减少了数字计算上的复杂性。仿真结果表明了应用新算法的复合探测系统的有效性。     

基于BP神经网络的柴油机调速特性和外特性统一建模

对比分析了柴油机调速系统常用的两种建模方法的优缺点,采用BP神经网络方法建立了柴油机调速特性和外特性统一模型,并给出了仿真结果。     

基于神经网络的柴油机特征参数评价与选择

在设备故障诊断中,正确地提取与选择特征参数对于诊断结果的有效性和准确性具有关键性的意义,在提出评价判据时样本的概率分布往往难以确定,针对模式识别中特征量的选择方法,结合人工神经网络原理,提出了利用人工神经网络进行故障特征量评价与选择的方法,实现了对柴油机特征参数的提取及选择,有效地解决了柴油机状态监测与故障诊断中测试参数多而难以优化的问题。     

船用柴油机PID神经网络控制系统的设计

给出了PID NN控制器的结构形式、计算公式,并将其应用于船舶柴油机的转速控制系统中.从仿真结果可知,该算法的控制性能和鲁棒稳定性良好,具有较好的自学习和自适应性.     

交流异步电动机直接转矩控制系统的一种新型设计方案

将模型参考自适应控制、滑模变结构控制和人工神经网络控制应用到交流异步电动机的直接转矩控制系统中,从而可以改善系统的动态和稳态性能,提高了系统的鲁棒性.     

核动力装置控制系统神经网络故障诊断

研究了如何将先进的人工神经网络的方法应用到核动力控制系统故障诊断中,并对这种方法的原理、优缺点、可行性等进行了分析,提出了针对核动力装置控制系统的设计方案.     

异步电机定子电阻的观测

介绍了一种基于神经网络技术的感应电机定子电阻观测方法;讨论了定子电阻样本规划,并设计训练形成了定子电阻神经网络观测器.试验表明,该技术方法能有效地实施定子绕组电阻在线观测.