基于ANFIS的目标毁伤等级预测模型

分析了神经网络和模糊推理系统的优缺点,研究了自适应神经模糊推理系统（ANFIS）结构模型及后向传播和递归最小二乘算法相结合的混合算法．在分析了目标毁伤等级主要影响因素的基础上,构建了目标毁伤等级预测ANFIS模型,利用毁伤试验样本数据训练该模型,得到了与实际一致的目标毁伤等级,并将预测结果与基于BP神经网络的预测结果进行了仿真对比分析．仿真结果表明,该目标毁伤等级预测模型能够准确地预测出目标的毁伤等级,并且其预测精度较BP神经网络方法高,为目标毁伤等级预测提供了一种有效的方法．     

区间正交小波变换域FLP算法及其在捷联寻北中的应用

针对机抖激光陀螺角随机游走和发动机干扰等影响静态捷联寻北精度的问题,提出了一种新的基于区间正交小波变换的前向线性预测算法。该算法利用前向线性预测技术以及区间正交小波变换抑制边界效应的能力,有效地减小了角随机游走和发动机干扰。车载实验证明该算法的有效性。     

基于改进核极限学习机和集成学习理论的目标机动轨迹预测

为了提高目标轨迹预测的精度以及预测模型的泛化能力,提出基于改进蝙蝠算法优化的核极限学习机(Kernel Extreme Learning Machine,KELM)和集成学习理论目标机动轨迹预测模型。构建KELM模型,并采用改进的蝙蝠算法对KELM的参数进行优化;以优化后的KELM神经网络为弱预测器,结合集成学习算法生成强预测器,通过训练不断优化强预测的结构和参数,得到一种基于集成学习理论的目标机动轨迹预测模型;基于不同规模的样本,将所得预测模型与逆传播神经网络、支持向量机和极限学习机等模型进行对比分析。仿真结果表明:所提目标机动轨迹预测模型具有较好的预测精度和泛化能力。     

基于正交最小二乘估计的非线性时间序列的预测

在对非线性时间序列的短期预测中经常采用局部线性化的预测算法 ,原有的算法使用普通最小二乘法 (LS)估计近似线性模型的参数。对于存在噪声的数据 ,该算法的数值稳定性较差。本文在对非线性空间进行局部线性化的基础上 ,采用正交最小二乘方法 (OLS)对线性模型同时进行结构选择与参数辨识 ,改善了数值的病态特性 ,增强了算法的稳定性     

分布式作战仿真接口概念设计

接口设计是实现分布式作战仿真互操作的关键。本文在对高层体系结构研究的基础上 ,提出了一种基于状态空间影子模型的接口概念设计方案 ,分析和论述了相关系统结构、接口数据的表达、接口的构成及其工作原理。     

寿命试验持续时间的预测

工程界中诸多电子元器件的寿命都可以看作或近似看作是服从指数分布的,只有经寿命试验掌握各类电子元器件寿命的分布情况,才能对整个电子系统的可靠度有较充分的认识,从而对整个电子系统中的电子设备进行合理布局,优化控制,使其在实际应用中最大程度地发挥其作用。分别给出服从单参数指数分布的样本在寿命试验的早期结果上预测寿命试验的总持续时间的精确与近似方法的证明,并对两种预测方法在不同情况下的预测结果进行比较。     

测速雷达使用新方法研究

通过舰炮武器系统测速雷达作战使用分析,提出初速预测新模型、修正量新模型等测速雷达使用新方法。分别对使用新方法前后效能进行比较仿真,仿真证明,本方法极大地提高了舰炮武器系统对海作战时首群命中效能。所提出的方法对于提高舰炮武器作战效能具有理论和实际意义。     

钨合金(碳化钨)柱形预制破片战斗部对均质钢甲的毁伤效能分析

针对现代战争的需要,特别是对战场轻型装甲的攻击需要,基于预制破片技术,以柱形杆(钨合金)预制破片为对象建立物理模型,对其破片尺寸、装药形式及尺寸的相互关系进行分析,进而通过引入TBM战斗部设计的关系式对所建模型的破片进行速度预报,依照该速度按照侵彻理论推算其对均质钢甲的毁伤效能。结合分析结果指出了柱形杆(钨合金)预制破片战斗部在攻击均制钢甲方面的优点。     

考虑非线性退化与随机失效阈值的剩余寿命预测

针对广泛存在的非线性退化设备,现有方法尚未考虑随机失效阈值对剩余寿命预测结果的影响。因此,通过对设备性能退化过程进行分析,提出了一种综合考虑非线性退化与随机失效阈值的剩余寿命预测方法。基于Wiener过程构建了考虑个体差异与测量误差的非线性退化模型;基于卡尔曼滤波算法建立状态空间模型以实现对退化状态的在线更新;基于极大似然法估计失效阈值分布系数估计方法,得到随机失效阈值的概率分布;基于随机失效阈值推导出剩余寿命的概率分布,实现对剩余寿命的在线预测。算例研究表明,所提方法可以有效地提升剩余寿命预测的准确性,具备一定工程应用价值。     

基于深度神经网络的无线覆盖预测算法*

为保证新一代移动无线网络能够根据实时覆盖情况动态地调节小区天线参数,需要实现高效且准确的无线覆盖预测。传统的求解方法通过精确的场强预测来判断天线参数的优劣,虽然精度很高但需要大量的计算资源,无法满足5G和后5G移动网络通过实时覆盖预测进行射频参数动态调整的实际需求。现采用基于深度神经网络的算法对给定天线参数的覆盖效果进行预测,以取代对目标区域的精确场强预测。数值结果表明,该方法能够在保持计算准确性的同时显著减少计算量,为5G动态网络规划提供基础性参考数据。