雷达与ESM相关算法综述

在比较雷达和ＥＳＭ（ＥｌｅｃｔｒｏｎｉｃＳｕｐｐｏｒｔＭｅａｓｕｒｅｍｅｎｔｓ）这两种传感器特点的基础上，分析了雷达与ＥＳＭ相关的特点，介绍了统计方法、模糊方法和优化方法等五种雷达与ＥＳＨ相关算法，并对这些算法进行了评述。     

铝板中锰含量的测定

研究了在酸性介质下，氟化钠为掩蔽剂，用高碘酸钠来氧化对氨基苯磺酸，用催化动力学测定痕量锰的新方法，该方法检出下限为４×１０－８ｇ／ｍＬ，线性范围为０．０５～０．６μｇ／ｍＬ，可应用于铝板中锰含量的测定。     

巴克码的旁瓣抑制

根据实际情况，对１３位巴克码的旁瓣抑制问题，提出在ＲＧ旁瓣抑制滤波器设计的基础上，用最小二乘法寻找旁瓣抑制滤波器的加权系数，以获得较低的积累旁瓣，并通过计算机模拟得到了证实。     

软木作为运载火箭隔热材料的研究

为使作为隔热材料的软木在航天产品中得到更广泛的应用，对软木的隔热性能和其他性能进行较系统地研究，并与运载火箭的某隔热涂层进行了比较。比较后认为，软木的隔热性能、耐低温性和工艺性等均优于某型隔热涂层。     

微重力条件下两相流动沸腾换热地面等效模拟试验研究的必要性

介绍了航天器的热控制模式、对在微重力下的单相流与两相流的换热系统、微重力下与重力场下的两相流沸腾换热进行了比较。最后论述了在微重力条件下进行两相流沸腾换热地面等效试验研究的必要性。     

武器型号费用参数模型的数据处理

针对武器型号费用存在多重共线性及出现异常值的问题，讨论了武器型号费用参数模型的数据处理方法，采用岭回归法处理数据的多重共线性，采用库克距离测度法来识别异常值，并给出了应用实例。     

SDF方法在目标图像处理中的应用

利用综合函数判断法（ＳＤＦ）对目标图像进行识别，能有效识别真目标的各种畸变图像及受过训练的假目标图像如干扰和背景等，并提出ＳＤＦ实时光学识别图像的可能。     

FET振荡器注入锁相伏特拉级数分析

应用伏特拉级数法分析了电容耦合ＦＥＴ振荡系统在外加信号下的注入锁定现象，推导出输出信号和注入锁定带宽表达式。与一般非线性系统分析方法相比，伏特拉级数法在建立好系统模型后只需进行代数运算，从而避开了求解非线性，非齐次高阶微分方程的复杂过程。     

一种高动态环境GPS信号的跟踪方法及实现

鉴于在高动态环境跟踪ＧＰＳ信号所遇到的问题，分析了高动态环境跟踪ＧＰＳ信号的基本方法，讨论了通过延时锁定环和载波辅助技术进行伪码跟踪的原理，重点研究通过３阶频率扩展卡尔曼滤波算法（ＦＥＫＦ）进行多普勒频率估计并进行载波跟踪的原理，模拟分析了ＦＥＫＦ算法的动态跟踪能力和频率估计误差，提出了一种适合高动态环境要求的ＧＰＳ信号跟踪方案     

半环类铝铸件铸造工艺

影响半环类铝铸件质量的主要铸造缺陷是缩松和变形。通过采用缩管法对铸件进行冒口设计，解决了铸件缩松问题；通过拉筋及反变形量的放置，解决了铸件变形问题；对于经Ｔ５处理后变形的半环可以采用２９０±１０℃、保温２～４ｈ后进行校正，然后重新Ｔ５处理。     

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     

基于广义回归神经网络集成的宽带波束形成算法

首先构造宽带波束成形所需要的协方差矩阵,利用基于粒子群优化算法对核主成分分析方法和广义回归神经网络进行了优化。在对神经网络的输入变量进行降维处理后,生成多个复杂度低的泛回归神经网络模型。利用提出的基于聚类启发式集成算法求出波束成形时的权系数,既考虑了网络的差异性,又考虑了网络的正确性。仿真结果表明,提出的基于聚类启发式神经网络集成的波束形成算法在网络结构十分简单的情况下,仍然具有较好的性能。     

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。     

基于神经网络的武器系统费用效能分析

简述了导弹武器系统的费用－ 效能分析的方法。研究了三层神经网络的结构及算法，提出了用神经网络理论来估算武器系统的费用和效能的方法。武器系统的费用和效能与武器特征参数的关系可通过神经网络的阈值和权值得到体现，通过实例作了说明，并进行了武器系统费用－ 效能分析，该方法比较可信。     

欠驱动航天器编队重构的切换神经网络控制

针对圆轨道欠驱动航天器编队重构问题,将传统的自适应神经网络控制器和自适应滑模控制器相结合,设计了一种切换神经网络控制器,用以跟踪由伪谱法求解得到的航天器编队重构的最优开环控制轨迹。自适应神经网络控制器在活跃区域内工作,利用径向基神经网络(RBFNNs)近似动力学系统中的不确定项,自适应滑模控制器在活跃区域外工作,利用自适应律来估计近似误差上界,并采用李雅普诺夫方法证明了闭环系统稳定性。数值仿真结果表明切换神经网络控制器可在欠驱动条件下实现编队重构,与线性滑模控制器相比,实现了控制器快速、高精度、强鲁棒等控制性能。     

反步法与神经网络融合的平流层飞艇轨迹鲁棒控制方法

针对平流层飞艇水平轨迹控制面临外部风场扰动和模型参数不确定的特点,提出一种反步法与RBF神经网络融合的非线性鲁棒轨迹控制方法。该方法采用Lagrange动力学模型,通过反步法直接求解推力和力矩的控制律,采用RBF神经网络动态优化调整反步法的控制增益参数。仿真结果表明,新的控制方法可实现平流层飞艇对直线/圆组合式参考轨迹的高精度跟踪控制,有效克服风场扰动和模型不确定性因素造成的不利影响。     

基于神经网络和证据理论的火箭发动机故障诊断

针对运载火箭动力系统故障的复杂特性和故障模式的不确定性,提出了基于神经网络和证据理论的火箭发动机故障诊断。首先以火箭视加速度和角速度作为网络输入,故障类型矩阵作为网络输出,通过BP神经网络和RBF(径向基函数)神经网络进行故障诊断;之后通过D-S证据理论融合神经网络结果;最后通过滚动时域估计方法对火箭飞行状态特征量估计。仿真结果表明诊断准确率达到99%以上,表明提出的方法对于火箭发动机故障诊断具有较高的准确性和实用性。     

基于神经网络在线建模的非线性动态系统中传感器故障检测方法

本文提出一种基于神经网络在线建模的动态非线性系统中传感器故障检测方法，它首先利用神经网络在线建立动态非线性系统的超前一步预测模型，然后利用神经网络对传感器的预测输出和传感器实际输出之差与一预定阈值比较以检测传感器故障。本文的优点是可以检测多个传感器故障，同时由于采用在线学习方式，非常适于航天器自主系统传感器故障检测的需要。此外，故障检测阈值的选取也比较简单。为了验证本文方法，仿真了一控制系统中同时发生漂移故障的两个传感器故障检测过程。结果表明，方法十分有效。     

基于自适应差分进化和BP网络的罗盘误差补偿

To improve the acuuracy of heading angle measured by electronic compass, a new error compensation method is proposed based on adaptive differential evolution algorithm and BP neural network. In the method, the 3 layer BP neural network is used to model heading angle error, and adaptive differential evolution algorithm is adopted to train the weights of network, thus obtaining a more exact error model, and compensating the heading angle error measured by electronic compass. Compared with other compensation methods such as 8 position least squares, BP neural network, differential evolution algorithm for optimizing BP neural network, and so on, its error compensation accuracy is significantly improved, the method has strong global optimization ability, great convergence rate, good stability, and so on. The experimental results show that after compensation, the error range of heading angle is decreased from -16°~30.7° to -0.22° ~0.2°, which satisfies the needs of higher accuracy navigation systems.     

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。