神经网络与D-S理论结合的HRR识别研究

基于D-S(Dempster-Shafer)证据理论,比较和研究了相关数据和不相关数据的融合方法,分析了多传感器数据融合的算法:集中式融合算法和分布式融合算法.经过实验证明,执行分布式有反馈融合算法时的效果最好.然后利用该算法,提出了和线性内插神经网络相结合的识别方法.利用4种飞机的步进频率雷达的高分辨率一维距离像,将神经网络的识别结果作为证据分别送入传感器进行融合,进行识别研究.实验证明,与单纯利用神经网络的方法比较,目标的正确识别率得到了改善.     

基于模糊神经网络的导弹最优寻的末制导律

提出了一种适用于一类末制导段采用推力矢量控制的新型导弹的模糊神经网络最优寻的末制导律.在制导律设计时不仅要求导弹能量最省,脱靶量最小,同时考虑了推力矢量控制的非线性特点,并且为改善该神经网络系统的学习效果,在学习算法中还引入模糊学习规则.数字仿真表明所提出的模糊神经网络制导律对于机动目标具有较好的攻击能力.     

一种基于FPGA的深度神经网络硬件加速器系统

深度神经网络目标检测算法计算复杂度高、模型复杂,对硬件平台的算力有很高需求,针对以上问题,设计了一种基于现场可编程门阵列(field programmable gate array, FPGA)芯片的硬件专用加速器.通过软硬件协同方法,设计具有高并行度及深度流水的片上架构,并使用模型量化、结构优化等方法对神经网络模型进行优化.在所设计的加速器系统中进行神经网络目标检测算法的部署,实现了高数据吞吐率、低功率消耗的FPGA神经网络计算,且模型精度损失低于1.2%,为在低能耗嵌入式平台上部署深度神经网络目标检测算法提供了有效解决方案,可广泛应用于机载、星载智能计算设备.     

独立电源多智能体信息融合故障诊断方法

对独立电源系统进行故障诊断与预测研究是保证整个复杂运动装置系统安全性工程的重要环节.分析了目前独立电源故障诊断系统中存在的问题,提出采用多传感器信息融合和多智能体技术相结合的方法来提高故障诊断的可靠性和系统的扩展性.利用智能体的自主性、分布性和协作性,构建了独立电源多智能体信息融合故障诊断系统.根据独立电源故障征兆的特点,将D-S(Dempster-Shafer)证据理论引入到多神经网络的诊断结果融合技术中,阐述了多神经网络局部诊断智能体和D-S证据理论融合诊断智能体的具体实现方法.最后,以某型航空电源故障诊断为例,给出了故障实例的诊断仿真,结果表明该方法可有效提高诊断可信度.     

小波分析理论及其在雷达信号处理中的应用

依据所处理信号类型的不同,对小波变换与短时傅立叶变换进行了比较,说明小波变换适用于非平稳信号和奇异信号的处理.简要介绍了连续小波变换、离散小波变换和小波包理论的基本内容,讨论了小波变换实际应用中的采样和快速算法等几个关键问题.结合矢量量化技术,给出了一种用小波变换对星载SAR(Synthetic Aperture Radar)原始数据进行压缩的方法,结果表明,与传统的方法相比,由该方法压缩后的原始数据生成的SAR图像具有更大的信噪比.同时对小波变换用于雷达目标识别和SAR图像分类的性能进行了初步分析.      

证据源权重的计算及其在证据融合中的应用

证据融合是提高目标识别准确性的有效方法.为了解决高度冲突证据融合时产生不合理结果的问题,提出了证据源权重的评定原则.引入了证据距离的概念,根据证据源权重的评定原则,提出了证据源权重的计算方法,实现了对各传感器证据的按权相加修正,从而在信息融合之前消除了冲突证据,避免了不合理结果的产生.为了有效利用先验知识,提高目标识别的效率,分两种情况设计了证据融合的方案,并进行了融合复杂性分析.分别对两种证据融合方案进行了仿真试验并进行了比较分析,仿真结果验证了使用证据融合进行目标识别的有效性.     

基于矢量对消的缺陷类目标散射试验改进方法

缺陷类目标散射在高隐身飞行器总体散射中占有重要地位。目前常用的缺陷类目标散射评估方法是基于低散射载体,将有无缺陷类目标的载体测试结果进行对比,获得缺陷类目标散射的增幅,以分析目标的散射特性。这种方法存在载体影响大、可测量目标尺寸小、成本高等不足。本文提出一种基于矢量对消的改进试验方法,将载体视为目标背景的一部分,通过矢量对消分离出载体散射,从而提取出完全独立于载体之外的全角域范围的缺陷类目标散射特性,结果更为完整、精确。通过文献对比和验证分析,本文方法可以得到缺陷类目标的全角域散射特性,且测试结果、目标尺寸均不受载体限制,具有精确度高、成本低的优点。     

基于FPGA的红外目标识别神经网络加速器设计

在红外目标识别领域,基于卷积神经网络的深度学习算法的识别精度已远远超过了传统模式识别算法,但神经网络的实现需要庞大的计算和存储,难以在无人机等嵌入式平台上进行部署。针对此问题,将通道级量化策略和梯度的近似优化训练引入到了低比特神经网络模型的建立中,并提出了一种可充分利用硬件计算资源的FPGA加速器,其整体平均性能为65.6GOPS。与其他相关工作的对比表明,低比特量化方法及其FPGA加速器实现,可以为嵌入式红外目标识别系统提供一种能效高、识别精度高的解决方案。     

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.     

神经网络在R&D项目中止决策中的应用

在比较研究国内外R&D项目中止决策理论方法的基础上,论述了对正在进行的R&D项目进行正确的中止决策模式识别的重要意义.探讨了神经网络(NN)理论用于R&D项目中止决策的可行性,提出了适用于正在进行的R&D项目的中止决策分析的Hopfield神经网络模式识别方法,并用实例验证了方法的有效性.方法的实施较为方便、计算较为简单,结果也令人满意.表明Hopfield神经网络模式识别方法在R&D项目中止决策领域具有应用前景.     

国防R&D项目的评估与中止决策

论述了对国防R&D项目进行评估及中止决策的重要意义.探讨了神经网络方法用在国防R&D项目中期评估及中止决策的可行性.提出了适用于国防口R&D项目评估及中止决策的BP多层神经网络方法.选用了国防口正在进行研究的52个项目作为实证分析案例,利用BP多层神经网络方法对之进行了分析处理.分析结果识别出了影响国防口R&D项目发展前景的6个重要因素,同时,对52个项目进行了归类处理,并对该52个国防口R&D项目作出了继续、暂停及中止研究的决策.案例研究的结果表明,该方法实施较为方便、计算较为简单,其有效性令人满意.这表明BP多层神经网络方法在R&D项目中止决策领域具有应用前景.      

神经网络在R＆D项目中止决策中的应用

在比较研究国内外Ｒ＆Ｄ项目中止决策理论方法在基础上，论述了对正在进行的Ｒ＆Ｄ项目进行正确的中止决策模式识别的重要意义。探讨了神经网络（ＮＮ）理论用于Ｒ＆Ｄ项目中止决策的可行性，提出了适用于正在进行的Ｒ＆Ｄ项目的中止决策分析的Ｈｏｐｆｉｅｌｄ神经网络模式识别方法，并用实例验证了方法的有效性。方法的实施较为方便、计算较为简单，结果也令人满意。表明Ｈｏｐｆｉｅｌｄ神经网络模式识别方法在Ｒ＆Ｄ项目中止决策     

多项式基函数神经网络的结构可靠性分析

研究了多项式基函数神经网络法的结构可靠性计算.当结构的极限状态函数复杂,非线性程度较高,功能函数为隐式时,传统的结构可靠度分析方法计算困难,多项式基函数神经网络法为解决结构可靠性分析提供了一种新方法.基于多项式逼近理论,利用神经网络模拟逼近能力,将多输入多项式作为网络的激励函数,利用激励函数的广义逆矩阵形式计算网络隐层与输出层的连接权值,拟合结构的功能函数.利用可靠度的一阶可靠性方法计算结构的失效 概率.通过实例计算,表明了本方法计算精度高,同时公式简单,易于编程,具有通用普遍性.     

基于DS证据理论的航天设备寿命预测方法

以动量轮为研究对象,提出一种基于D S证据理论和Bayes理论的信息融合及寿命预测方法。首先,挖掘多个寿命信息源的内、外部信息作为Bayes多源验前信息,并构建证据集合;其次,利用合成规则对证据集合进行合成,得到合理的验前融合权重的分配结果;然后,利用Bayes方法求解寿命参数的融合验后分布,并计算寿命参数的估计值;最后,根据参数估计值预测设备的剩余寿命。仿真结果表明,基于多源寿命信息融合的预测结果与单一来源的寿命预测结果相比,更加接近于设备的真实寿命信息。     

基于自适应神经网络的飞行器主动容错控制

针对飞行器非线性系统执行器故障,利用RBF神经网络和自适应控制律,提出了基于自适应神经网络的故障重构和容错控制方法。设计了自适应神经网络观测器,利用神经网络逼近故障,引入调节因子,设计自适应律以在线调整神经网络权重向量和中心向量。构造自适应神经网络控制器,结合神经网络设计补偿控制输入。利用Lyapunov稳定性定理证明了所提方法可以实现系统渐近稳定。仿真实验结果验证了所提的方法对故障系统具有良好的观测性能、控制精度和响应速度。     

改进的BP神经网络在飞机防滑刹车系统的应用

为了在飞机刹车过程中防止打滑和取得最佳刹车效果,提出用BP神经网络构造S_p(最佳滑移率)识别器.为了提高神经网络的学习能力,介绍一种学习步长自适应方法——二阶步长法,讨论了二阶步长法在实际应用中的一些问题并提出了解决方案.在二阶步长法基础上提出了三阶步长法.还提出了合理配置活化函数的方法.综合以上方法对BP算法加以改进,使学习精度和速度都大大提高.      

新型进化神经网络模型

目前的进化神经网络模型大多采用遗传算法进行网络进化设计.而研究表明,这种进化神经网络存在遗传编码、遗传操作及网络结构限制等很多问题;而采用进化规划是一种很好的途径.鉴于此,为了克服传统进化规划算法的不足,结合作者提出的快速免疫进化规划提出了一种网络连接权值及其拓扑结构同时进化优化的新型进化神经网络模型.最后,通过典型的异或分类问题(XOR)比较了该模型同BP神经网络及传统进化神经网络的计算性能,发现它不但计算精度好,而且计算效率高.      

基于改进神经网络的空间机械臂阻抗控制方法

针对环境信息不确定和碰撞模型未知情况下的空间机械臂柔顺控制问题,提出了一种基于改进型神经网络的阻抗控制方法.以空间机械臂阻抗控制系统闭环方程为基础,分析了环境信息不确定和碰撞模型未知情况下不能实现精准力控制的原因.利用粒子群优化算法调整神经网络中的权值矩阵,以提高神经网络的收敛速度和寻优性能.基于改进后的神经网络设计阻...     

一种基于混沌神经网络的拟人智能控制方法

提出一种基于混沌神经网络(CNN)的拟人智能控制方法.首先利用拟人智能控制理论得到定性控制律(线性或非线性),然后利用CNN实现控制律的定量化.Hopfield神经网络具有快速的优化能力,但容易陷入局部极小,将遍历性的渐变混沌噪声引入其中,形成具有快速全局优化能力的CNN.对二级倒立摆控制的仿真和实验结果均表明该方法有效.