基于回波小波域时频分布的目标识别技术研究

应用Morlet小波计算并得到了2种目标动态回波的小波域时频分布特征，依据此时频分布的不变矩，应用模糊神经网络技术进行目标识别研究，取得了比较好的识别效果。     

前向神经网络理论及其算法研究

介绍并探讨了有关神经网络的理论及方法，对前向神经网络中的ＢＰ算法进行了改进研究，指出了算法的改进依据以及网络训练中出现的问题     

基于模型与数据驱动的自适应模糊规则故障诊断方法

针对复杂装备系统故障模糊性强的特点,以及目前基于模型和数据驱动的故障诊断大都局限于决策层融合的问题,提出了 1种利用诊断模型作为数据驱动方法的初始条件来辅助网络模型构建和学习的方法。首先,通过 T-S故障树理论分析,建立系统各故障模式之间的逻辑关系和描述规则;然后,根据 T-S故障树模型,将诊断模型映射为模糊神经网络(FuzzyNeuralNetworks,FNN)模型,并利用误差反向传播算法对网络参数进行学习,进而提出 1种模糊规则自动更新机制;最后,以某组合导航系统为实验对象进行仿真实验。结果表明:提出的方法能够准确地诊断出故障,且具有较快的收敛速度和较好的泛化能力。     

基于双重注意力机制及S-BiGAN的机电设备故障诊断

标签样本少条件下机电设备的准确故障诊断对于提高复杂机电设备的健康管理能力具有重要意义。针对标签样本少条件下难以建立准确故障诊断模型的问题,在半监督生成对抗网络的基础上,将注意力模块引入生成对抗网络,并利用格拉姆角场将一维数据转换为二维图像;结合双向生成对抗网络特点,提出一种基于双重注意力机制的半监督双向生成对抗网络（S-BIGAN）机电设备故障诊断模型,以轴承数据为例进行验证。结果表明：与CNN-SVM、SGAN 等算法相比,本文提出的模型能够提高样本生成质量和故障分类特征,有效解决标签样本少情况下的故障诊断问题,极大地提高了故障诊断准确率。     

基于DNN的飞机俯仰运动响应预测研究

针对人工智能的辨识方法在飞行器模型辨识应用中存在间接依赖数学模型以及泛化能力较低的局限性问题,基于深度学习思想,提出了一种新的数据处理方式,完成飞行器的系统模型辨识。首先,针对飞行器动态模型的特点,提出一种基于时序性的飞行数据处理方式;其次,采用交叉熵损失函数进一步优化深度神经网络;最后,针对飞行器纵向非线性模型进行仿真计算。仿真结果表明,训练好的模型成功提取了飞行器输入与输出之间的非线性映射关系,使得基于深度神经网络的飞行器模型能够对未知输入进行状态预测,克服了目前基于神经网络辨识算法的局限性。     

基于傅立叶描述子特征的红外成象GIF目标识别算法及实现

在红外成象GIF引信工作过程中,实时目标识别及分类是一个重要的环节,它对于引信在弹道终端参与目标的继续跟踪、瞄准点的选择以及炸点的控制方面有很大的帮助.本文提出一种基于傅立叶描述子特征的红外成象GIF目标识别算法,利用归一化的、表示目标完整轮廓的边界点集的傅立叶描述子特征,结合BP神经网络,完成了巡航导弹、直升机、战斗机三种类型目标的识别.通过MATLAB仿真,验证了该算法的可行性,并在DSP硬件开发平台上对程序代码进行了测试,通过傅立叶描述子特征提取程序的改进,对算法进行优化,使算法的实时性得到较大的改善.     

BP神经网络在导弹落点预测中的应用

给出了基于BP神经网络的导弹落点预测设计方案。考虑到预测精度和网络稳定性，选取了一种相对优化的预测方法。结合实例对用此方法和一般常用方法的预测效果进行了比较。结果表明基于BP神经网络的导弹落点预测是一种可行的、有效的方法。     

基于神经网络的某导弹姿态控制系统故障诊断

介绍了多层前向神经网络及其算法 ,讨论了神经网络在故障诊断方面的应用 ,并对某导弹姿态控制系统的典型故障进行了神经网络建模 ,经测试取得了良好的效果。     

基于神经网络的参数-费用模型研究

讨论了采用用神经网络理论来建立参数－费用模型的方法，给出了几种地空导弹武器系统的特征参数与研制费用，对神经网络法与线性回归法所得的结果进行了比较。比较结果表明，神经网络法比线性回归法精确。     

基于BP算法的模糊神经网络研究

提出了一种基于模糊集合与前馈神经网络结合的神经网络。这种模糊神经网络（ＦＮＮ）在处理模糊特征时，能较好地反映出输入值和输出值的隶属度关系。应用经典的ＢＰ算法对网络进行训练，为了加快网络的学习过程，我们介绍了一种调整权值和阈值的学习方法，并且采用了Ｃ语言编制软件，实验结果表明，ＦＮＮ技术是一种新颖、有效的方法，能促进智能神经网络的发展。