基于TSFFCNN-PSO-SVM的飞机起落架液压系统故障诊断

针对飞机起落架液压系统故障诊断精度低，深层故障特征提取困难的问题，提出了一种基于双路特征融合卷积神经网络（TSFFCNN）与粒子群优化支持向量机（PSO-SVM）结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入，采用一维卷积神经网络（1DCNN）与二维卷积神经网络（2DCNN）并行多通道网络结构自适应提取深层特征信息，并在融合层将深层特征信息融合，通过优化后的SVM分类器对融合特征进行故障分类。为验证所提诊断模型的故障分类效果，基于AMESim搭建了典型飞机起落架液压系统仿真模型，构建了几种典型故障类型数据集。基于仿真数据的诊断结果表明，所提故障诊断算法精度能达到99.37%，能够有效实现起落架液压系统故障诊断；与其他智能算法对比，基于TSFFCNNPSO-SVM故障诊断模型具有更好的平稳性与可靠性，诊断精度更高。     

多传感器协同探测证据理论分类融合方法

随着智能化、网络化集群作战等理念和技术的兴起，精确制导武器越来越向智能化、协同化方向发展。多传感器协同探测能够针对不同的探测任务背景和作战需求，提升目标探测性能，还可以跨域整合多种探测平台。但是由于信息的不确定性等特点，使得多传感器数据直接融合可能造成决策困难。因此，在证据理论体系下对信息融合的有效性进行合理分析与度量是很有必要的。提出了一种基于Deng熵的证据理论分类融合算法，以熵减为主要思想，将证据进行分类融合。在决策过程中，将含有证据数最多的类别融合结果作为总体融合结果，避免高冲突证据的影响，提升融合结果的信息有效性。采用算例说明了所提方法不仅能够得到合理正确的结果，并且融合可靠性较高，便于决策与后续的信息处理。     

DiverseAdaBoost-SVM分类方法及其在航空发动机故障诊断中的应用

 提出采用考虑到精度/差异权衡的SVM作为弱分类器的一种新的组合分类诊断方法——Diverse AdaBoost-SVM。该方法通过在一组具有适当精度的弱分类器中进一步选择具有较大差异性的弱分类器，对这些具有较大差异性的弱分类器进行组合，从而较好解决AdaBoost算法中存在的精度/差异权衡的难题；同时该方法也较好地解决了现有的AdaBoost方法存在的弱分类器本身参数选取困难问题及训练轮数T的合理选取问题。通过对基准数据库的测试及航空发动机故障样本的诊断，结果表明和其他方法相比，Diverse AdaBoost -SVM方法具有更好的泛化性能，更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类,也更适合对非对称故障样本集进行分类。     

基于PTE的多雷达航迹融合算法

针对杂波背景下的多雷达航迹融合时局部估计误差互协方差矩阵未知的问题，提出基于目标存在概率（PTE）的航迹融合算法，提升了正确航迹率和跟踪精度。首先，通过综合概率数据关联得到单接收站的目标航迹估计集合和对应的目标存在概率。然后，在局部估计误差互协方差矩阵未知的条件下，基于PTE信息提出不带记忆的综合广义凸组合航迹融合算法。进而将前一帧的融合状态进行反馈，提出带记忆的综合广义凸组合航迹融合算法。仿真验证了所提算法的有效性。     

基于可观测度分析和增量因子图的多源融合导航方法

复杂动态场景下高精度导航定位是自主无人系统决策规划与控制执行的基础。在城市峡谷、隧道、地下或室内停车场等场景下，卫星信号弱甚至丢失，严重影响了惯性/卫星/视觉等多源融合导航的精度和可靠性。为主动适应动态场景变化，迫切需要设计一种适用于跨场景的多源融合导航系统。基于动态时变系统的可观测度分析，在线度量惯性/卫星、惯性/视觉等组合导航因子的可信程度，进而采用因子图融合导航框架，根据各组合导航因子的可信程度，主动优化因子构建和增量平滑过程，以实现多传感器自适应融合导航与可靠定位。实验仿真表明：基于可观测度分析方法，能够在线优化因子图计算过程，提升了多源融合导航系统的环境适应性和跨场景能力，保证了复杂动态场景下自主无人系统跨场景导航模式切换和连续可靠的导航定位。     

基于多尺度深度学习的自适应航拍目标检测

无人机已经被广泛应用到各个领域,目标检测成为无人机视觉领域关键技术之一。针对无人机图像中场景复杂、尺度多变、小目标丰富等问题,提出了一种基于多尺度深度学习的自适应航拍目标检测算法。首先,构建自适应特征提取网络MSDarkNet-53,引入多尺度卷积方式,采用不同类型卷积核对不同尺寸目标进行运算,有效扩大感受野。其次,结合注意力机制的优点设计卷积模块,自适应优化特征权重,增强有效特征,抑制无效特征,得到表征能力更强的特征。最后,构建基于多尺度特征融合的预测网络,根据小目标的特点,选取多层级特征映射融合成高分辨率特征图,在单一尺度上进行目标分类和边界框回归。实验表明：本文算法提升了无人机图像的目标检测精度,具有良好的鲁棒性。     

基于多尺度 3D-2D卷积神经网络的高光谱图像分类

设计提出了 1种针对高光谱图像分类任务的 3D-MSCNN模型。在 PCA降维的基础上,利用 3D空谱特征提 取网络和 2D多尺度特征提取网络实现高光谱图像特征提取,充分发挥高光谱图像空谱信息价值,增强对不同尺度 地表覆盖的表达能力。最后,利用 Softmax分类损失函数实现高光谱图像分类任务。实验结果表明,本文算法在 In. dian Pines和 Pavia University数据集上都取得了较好的分类效果。与 CD-CNN、3D-CNN、SS-Net和 HybirdSN等方法相 比,本文算法能够有效提升总体精度、平均精度和 Kappa系数等客观评价指标。     

某型机载惯性/卫星/大气多信息融合MEMS航姿系统的设计与实现

针对机载MEMS航姿系统中器件精度低且易受干扰导致其姿态性能降低的问题,提出了一种基于大气/卫星信息辅助的航姿系统融合方案。构建了多源传感信息辅助下的综合航姿系统方案,所设计系统具有多种工作运行模式,可根据传感器可用状态实现滤波器的无缝切换,建立了组合导航系统状态和量测模型,采用Kalman滤波方法实现多源信息的融合与估计,并开展了原理样机的跑车试验。试验结果表明,所设计的融合方案能有效保障航姿系统的可靠性与精度,具有较高的工程应用价值。     

Softmax分类器深度学习图像分类方法应用综述

基于深度学习的人工智能图像分类方法研究是当前计算机视觉领域的研究热点。面向深度学习中的Softmax图像分类方法，首先回顾了图像分类技术的发展历程，接着介绍了图像识别技术中的分类器，并解释了Softmax回归函数的分类实现原理。基于Softmax回归分类器的应用，详细阐述了多种图像分类技术，具体包括浅层神经网络、深度置信网络、深度自编码器和卷积神经网络。同时，对比介绍了各种级联模型的具体结构、训练方法、实际应用、分类效果以及优缺点。最后，从Softmax回归分类器、深度学习网络模型和高维数据分类三个方面对基于Softmax回归分类器的深度学习模型在图像分类方面的发展与应用前景进行了展望。     

基于分层置信规则库的惯导系统性能评估方法

为解决惯导系统（INS）性能评估所面临的高价值样本缺失、评估指标多、系统复杂等问题,提出一种基于分层置信规则库（Hierarchical BRB）的惯导系统性能评估方法。将专家知识与监测数据进行有效融合,提高了惯导系统的性能评估精度。首先,针对惯导系统结构构建分层BRB模型,同时将系统内部器件产生组合误差考虑在模型中。其次,为降低专家知识不确定性对初始模型评估精度的影响,采用基于投影算子的协方差矩阵自适应优化策略（P-CMA-ES）构建优化模型,通过监测数据对模型参数进行微调。最后,以某型捷联惯导系统的性能评估为例,验证了所提方法的有效性。     

A suboptimal algorithm for modulation classification

In this paper we present a suboptimal algorithm for modulation classification to classify the general M-ary phase-shifted keying (MPSK) signal buried in additive white Gaussian noise (AWGN). We first derive the phase density functions of MPSK signals, then develop the required statistics for modulation classification and demonstrate a classifier for CW, binary phase-shifted keying (BPSK), quadrature phase-shifted keying (QPSK), and 8PSK. The structure of the proposed classifier is flexible and is easy to expand. The performance of classifier is evaluated in terms of the probability of successful classification. An example (BPSK/QPSK case) is provided to demonstrate the capabilities of the proposed classifier. The performance is evaluated through the theoretical approach and the Monte Carlo computer simulations and is compared with that previously published in 1992. It is shown that the performance of the proposed classifier is better. Further improvement in performance can be obtained by increasing the length of observation interval.     

基于Bayes分类器的DoS／DDoS攻击防御技术

提出了一种基于贝叶斯分类算法的分布式拒绝服务攻击防御技术。利用贝叶斯分类算法来计算数据包的分值特征,按照分值表对数据包进行评分并映射成危险等级。然后对危险等级进行评估,根据不同危险等级对网络流量进行过滤。基于该防御技术,设计并实现了防御系统。通过实验分析,该系统在DoS／DDoS攻击发生时能有效区分正常流量与异常流量,从而实现对DoS／DDoS攻击进行实时防御。     

基于交互多模估计策略的故障检诊方法

针对多模自适应（ＭＭＡＥ）故障检诊（ＦＤＤ）方法的局限性,提出了一种基于交互多模（ＩＭＭ）估计策略的动态系统中多重故障的检诊方法。交互多模估计是针对包含有结构以及参数的系统的一种效率较好的自适应估计技术,它提供了故障检测、诊断和状态估计的集中框架。通过对在传感器和作动器中含有多个故障飞机的仿真。结果表明,所提供的方法比其它方法能够更快、更可靠地检测和隔离出多重故障。     

SAR performance-based fault diagnosis for electro-hydraulic control system: A novel FDI framework for closed-loop system

Model-based fault diagnosis serves as an efficient and powerful technique in addressing fault detection and isolation (FDI) issues for control systems. However, the standard methods and their modifications still encounter some difficulties in algorithm design and application for complex higher-order systems. To avoid these difficulties, a novel fault diagnosis framework based on multiple performance indicators of closed-loop control system is proposed. Under this framework, a so-called performance residual vector is constructed to measure the differences between the real system and the nominal model in terms of system stability, accuracy, and rapidity (SAR) respectively. The criteria for quantification, normalization of the SAR residuals and the explicit mappings between the thresholds and the required performance are given. FDI can be easily achieved simultaneously by monitoring the normalized residual vector length and direction in the SAR performance residual space. A case study on electro-hydraulic servo control system of turbofan engine is adopted to demonstrate the effectiveness of the proposed method.     

证据冲突下自适应融合目标识别算法

 利用证据理论对空中目标识别系统的观测信息融合时,Dempster规则对低冲突信息的融合结果较为理想,但无法对高冲突信息有效融合。Dubois &; Prade(DP)规则及证据折扣法可对高冲突信息进行合理融合。为使不同融合方法发挥各自优势,提出一种自适应融合算法。首先将矛盾因子和证据距离两者结合以更全面地表示证据冲突程度,当冲突较小时,选用Dempster规则,反之,根据冲突的具体情况选择使用DP规则或证据折扣法。通过目标识别实验对多种算法进行了对比,表明本文算法既能对高冲突证据进行合理融合,又能使融合结果快速收敛,可以有效地提高识别速度及正确率。     

基于压缩协作表示的辐射源识别算法

针对低信噪比（SNR）条件下传统辐射源识别算法性能下降的问题,提出了基于压缩协作表示的识别算法,分别从特征提取和分类器设计两方面进行描述。首先将时域辐射源信号变换到二维时频域,通过图像处理方法提取高维特征列向量。经随机矩阵压缩到一定维度后,输入到提出的压缩协作表示分类器中得到识别结果。进而,对协作表示系数进行非负约束,提出了更符合实际应用场景的算法。仿真结果验证了所提算法的可行性与有效性,且在低信噪比条件下稳健性强、抗噪声干扰性能好、计算量较小、易于工程实现。     

一种新的自适应滑动模控制器设计方法

 基于ARMA模型研究了一类具有输出反馈的离散系统滑动模变结构控制方法,提出的算法将滑动模变结构控制与系统的参数辨识结合在一起,从而使设计系统具有较强的自适应性和鲁棒性。提出方法的可行性和优化性通过一实例获得验证。     

MIMO变结构飞行重构控制系统设计

基于滑模变结构控制,提出一种MIMO(multiple input multiple output)的飞行重构控制系统的频域设计方法.将滑模变结构控制与飞行重构控制相结合,解决了飞行重构控制技术中故障检测和系统参数辨识的问题.引入渐近观测器和hedge模型增加重构控制系统对衍生未建模动态的鲁棒性;引入作动器模型、输出饱和限制和驾驶员模型,使变结构重构控制系统设计方法变得更为有效和实用;以某型飞机的横航向飞行控制系统为例,进行设计模拟.结果表明:在飞机气动参数大幅突变和操纵面严重受损的情况下,飞机仍能保持良好的性能.      

Optimum selection of error control coding using neural networks

Significant performance improvements may be obtained in digital communication systems if error control coding is properly applied. However, selection of a coding scheme for specific applications is often a complicated task. The choice is affected by a set of system design goals. Some of these goals impose case-dependent conflicting requirements. Similar scheme selection problems exist in many engineering system design processes. A knowledge-combined neural network approach is developed and applied to optimum coding selection. The proposed approach utilizes a neural network trained not only by precedent examples but also by knowledge rules to draw conclusions. It is shown that artificial neural networks (ANNs) can provide effective solutions to the problems encountered in building systems that emulate a coding specialist's expertise