模糊神经Petri网及在武器装备效能评估中应用

将模糊Petri与神经网络理论相结合,提出了一种关于武器装备效能评估的模糊神经Petri网模型。将模糊逻辑规则应用到专家评判中得到模糊Petri网,并在此基础上将人工神经网络引入到模糊Petri中,从而提高了系统的学习能力以及对外界环境的自适应能力。仿真结果表明该模型是可行和有效的。     

模糊神经网络控制器在卫星姿态控制系统中的应用

现代卫星的姿轨控制面临着挠性附件对本体姿态的耦合作用。本文将卫星太阳帆板挠性结构对本体姿态的影响增广进系统方程 ,在PID控制器控制刚体卫星的基础上 ,设计了模糊神经网络控制器 ,采用反向传播和最小方差估计的学习方法进行模糊规则的学习 ,仿真表明 ,模糊神经网络特有的学习和处理定性与定量知识的优点 ,将使卫星姿态在参数变化与外部干扰情况下具有较好的姿态稳定度与精度。     

竞争学习模糊神经网络及在导弹故障诊断中的应用

尽管基于解析冗余的故障诊断方法有许多突出的优点而越来越多地得到的研究和应用，但它依赖于系统的模型，当系统存在非线性或不确定性时，存在难以建模的困难，模糊神经网络可以通过学习建立系统的模型，且模型参数有明确的物理意义，初始参数易于选择，成为解决这一问题的优选途径，作者通过把模糊神经网络的学习转化为竞争聚类和线性优化问题，基于竞争聚类和最小二乘原理，提出了一种模糊神经网络学习算法，并在某伺服机构上进行     

模糊神经网络应用于数据融合中实现目标的身份识别

结合“情报侦察与数据融合专家系统”的需求 ,对基于产生式规则的模糊知识表示和推理、神经网络的结构和机理进行了研究 ,提出了将模糊规则与神经网络相结合 ,实现一种新的推理方法。在此基础上 ,实现了一种将模糊规则转化为神经网络的算法以及神经网络的学习算法 ,并具体讨论了这种新的推理方法在“情报侦察与数据融合专家系统”中实现飞机的身份识别的应用。实验证明这种网络结构巧妙地将模糊集理论和神经网络结合起来 ,充分利用了两者各自的优势 ,最终达到了对目标身份识别的效果     

模糊神经网络控制器在飞行器姿态控制中的应用

基于ＡＫａｗａｍｕｒａ等人提出的Ｎｅｕｒａｌ－Ｆｕｚｙ协作系统概念［１］，根据模糊系统的结构，确定等价结构的神经网络。网络保留了模糊控制系统的优点，空间结构清晰，同时具有学习功能，并介绍了采用多层神经网络表达模糊控制系统的知识规则、模糊推理和学习算法，给出了控制某导弹纵向姿态的仿真结果，结果表明该控制系统具有较强的鲁棒性。     

多变量线性时变系统的特征模型及自适应模糊控制方法

对于阶数及参数未知的高阶系统，如何设计一个工程上易于实现的低阶控制器，以实现有效的高性能控制，这是目前航天等领域亟待解决的问题。该文采用将对象特征和控制性能要求相结合的方法，对多输入一多输出高阶线性时变系统和一类非线性时变系统从理论上详细推导出了其特征模型，在此基础上设计了基于特征模型的稳定的自适应模糊广义预测控制方案。由于控制结构中使用了分层模糊系统，从而减少了模糊规则数目。通过对一个挠性航天器控制的仿真实验验证了所给方法的有效性。     

基于距离走动校正和多普勒高阶项补偿的高超音速目标检测方法

针对机载雷达对高超音速运动目标的检测性能下降问题,首先建立了高超音速运动目标回波信号模型,在此基础上定量分析了目标高超音速运动引起的跨距离单元走动和多普勒频率时变现象。经过详细推导,利用Keystone变换法完成了回波的跨距离单元走动校正,并将基于高阶模糊度函数的参数估计技术应用于高超音速目标多普勒参量估计中,补偿多普勒高阶项后进行相参积累处理。通过计算机仿真证明了所提方法的有效性。     

基于遗传算法的故障诊断规则提取方法的研究

针对粗糙集应用于故障诊断过程中存在的决策表属性连续值离散化和属性约简之间分离的问题,根据粗糙集的约简思想,本文研究了一种新的基于遗传算法的规则自动提取方法,可以在知识获取过程中同时实现属性连续值离散和属性约简。将该方法用于卫星电源系统故障诊断,可以从故障决策表中直接提取规则,得到超过90%的故障诊断准确率,进一步验证了这种方法的可行性和有效性。     

敏捷防空导弹的神经网络及自适应非线性控制

研究表明，神经网络可用来对不确定的非线性系统控制的近似动态特性转换加以改进，在一个总体结构中，神经网络通过在线学习自适应地消除转换误差，这种学习由李亚普诺夫理论推导的一个简单重量更新规则来完成，这样就保证了闭合回路系统的稳定性，该方法得到了好评，并且扩展到多种神经网络和一个S形隐匿层结合起来，敏捷防空导弹的自动驾驶仪都是用该控制线路图设计的。本文介绍的是以非线性动态特性的近似转换为基础的控制规律，该控制系统增大了具有在线学习的神经网络，来自非线性敏捷防空导弹模拟的数字结果证明了所得到的自动驾驶仪的有效性。     

个人签字模糊识判神经网络模型与算法

从既要具有兼容性又要具有排它性的人人手写签字认证的要求出发，讨论了模糊识判神经网络模型与Ｄｅｌｔａ规则的ＢＰ算法。     

基于雪崩二极管的太赫兹高次谐波混频器

文章介绍了一种基于雪崩二极管的太赫兹高次谐波混频器。雪崩击穿效应中的非线性特性能够引起高次谐波的频率变换效应。这种特性使雪崩二极管能够应用于毫米波及太赫兹频段的高次谐波混频。文章基于雪崩击穿效应中的非线性特性产生高次谐波的频率变换效应,提出将雪崩二极管应用于太赫兹频段的高次谐波混频,并从理论上分析高次谐波特性及其电路结构。16次谐波混频器获得了15dB的变频损耗,实验结果表明雪崩管高次谐波混频技术是一种极具应用价值的技术。     

基于FM—AM转换的伪码调相-载波调频复合引信信号的脉内特征提取研究

伪码调相和载波调频复合信号因具有好的距离、速度分辨率和测速测距精度，所以广泛应用在雷达和引信中。在电子对抗中为了实施欺骗性干扰，必须有效地提取复合信号的参数特征，为此本文研究了FM-AM转换时频分析的理论及其实现方法，并利用该方法对伪码调相-载波调频复合信号进行了脉内特征分析。具体包括伪码调相正弦载波信号、伪码调相复合正弦调频信号及伪码调相复合线性调频信号。仿真结果表明，在信噪比为5dB时，利用FM—AM转换时频分析技术，不但可以提取载波调频的特征信息，而且能够有效提取伪码的特征信息。     

基于FM-AM转换的伪码调相-载波调频复合引信信号的脉内特征提取研究

伪码调相和载波调频复合信号因具有好的距离、速度分辨率和测速测距精度,所以广泛应用在雷达和引信中。在电子对抗中为了实施欺骗性干扰,必须有效地提取复合信号的参数特征,为此本文研究了FM-AM转换时频分析的理论及其实现方法,并利用该方法对伪码调相-载波调频复合信号进行了脉内特征分析。具体包括伪码调相正弦载波信号、伪码调相复合正弦调频信号及伪码调相复合线性调频信号。仿真结果表明,在信噪比为5dB时,利用FM-AM转换时频分析技术,不但可以提取载波调频的特征信息,而且能够有效提取伪码的特征信息。     

基于BP算法的模糊神经网络研究

提出了一种基于模糊集合与前馈神经网络结合的神经网络。这种模糊神经网络（ＦＮＮ）在处理模糊特征时，能较好地反映出输入值和输出值的隶属度关系。应用经典的ＢＰ算法对网络进行训练，为了加快网络的学习过程，我们介绍了一种调整权值和阈值的学习方法，并且采用了Ｃ语言编制软件，实验结果表明，ＦＮＮ技术是一种新颖、有效的方法，能促进智能神经网络的发展。     

基于局域均值分解的冲击响应谱时域波形合成新方法

冲击响应谱时域波形合成技术是目前实验室环境下模拟实际复杂冲击环境的重要手段。文章在研究局域均值分解(LMD)方法和冲击响应谱时域波形合成原理的基础上,对实测冲击时域波形进行分解得到一组具有不同频率分布的PF信号分量,然后对不同频率分布的PF信号分量进行聚类分析并重新构造得到一组新的PF信号分量,使得PF信号分量的频率-幅值特性与设定的冲击响应谱试验条件一致。将重构后的PF信号分量组合即可得到合成后的冲击时域波形。数值仿真分析结果表明,基于LMD的冲击响应谱时域波形合成新方法生成的冲击时域波形能更好模拟真实冲击环境,冲击响应谱具有较好的控制精度。     

卫星遥测功率谱分析和调制度测量方法研究

残余载波调制是卫星测控中的常用调制体制。文章从理论上给出了该体制下信号的功率谱密度表达式，得到奇次谐波谱线展宽等结论，并通过仿真和实验进行了验证。利用所得结论讨论了遥测调制度测量方法，提出通过功率谱的2阶边带进行测量可以使结果得到改善。     

基于自适应谐波消除的Hexapod平台微振动激励控制

针对空间微振动环境模拟的需求,以Hexapod平台为对象,进行正弦振动激励控制的研究。当Hexapod平台工作在共振频段时,其输出的振动信号中因含有谐波成分而产生了显著的控制误差。为此,提出了一种自适应谐波消除算法。该算法以LMS滤波器为基础,将与谐波同频率的正弦信号和余弦信号作为滤波器的基底信号,将平台实际的输出响应作为滤波器的误差信号,以此实现谐波分量的自适应消除。将基于该算法的控制回路引入传统的控制器,进行了共振频段的单输入单输出和多输入多输出的微振动激励试验,结果表明,该算法可有效地消除谐波失真,大幅提高了Hexapod平台在共振频段的控制精度。     

一种基于模糊神经网络的Speckle图像滤波器

提出一种新的基于模糊神经网络 (FNN)的 Speckle噪声自适应滤波器 ,以实时处理 SAR图像。讨论了模糊神经网络滤波器结构的设计、模糊规则的选取以及采用改进遗传算法进行参数优化的方法 ,最后 ,结合图像处理应用实例 ,与其它传统图像滤波器进行比较 ,验证所述滤波器在滤除噪声和保持细节纹理方面的有效性。     

基于粗糙集的雷达辐射源信号识别

雷达信号识别是侦察系统信号处理的目的，是整个雷达对抗信号处理中的关键性环节，为解决雷达辐射源信号模式识别困难的问题，在深入研究粗糙集理论的基础上，将其同辐射源信号识别问题相结合，给出了基于粗糙集的辐射源信号识别模型。同时介绍了连续属性离散化、知识约简和规则提取的概念，给出工基于粗糙集的识别过程。实验表明该方法减少了识别的主观因素，能有效处理辐射源识别中的模糊性和不确定性，具有广阔的应用前景。     

PRI变换法用于信号分选的性能研究

PRI变换是一种基于脉冲到达时间的信号分选方法,由于该算法能够有效抑制真实PRI的谐波,近年来受到越来越多的关注。首先讨论了相位因子的作用,揭示了相位因子是进行变换谱峰值累积的关键;接着通过理论分析指出了PRI变换法的局限和适用的PRI类型;最后仿真分析了该方法对分选过程所面临的信号环境的适应性。理论及仿真分析结果可作为工程应用的参考依据,具有一定的实用价值。