人工神经网络技术在光电检测中的应用

人工神经网络不仅被广泛用于人工智能、自动控制、机械人、统计学等领域的信息处理中,还越来越多地被应用于光电检测.综述了人工神经网络技术在光电检测中的最新应用进展,重点讨论了人工神经网络技术在谷物蛋白质含量近红外在线监测、结构光三维视觉检测、焊缝缺陷射线实时成像识别、表面粗糙度及球半径精密测量应用中的优点和局限性,以期进一步推动本领域的研究和发展.      

嵌入式飞行参数传感系统的神经网络算法

对使用BP网络来代替嵌入式飞行数据传感(FADS)系统的空气动力学模型进行了研究。针对FADS系统的特点设计了一个具有双隐含层的BP网络模型并详细推导出了它的快速算法。文中不仅设计了数据集的产生方法,而且对数据集的划分进行了探讨。试验结果显示,动静压的平均绝对误差均在130Pa以内,可以满足FADS系统的设计要求。     

基于BP网络的武器装备参数估算

根据武器装备设计要求来确定某些参数往往涉及许多不确定因素。为了实现一些武器装备参数的定量化估算,本文基于BP神经网络计算模型提出了一种新的武器装备参数估算方法,并给出了实现这种方法的详细步骤。将该方法应用于导弹主要参数的估算,测试结果证明了此方法的正确性和可行性。该方法为武器装备的参数估算提供了新的途径。     

神经网络在经济预测中的应用

阐述了针对BP神经网络在经济预测应用中存在的网络学习速度缓慢、计算量大、网络容易陷入局部极小、学习步长需要通过实验由人工来设置和调整等问题,提出将自组织理论、扩展Kalman滤波、模糊算法、小波理论等与神经网络相结合,构成新的网络结构或改进学习算法,以克服BP神经网络自身不足的思路。     

基于再励模糊神经网络的三轴稳定卫星姿态智能控制

将再励学习引入模糊神经网络的T-S模型,建立了模糊神经网络控制器和控制评估网络的再励学习算法,并应用于三轴稳定卫星的姿态控制。这种再励模糊神经网络不需要精确的卫星数学模型和学习样本,通过再励学习实现控制网络/评估网络参数的在线调节,具有比较强的适应性和学习能力。仿真结果表明,这种智能控制方法可以有效解决卫星的模型不确定性问题,提高了卫星姿态控制的精度和鲁棒性。     

基于神经网络的激光陀螺误差测试与建模

用人工神经网络中的反向误差传播网络(BP网络)来建立温度补偿模型,通过训练后的BP网络对刻度因子误差以及随机漂移进行温度补偿。     

模糊神经网络控制器在卫星姿态控制系统中的应用

现代卫星的姿轨控制面临着挠性附件对本体姿态的耦合作用。本文将卫星太阳帆板挠性结构对本体姿态的影响增广进系统方程 ,在PID控制器控制刚体卫星的基础上 ,设计了模糊神经网络控制器 ,采用反向传播和最小方差估计的学习方法进行模糊规则的学习 ,仿真表明 ,模糊神经网络特有的学习和处理定性与定量知识的优点 ,将使卫星姿态在参数变化与外部干扰情况下具有较好的姿态稳定度与精度。     

进化神经网络在复合材料格栅结构设计中的应用

根据Kolmogorov多层神经网络映射存在定理,利用进化神经网络来实现结构设计参数(输入)与结构响应参数(输出)的全局非线性映射关系,以此来代替实际结构优化过程中存在的大量有限元计算,从而提高优化效率。以遗传算法为优化求解器,神经网络屈曲稳定性响应面为主要约束,对复合材料格栅加筋结构的优化问题进行了分析研究。算例表明,在相同(有限元)样本数据的情况下,进化神经网络通过自适应调节网络结构和权值,可获得比BP神经网络更高精度的映射模型,具有很强的泛化能力。该方法可为解决大型复合材料结构优化设计提供一条高效途径。     

小型固体运载器起飞段姿态控制方法研究

针对控制系统,采用侧喷流发动机和栅格舵的新型小型多级固体运载火箭开展了起飞段姿态控制方法研究。给出了在低马赫数条件下侧喷流发动机的力放大因子和栅格舵的控制力矩,建立了运载器姿态控制模型。根据侧喷流和栅格舵的特点,设计了PID控制器与智能开关控制器相结合的新型控制器,运用神经网络算法实现了开关控制器参数的在线选择。仿真结果表明,所设计的控制器满足控制精度、稳定度和鲁棒性的要求,算法简便,具有工程可实现性,以侧喷流发动机和栅格舵为执行机构的控制系统能满足运载火箭起飞段姿态控制要求,为陆基或空射小型固体运载火箭姿态控制方法提供了一种新思路。     

非规则LDPC码译码量化问题研究

对应用于国家数字电视地面传输标准的非规则LDPC码的log-BP译码算法实现中的量化问题进行研究,针对三种不同的编码效率的码字,对接收数据和中间变量进行均匀和变精度量化方案设计,并在高斯信道上仿真。通过对误码率和译码硬件复杂度两方面的对比和优化,得出了标准采用的LDPC码log-BP算法量化的实用性结论,作为硬件实现及其他应用的重要依据和参考。进一步指出对中间变量采用“变精度量化”方案,可使误码率非常接近无量化处理。