高铁大风预警模式挖掘

高铁大风预警的传统方法基于风速预测,当瞬时值高于限速阈值时触发报警,存在大量的误报警,不必要的限速控制影响了高铁行车效率。创新地提出了基于序列模式的预警方法,旨在挖掘报警事件前序数据中的频繁模式,找出报警事件的变化规律,通过滤除与非预警序列共有的频繁模式,得到预警序列独有的序列特征,构建了预警模式库。经兰新高铁沿线的监测数据验证,该方法在提高预测准确率的基础上降低了漏报率,同时有效地减少了模式匹配所需的时间,为提前预警预留充分的时间窗口,更加符合实际应用的需求。     

用声发射信号和改进的BP神经网络预测磨削表面粗糙度

针对磨削表面粗糙度传统BP（Back Propagation）神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射（Acoustic Emission,AE）信号作为表面粗糙度预测模型学习样本频段。实验结果显示：改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。     

基于面积比矩阵的加权特征向量点匹配算法

提出一种在仿射变换下点集关系描述算子--面积比矩阵,证明了其在仿射变换群下的不变性质;并由该性质推导得出特征向量(EA)匹配算法抗噪性能差的原因,在此基础上给出了基于面积比矩阵的加权特征向量算法.算法构造不同图像的面积比矩阵,对矩阵进行分解得到其特征值和特征向量,通过特征值进行加权获得图像中点的特征向量,比较图像点的特征向量获取匹配关系.因面积比矩阵的仿射不变性质,算法能实现仿射变换下点集精确匹配;采用的加权特征向量法改进了EA匹配法,具有更好的抗噪性能.实验表明算法切实可行.     

基于条件熵的不完备信息系统属性约简算法

在相容关系下定义了三种不完备条件熵——H′条件熵、E′条件熵和I′条件熵,并对它们的性质进行了分析比较,研究发现,H′条件熵和I′条件熵不适用于相容关系下信息观点的约简。利用E′条件熵刻画信息系统中属性的相对重要性,设计了一种新的基于信息论观点的启发式约简算法,它统一了完备信息系统与非完备信息系统中的约简方法。通过实例说明,该算法能得到决策表的相对约简。     

基于要素参量化的作战仿真想定空间生成方法

作战仿真想定空间主要为仿真系统的运行提供初始数据,仿真想定空间对军事问题的描述是否客观、可信和全面,将影响最终的仿真结果。主要探讨了通过作战环境、作战任务、兵力编组、引导方式及武器装备性能的参量化,以快速生成应用于解析性仿真系统的想定空间。     

舰艇对反舰导弹质心干扰效果模型研究

末制导雷达搜索区域的扩大和各种抗无源干扰措施的实施,使舰艇利用箔条云干扰来袭反舰导弹变得更为困难。在末制导雷达捕捉跟踪原理的基础上,建立了舰艇对反舰导弹质心干扰的效果模型,该模型能较精确地反映导弹、反射中心和舰艇位置的动态关系,能根据导弹的距离、导弹来袭方向、风速、风向、干扰弹投放距离、方位判断干扰的效果。仿真显示该模型能较真实地反映各因素对干扰结果的影响。     

基于CEC系统舰艇编队防空作战最小共享信息集研究

根据最小共享信息集的概念,提出了基于CEC系统舰艇编队协同防空作战的智能系统模型,分析了舰艇编队CEC系统的作战功能和作战信息,提出了确定舰艇编队协同防空作战的最小共享信息集的事件法,并应用信息论证明了事件法的确能够减少通信的信息量。在上述基础上,确定了舰艇编队协同防空作战的最小共享信息集。     

基于BP神经网络的空中目标识别

空中目标识别是防空作战辅助决策的关键环节之一。根据空中目标的各种属性,建立基于BP神经网络原理的空中目标识别模型。利用MATLAB神经网络train函数训练采集的样本数据,得到稳定的权值和阈值,为后继的目标识别提供依据。该模型利用神经网络的记忆、联想、容错功能,进一步提高空中目标识别的稳定性和可信度。降低了个别传感器误判而造成的目标识别错误概率。     

履带车辆静动液辅助制动系统仿真与实验研究

针对履带车辆静动液辅助制动系统液力辅助制动和液力液压联合辅助制动工况,建立对应工况下的数学模型进行仿真研究,并根据相似原理进行静动液辅助制动系统实验．仿真和实验结果表明,所建立的数学模型能够准确反映系统的实际制动性能,且该辅助制动系统能够为车辆提供可靠的制动．