基于改进萤火虫优化算法的BP神经网络目标群威胁判断

以舰艇防空作战目标选择决策和规划需求为背景,针对萤火虫算法求解精度不高且收敛速度较慢的问题,提出可动态调整步长的改进萤火虫优化算法。在改进萤火虫优化算法的基础上,建立基于改进萤火虫优化算法的BP神经网络目标群威胁判断结构模型。通过改进萤火虫算法优化BP神经网络的初始权值和阈值,能够更好地预测测试集。实验结果表明,该方法可快速、准确地实现目标群威胁判断。     

超宽带强电磁防护能量选择表面设计

为应对强电磁脉冲对电子信息系统的威胁,设计了一种具备收发兼容特性的超宽带强电磁防护能量选择表面,有效拓展了能量选择表面的工作带宽和工作频率,可为L、S、C波段的超宽带用频装备提供不低于14 dB的防护效果。该能量选择表面是一种周期结构,每个单元包含一对箭头形结构和一个开关二极管,可根据外界辐照电磁波的能量密度自适应切换反射或透波状态,从而实现强电磁防护与工作信号收发兼容。仿真研究表明,这一新型能量选择表面在L、S、C波段的插入损耗小于1 dB,强电磁防护能力达到22 dB。在波导中对设计的样件进行了性能验证,结果显示,该样件在波导中的平均插入损耗为1 dB,防护能力达到了14 dB,初步验证了设计结构的低插入损耗和高防护特性。     

水下无线传感器网络的节点精确定位

以无线传感器网络(WSN)水下应用为背景,针对特定的环境要求,提出了一种可实现网络规模升级的分布式无锚点网络节点自定位机制。该定位算法通过距离误差估计和分布式坐标计算方法,有效地减少了由于测量距离误差所带来的坐标计算误差和节点坐标计算所带来的通信开销,有利于网络节点能量的合理使用和大规模的WSN布放。通过试验仿真计算,验证了该定位机制的合理性,为水下WSN应用提供了有力的技术支持。     

空间电压矢量 PWM过调制技术的应用与研究

在电动车驱动中，为了解决电池低电压下输出大转矩的问题，研究设计了空间电压矢量PWM的两种过调制方法，实验结果表明能够有效提高输出电压，提高输出转矩， 适于在电动车驱动中应用。     

多层局部回归神经网络在激光陀螺捷联惯导系统惯性敏感器误差补偿中的应用

惯导系统误差补偿技术对提高武器装备的性能具有重要的意义 ,而误差补偿的关键在于误差模型的辨识。探讨将多层局部回归神经网络引入到惯性敏感器误差建模中 ,详细介绍了网络结构和对应的自适应动态梯度算法。仿真算例说明 ,多层局部回归神经网络在惯性敏感器输出误差建模时具有一定的优点 :网络收敛速度快、较好的跟踪性能、稳定性好。     

一种优化神经网络映射算法——吸收算法

本文揭示了神经计算的本质──并行分布处理,并以此为基础提出了时间步的概念。分析了映射算法的两个重要概念──负载均衡和通讯开销,并提出了映射分配准则。在神经网络的映射分配中引入图论的有关思想,提出了一种优化的神经网络映射算法──吸收算法。最后给出了重要的试验结果,这些数据表明吸收算法是一种有效的映射算法。     

热塑性互穿聚合物网络研究综述

概述了热塑性互穿聚合物网络（ＴＩＰＮ）的研究进展及其结构特点、制各方法和熔体的流动性,并对ＴＩＰＮ的前景作了简要的分析。     

论智能控制（IC）在水面兵器中的应用

对智能控制的应用情况、控制特点、基本型式及其在应用中有待解决的若干问题进行了论述。     

多媒体信息管理的NBO(结点-块-对象)模型

描述了在多媒体数据管理中基于超图的数据库状态的形式化模型,并利用面向对象的思想,提出了NBO(结点-块-对象)模型,给出了结点、块和对象的结构方式。以装备管理为例,说明了NBO模型的构造方法和系统驱动的流程。     

共轭梯度反传算法及其在液体火箭发动机系统辨识中的应用

结合非线性优化理论和方法提出了易于实现、收敛速度比较快的多层神经网络共轭梯度反传算法。液体火箭发动机参数辨识技术已得到广泛的应用,由于传统的数学方法必须基于发动机已知模型,使得其参数辨识受到极大的限制。文中基于神经网络共轭梯度反传算法进行液体火箭发动机的系统辨识,结合变推力发动机热试车动态数据,得到了满意的仿真结果。