利用神经元拓展正则极端学习机预测时间序列

为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点.      

基于小波变换和核独立分量分析的遥感图像变化检测

为了进一步提高基于独立分量分析(IndependentComponentAnalysis,ICA)的遥感图像变化检测精确度,并解决ICA分离的图像分量排序不确定问题,提出了基于小波变换和核独立分量分析(KernelIndependentComponentAnalysis,KICA)的遥感图像变化检测方法。首先通过小波变换对遥感图像进行分解,得到由图像的高频分量和低频分量组成的分块向量,然后利用核函数将分块向量映射到高维特征空间中,再在该空间中用ICA方法分离出互相独立的向量,最后根据分离出的向量中高频分量的差异自动分辨出变化分量。文章给出了遥感图像变化检测方法及近年提出的基于主分量分析(PrincipalComponentAnalysis,PCA)、基于ICA、基于KICA三种变化检测方法的试验结果,并进行了分析和定量比较。试验结果表明,文中方法能更好地分离出遥感图像的变化信息,具有更高的精确度,并实现了变化检测的智能化。     

新一代GNSS接收机的智能跟踪状态评估技术

新一代全球导航卫星系统的接收机需要根据用户所处环境,自适应地调整接收机内部参数以达到最稳健的导航效果。这就要求接收机在运行过程中通过评估跟踪状态去检测和分析用户场景。基于对传统接收机控制系统缺陷的分析,提出了智能接收机的概念、特点及系统框架;在此基础上设计、分析接收机的智能跟踪状态评估算法;最后通过仿真验证了所设计的算法可以有效地识别场景及场景间的切换。     

液体火箭发动机传感器故障检测与数据恢复算法研究

以某型液体火箭发动机为研究对象,根据其传感器的故障特性,提出了基于BP神经网络的传感器故障检测与数据恢复算法。通过定义的传感器置信度来判断传感器是否发生故障,以及确定故障传感器,利用已训练好的神经网络结构对故障传感器进行数据恢复。研究内容能够实现传感器的故障检测、定位与补偿,能够有效提高发动机故障检测方法的可靠性和鲁棒性。     

导弹发射装置随动系统模糊神经PID控制器

在有些系统性能指标要求很高的导弹发射装置的随动系统中,传统的PID控制往往难以满足要求。文章以某型导弹发射装置的随动系统为模型,结合了模糊控制、神经网络及PID等控制算法,设计了模糊神经PID控制器。通过与传统的PID控制器仿真实验对比,可以看出应用模糊神经PID控制器能够有效地提高该随动系统的动态性能和鲁棒稳定性。     

基于Remote Panels和小波变换技术的滑轨磨损远程监测系统

飞机襟、缝翼运动机构中滚轮滑轨的磨损状况对飞机的可靠性有很大的影响,为研究滚轮滑轨的磨损情况,通过Ni WLS-9234数据采集卡和LabView开发平台,采用Remote Panels远程监控技术以及小波变换技术,对滚轮和滑轨相对位移所产生的振动信号进行采集及分析,判断出磨损状况。该系统应用在某滚轮滑轨磨损试验机上可以测得滑轨磨损状况的一般信息。     

基于神经网络的飞机积冰问题预测方法

目的针对基于神经网络的机翼积冰冰形预测方法提出几点改进建议;方法概述四种典型的运用神经网络来预测积冰的方法;结果分析指出四种方法的优缺点,以及国内外的研究进展和新趋势;结论构建综合的冰形预测网络以及扩充和改善网络是研究神经网络积冰预测的主要方向。     

基于小波变换的SAR相干斑抑制方法研究

SAR图像固有的相干斑噪声恶化了其成像质量,如何有效抑制相干斑噪声并保留SAR图像的细节信息是研究的一个热点问题。基于SAR相干斑乘性噪声模型,根据小波阈值处理的原理,分析小波滤波在SAR相干斑抑制中存在的关键问题和硬、软阈值处理中存在的不足,提出一种新的阈值函数,并利用均方误差和峰值信噪比指标对相干斑抑制效果进行评估。实验结果表明,新的阈值函数在有效抑制相干斑噪声的同时还保留大量SAR图像的细节信息,较硬、软阈值函数有更好的滤波效果。     

具有饱和补偿的碟形飞行器神经滑模控制

针对执行机构饱和非线性未知的碟形飞行器,在考虑执行机构动态的基础上,设计了基于神经网络的滑模控制器,给出了相应的控制律和参数选择方法.神经网络用来估计执行机构的饱和量,从而在设计控制器时,可以对执行机构的饱和进行相应补偿.仿真结果表明了该方法的正确性和有效性     

基于BP神经网络的高精度陀螺恒流源补偿方法

为了提高陀螺恒流源精度,提出一种基于BP神经网络的陀螺恒流源补偿方法.采用BP神经网络训练恒流源控制指令与恒流源输出之间的非线性映射稳态模型,以实时估计恒流源输出偏差.设计恒流源控制指令补偿判据,当输出偏差超出设定裕度时,按比例对恒流源控制指令值进行实时补偿,使得恒流源输出更接近控制目标值,以实现更优的精度.通过实物在回路仿真验证了上述方案的有效性,并通过与传统对控制指令进行分段线性标定方法相比较,显示了上述方案的恒流控制优势.