基于神经网络的防御体系有效性性能指标估算

目前防御体系的作战有效性分析多采用统计试验方法。基于多层神经网络计算模型，提出了一种新的防御体系的作战有效性性能的估算方法，并给出了实现这种方法的详细步骤。将该方法应用于四种不同发射方案下防御体系作战有效性性能指标的估算，其测试结果表明．估算误差均在10%之内，说明了该方法是有效的、合理的。     

计算机视觉与神经网络

人类视觉的研究成果启发了人们对计算机视觉的改进,神经网络技术的发展为机器人视觉建立了实用的基础,使机器人具有相当强的视觉能力。研究一个实用结构,实现视觉神经网的不变性和联系性。     

神经网络PID在电机调速中的应用

针对传统PID控制器参数不能随直流电机转速变化而适时整定的缺点,将常规PID控制器与具有自学习功能的神经网络相结合,提出了基于BP神经网络的PID控制算法。通过工控机与PLC之间的通信,实现用户自行开发的神经网络对PID参数的适时整定,其控制效果已经通过实验进行了充分验证,较传统参数固定式PID调速器具有更快的调节速度和更高的调节精度。     

神经网络用于风洞中压气机失速监控

旋转失速和喘振是严重影响轴流压气机性能的截然不同的两种气动不稳定现象。旋转失速和喘振均能引起转子和静子叶片振动及压气机内部温度急剧上升，在叶片上的大的动应力会引起严惩的机械破坏。对16英尺超音速风洞试验中压气机的3C3转子叶片，失速发生约10转（即1秒）后，失速产生的振动应力将达到对压气机产生机械危害的程度。旋转失速是16英尺跨音速风洞试验中C－1压气机中常见的不稳定现象；旋转失速在2转（0．2秒）时间内，产生一个应力峰值并逐渐衰减。显然，需要一个系统在出现失速征兆的瞬间能很快探测到并发出警告，该系统还具有自主修正能力。建立在多年实践观察基础上的开环技术已成为当前主要的监控模式，工程师可以采修正的操作以避免压气机进入失速。在控制系统中引入闭环防失速装置可使压气机工作点离开失速边界是人们最终的追求目标。实现对压气机失速的控制需要对开环和闭环模式的高速自动处理。神经网络用于数据分类、信号处理、对象建模及预测的一项新的信息处理技术。由于神经网络用于数据分类具有快速、精确及高抗噪性，因而，神经网络适合被选作对压气机不稳定性进行探测及监控研究。     

机场水泥混凝土道面使用性能参数变化预测

应用人工神经网络的反向传播算法，对表征道面使用性能的参数变化情况进行预测，取得了较为理想的结果。     

有输入未建模动态和不确定性导弹控制器设计

在考虑导弹控制系统同时存在输入未建模动态和参数不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法。首先用两个RBF神经网络对未建模动态进行了补偿,然后利用反演技术设计了鲁棒自适应控制器,对不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节率以及相关的自适应律,证明了系统的全局稳定性,最后通过仿真计算验证了设计的正确性。     

基于RBF神经网络的大迎角机动空空导弹控制系统设计

以某型空空导弹为对象．基于双时标的假设．将导弹动力学模态分离为快变状态动力学模态和慢变状态动力学模态，并对其分别进行了动态逆设计。考虑到空空导弹在高速、大迎角飞行时．空气动力系数具有强非线性．直接采用了真实的多维非线性气动力模型(未进行小迎角线性化处理)．用RBF神经网络逼近了气动力矩系数，在非仿射条件下用反解设计方法求得舵偏角控制命令。最后．给出了控制系统六自由度数学仿真结果。     

补偿模糊神经网络在机床热误差预报模型中的应用

提出了一种基于补偿模糊神经网络的数控机床热误差预报模型,讨论了该模型的详细结构、模糊规则、训练算法及相关技术问题,并给出了智能预报结果和精度评价。     

基于遗传算法优化神经网络的直升机参数选择

在直升机初步设计阶段估算其基本参数是很重要的.神经网络的通用性和精度比传统的估算方法有更多的优势,但是在应用神经网络时存在如何选择合适的网络结构和隐层节点数目等一些困难.应用遗传算法优化三层神经网络结构和连接权重,并将优化得到的网络应用于直升机参数选择中.该方法不但可以给出一个最优的神经网络结构和连接权重,而且降低了估算误差,具有及时应用最新数据学习的能力.此外,该方法易于在直升机设计系统中得到应用.     

基于模糊神经网络的蛇型机器人的智能控制

通过对蛇形机器人平面蜿蜒运动分析,利用模糊神经网络控制原理,对蛇形机器人的避障进行控制,实现了用蛇形机器人左右摆动电机为控制对象的蜿蜒避障运动,并给出了相应的仿真结果。