神经网络在广义经典分配问题中的应用

在两节点分布式多传感器系统中,一些航迹关联算法可以化为广义经典分配问题。广义经典分配问题是一个组合优化问题。当目标数目较多时,很难得到问题的最优解,而且其计算量容易呈现指数爆炸现象。文章提出了用Hopfield神经网络和平均场网络解决此问题的方法。仿真结果表明,采用文章提出的人工神经网络模型求解广义经典分配问题,不仅使航迹关联具有较高的关联正确率,而且计算时间不会出现指数爆炸现象。仿真结果还表明,平均场网络相比Hopfield神经网络更易于得到问题的最优解。     

基于自适应遗传算法的航迹关联模型

如何解决关联过程巾产生的多维分配问题,是研究多节点航迹关联的关键。遗传算法能够很好地解决组合优化问题。但是基本遗传算法具有收敛速度慢和易于早熟等缺点,对于计算航迹关联问题来说实时性较差。文章在利用遗传算法解决航迹关联问题算法的基础上进行了改进,提出了自适应策略。仿真试验表明,该模型能够使航迹关联保持较高的正确关联率和较快的计算速度。     

基于属性引导的多源遥感舰船目标可解释融合关联网络

多源遥感舰船目标关联作为前期大范围预警探测的重要手段为海上态势研判提供重要情报支撑,现有关联算法面临关联结果可解释性差,异构特征难度量,多源目标关联精度低等问题。提出了一种基于属性引导的可解释融合网络用于解决多源遥感舰船目标的关联问题。首先,提出全局关联模块,利用跨模态度量损失函数将图像特征映射到共同空间中度量,用于解决多源图像内容差异大,特征难对齐问题。然后,提出包含多头注意力模型和属性监督函数的可解释模块,提升关联精度并输出可解释的关联结果。其中多头注意力模型让网络关注到舰船目标显著性区域,属性监督函数引导模型关注舰船图像中判别性属性特征,利用属性特征帮助网络解释输出关联结果的决策依据,并以量化的形式可视化属性特征对关联结果的贡献度。最后,利用知识蒸馏的思想减小全局关联模块和可解释模块输出特征距离的差异,使得网络实现精准关联并提供可解释的关联结果。在实验部分,构建了首个多源遥感舰船目标数据集,在该数据集上的测试结果显示本文算法不仅在关联精度上优于现有算法,同时能够为关联过程提供清晰和直观的可视化关联结果。     

基于神经网络的广义经典分配航迹关联算法

在序贯航迹关联算法的基础上提出了一种广义经典分配航迹关联算法。此算法实际上是求约束条件下的函数最小值问题,属于组合优化问题,其计算复杂度随着目标数的增加而发生爆炸现象。根据Hop field神经网络模型解决此类问题的能力对此广义经典问题进行了求解。仿真实验结果表明,广义经典分配算法能够有效地解决航迹关联问题,而且用神经网络求解此问题降低了计算复杂性,并具有很高的关联正确率。     

多机空战指挥引导不平衡目标分配方法研究

目前,存在多机空战指挥引导不平衡目标分配模型少的问题,提出一种新的多机空战不平衡目标分配方法。结合空战理论与实际,在现有模型的基础上,利用最优控制理论,建立多机空战指挥引导目标分配模型;介绍匈牙利算法和进化匈牙利算法的基本思想和流程,在此基础上将匈牙利算法和进化匈牙利算法相结合来寻求最优方案,并进行仿真分析。结果表明:该方法具有较好的时效性和可靠性,能满足多维条件下的目标分配处理,满足实战需求,为解决多机空战指挥引导不平衡目标分配问题拓展了研究思路。     

多传感器静态数据分配问题的匈牙利解法

多目标多传感器数据关联中的分配问题一直是数据融合领域中的一个关键问题，众多的研究都提出了一系列不同的方法来解决这个NP-hard问题，本文提出了用2维分配问题的匈牙利解法来解决该问题，给出求解2－D，3－D分配的方法，经仿真计算表明，该法能较大程度地降低计算量，是一种实用性很好的方法，同时也值得向更高维的情况作进一步的研究和仿真比较。     

多局部节点异步抗差航迹关联算法

为解决航迹异步与系统误差并存情况下的多局部节点航迹关联问题,提出一种基于区间序列离散度的多局部节点异步抗差航迹关联算法。定义区间型数据集的离散信息度量,给出系统误差下航迹序列区间化方法,通过累次积分计算离散度,结合多维分配进行关联判定。针对多局部节点上报目标不完全一致现象,设置零号航迹管理关联质量。与传统算法相比,无需时域配准,可在系统误差下对异步航迹直接关联。仿真结果表明,算法能在局部节点上报目标不完全一致场景下实现有效关联,且正确关联率随局部节点数目的增加或目标密集程度的增大而提高。     

一种平纹编织复合材料的三维通用单胞模型

为了解决采用通用单胞(GMC)方法开展编织复合材料多尺度模拟的技术难题,发展了一种三维通用单胞模型,可用于二维平纹编织复合材料的多尺度模拟。概述了三维通用单胞方法的基本理论和求解流程;基于对二维平纹编织复合材料细观结构特征分析,建立了其三维通用单胞模型,并通过与传统有限元单胞模型的宏细观力学响应分析计算结果对比,验证了所建模型的正确性。采用基于通用单胞模型的有限元多尺度模拟方法,开展了二维平纹编织复合材料平板试件的模态分析。与试验结果对比表明,采用所建立的通用单胞模型预测得到的前五阶固有频率绝大部分的精度较传统有限元方法有了明显提升。该方法的优势在于可以基于通用单胞模型开展多尺度模拟,进而研究宏细观力学响应的相互关联。      

加工误差对压气机叶栅气动性能及稳定性影响的数据挖掘

为缓解加工误差影响评估过程中的"维数灾难",结合展向平均假设和基于高斯过程的Karhunen-Loève展开,提出了一种由法向加工误差导致的三维叶片表面几何不确定性降阶模型.通过给定加工误差分布的标准差函数求解几何不确定性降阶模型,并运用伪蒙特卡洛方法随机生成样本,最终训练人工神经网络预测了加工误差对高负荷直叶栅气动性...     

三维随机图象模型及其空间关系

为了用随机的方法对三维图象进行处理,在二维 Markov场图象模型的基础上,建立了三维 Markov场图象模型。把定义在平面域上随机场的邻域系、集簇和势函数等概念推广到三维空间域,给出了三维邻域系、集簇的空间分布规律和势函数的具体表达式,解释了其空间关系和概率分布,从理论上解决了三维建模的问题,并为三维图象的计算机处理,提供了一种可以实际进行操作的随机方法。     

不确定航迹自适应预测模型

针对现有航迹预测技术中，存在无模技术缺乏理论分析支持、能力有限、适用范围窄、有模技术先验假设过多、前提条件严苛、通用性差等问题，通过理论推导，利用循环和多层神经网络结构，研究提出了具有理论严谨、先验假设少、适用范围广、通用性强等优点的不确定航迹自适应预测模型，同时给出了典型的实现方法。该模型克服了现有航迹预测方法的缺点与不足，并具有无模与有模两类技术的优点与长处，仿真和实测实验验证表明：该模型能很好地提取识别出数据中存在的模式，并基于模式，进行正确有效地预测，能有效解决不同实际环境中的航迹预测问题，效果明显。     

基于神经网络模型的动态非线性气动力辨识方法

 在标准径向基函数（RBF）神经网络模型的基础上发展了带输出反馈的RBF神经网络。将计算流体力学(CFD)方法计算的时域气动载荷作为输入信号,建立跨声速非定常非线性气动力模型,并进一步运用CFD方法验证模型的精度。算例表明带输出反馈的RBF神经网络较标准RBF神经网络精度更高,能更准确描述跨声速激波大幅振荡时的非线性和非定常特性,并可推广用于多自由度运动的动态非线性气动力建模。用多级信号训练,预测简谐信号输入下的气动力算例表明带输出反馈的RBF神经网络能够预测不同振幅、不同频率的信号激励下的非线性气动力。     

Neural solution to the multitarget tracking data associationproblem

The problem of tracking multiple targets in the presence of clutter is addressed. The joint probabilistic data association (JPDA) algorithm has been previously reported to be suitable for this problem in that it makes few assumptions and can handle many targets as long as the clutter density is not very high. However, the complexity of this algorithm increases rapidly with the number of targets and returns. An approximation of the JPDA that uses an analog computational network to solve the data association problem is suggested. The problem is viewed as that of optimizing a suitably chosen energy function. Simple neural-network structures for the approximate minimization of such functions have been proposed by other researchers. The analog network used offers a significant degree of parallelism and thus can compute the association probabilities more rapidly. Computer simulations indicate the ability of the algorithm to track many targets simultaneously in the presence of moderately dense clutter     

星间链路数量受限的导航卫星网络链路分配问题

对星间链路数量非常有限、需要同时满足星间测距和星间通信需求的导航卫星网络的链路分配问题进行了研究。首先,分析了导航卫星网络的特点,并设计了一种基于有限状态自动机(FSA)的拓扑处理机制。然后,将星间测距需求作为一个约束,以星间通信的延时性能为优化目标,将导航卫星网络的链路分配问题建模为一个多目标优化问题。最后,针对建立的多目标优化问题,分别提出一种基于首次改善(FI)的本地搜索算法和基于模拟退火(SA)的启发式优化算法以对链路分配问题进行求解,并提出一种基于分支交换策略的新链路分配生成方法。仿真结果表明,通过FI算法和SA算法获得的优化链路分配的网络延时性能均得到了改进,且SA算法的性能要优于FI算法;同时,FSA的状态持续时间的减小有利于获得网络延时性能好的链路分配。     

非线性系统的建模技术及其在智能化数控加工中的应用

基于人工神经网络与模糊控制理论 ,对非线性系统提出了一种自组织模糊神经网络模型 ,并推导出一类新型学习算法。针对智能化数控加工中测力平台并不实用的问题 ,应用该模型和交流伺服电机电流进行切削力的间接测量。加工现场表明本文所建模型是有效的     

基于PNN-DS信息融合模型的目标识别方法

针对目标识别中常用BP—DS信息融合方法识别率低,运行速度慢,抗噪性差等问题,提出一种基于PNN网络和DS证据的信息融合方法。该方法不仅综合了证据理论在处理不确定信息方面的优点和神经网络在数值逼近上的长处,利用神经网络和证据推理算法获取了基本概率赋值,同时突出了PNN网络在处理多传感器信息的准确性和运算速度上都要优越于BP网络的特点。