设备级电磁脉冲效应仿真算法研究综述

综述了国内外现有主要电磁脉冲效应仿真方法,认为普遍存在的问题是计算过程复杂、理论与实践脱节,提出将系统辨识和神经网络等技术应用于电子设备电磁脉冲效应仿真研究,探索基于实验数据统计的设备级电磁脉冲能量耦合建模与敏感度预测新方法是该领域的发展方向。     

基于Ptolemy Ⅱ的传感器网络建模与仿真

提出了一种基于传感器网络的目标定位系统的模型,利用PtolemyⅡ建模仿真平台完成该传感器网络目标定位系统的系统级行为描述,同时对该目标定位系统进行建模与仿真,分析了传感器网络目标定位系统的诸多影响因素,并对仿真模型进行了命中率性能测试。测试结果表明,传感器网络目标定位系统对于传感器节点的功耗及信息时间同步窗口具有敏感性,符合传感器网络目标定位系统应用特性,Ptolemy嵌入式系统级设计方法学对指导传感器网络系统设计具有重要意义。     

基于小波神经网络的承制单位信用风险评价

根据武器装备采购中对承制单位信用风险评价特点和实际情况,确定承制单位信用风险评价指标体系,根据小波神经网络原理,构建了承制单位信用风险评价模型,并以实例进行分析。小波神经网络能够简便快捷对信用风险进行评价,并能排除主观因素的干扰,在信用风险评价中具有较好应用前景。     

传感器网络中基于LQI均值的功率控制方法

邻近图的功率控制方法是传感器网络拓扑控制中的一个重要研究方向。对比分析了PRR,RSSI和LQI等几种链路质量衡量指标的优劣,将LQI均值作为邻近图中邻节点的距离度量,构造链路质量邻近图LQPG,并对所构造的链路质量邻近图进行了仿真实验。结果表明,LQPG有着较低的平均节点度,在链路变化情况下,网络有着较低的平均功率,从而有效地延长了网络的生存期。     

光纤陀螺标度因数的精确标定与补偿

根据光纤陀螺信号静态漂移的数学模型,提出了一种迭代标定方法,可以精确地补偿光纤陀螺的标度因数和安装偏角误差.考虑光纤陀螺标度因数与温度的非线性关系,采用了BP神经网络进行温度补偿,取得了理想的效果.     

随动系统模拟电路模块化故障诊断研究

针对人工神经网络在对装备电路进行故障诊断时出现的网络结构庞大,而影响网络诊断速度的问题,提出了模块化诊断思想。首先根据电路的功能特点以及系统电路分割的原则,将装备电路分割成具有独立功能的模块及子模块,然后建立起混联、串联2种模型,分别对其提出逻辑思想、模糊信息融合的诊断方法,从而将电路故障快速、有效地定位在模块级别,如需进一步诊断元器件故障,只需对故障子模块建立规模较小的诊断网络,从而有效避免诊断大规模电路时诊断网络结构庞大的问题。     

油料消耗神经网络组合预测模型

油料消耗单一预测模型精度不高,难以适应信息化条件下精确保障需要。以单一的神经网络预测模型、时间序列预测模型和灰色预测模型为组合预测的基础,利用神经网络求取3种预测模型的组合预测权重系数,将这3种单一预测模型的预测结果作为神经网络组合预测模型的输入,求得一个新的预测结果。平均相对误差和均方差比表明,神经网络组合预测模型比单一预测模型更为优越。     

基于PCA特征的快速SAR图像目标识别方法

目标识别是SAR图像解译的重要一环,受到广泛的关注,而实时性又是评估目标识别系统性能的主要指标之一.从实时的角度出发,提出了一种快速的SAR目标识别方法.该方法采用基于Hebb学习规则的主分量分析(PCA)进行特征提取,使用多层感知器神经网络(MLP NN)进行目标分类.实验结果表明,在维持较好识别性能的前提下,该方法具有内存需求少、运行速度快的特点,能用于实时处理.     

高温燃气与不同构型的再生冷却面板对流传热的数值模拟

对高温燃气与带有平行冷却通道的再生冷却面板之间的三维耦合传热开展了数值研究,其中冷却通道内冷却剂为超临界压力煤油,并结合理论分析探讨了冷却面板构型对耦合传热的影响.结果表明:随燃气侧壁厚以及冷却通道宽度和高度的增大,燃气侧壁面温度升高,热流密度降低.研究还发现:冷却通道不同壁面传递给煤油的热量占比几乎不随燃气侧壁厚变化...     

多通道图注意力解耦社交推荐方法

提出具有解耦能力的多通道图注意力社交推荐模型,该模型主要包括深度聚类模块、多通道图注意力聚合模块和评分预测模块。其中,深度聚类模块用于对用户和项目进行分组,并利用聚类结果将用户社交图和用户项目图拆分成多个用户社交子图及用户项目子图,以学习用户兴趣分组及用户对不同类项目的兴趣；多通道图注意力聚合模块学习不同子图对预测结果的注意力；评分预测模块将学习到的用户表示向量和项目表示向量输入多层感知机进行评分预测。在多个真实数据集上的实验结果表明:提出的方法优于其他社交推荐算法。与最新的用于社交推荐的图神经网络方法相比,在Ciao和Epinions数据集上,均方根误差分别降低了2.26%和2.07%,平均绝对误差分别降低了2.58%和3.06%。