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。     

低密度奇偶校验码快速收敛译码算法研究

介绍低密度奇偶校验码(LDPC码)的构造方法和置信传播译码算法,引入基于校验节点的一种快速收敛译码算法——串行译码算法。从树的深度方面分析串行译码算法的消息收敛特性,证明该算法与置信传播译码算法相比具有较好的收敛特性,且降低了译码复杂度。在加性高斯白噪声(AWGN)环境下,采用BPSK调制方式分别对串行译码算法和置信传播算法进行了计算机仿真。结果表明,串行译码算法的译码性能具有明显的改善。该算法使硬件实现变得更容易,资源占有量会降低,这就为LDPC码的工程实现提供了一种可行的方案。     

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。     

一种弹道修正弹SINS任意滚转角快速粗对准方法

针对弹道修正弹药出炮口后滚转角处于随机状态,捷联惯导系统(SINS)失准角过大时卡尔曼滤波收敛困难的问题,提出在卫星拒止环境下利用神经网络快速估计初始滚转角的改进方法。在炮口处布设少量导航信标,建立反向传播(BP)神经网络拟合初始滚转角与观测量间的非线性映射模型。针对信标辅助下姿态弱可观的问题,引入惯导测量参数作为输入,提高网络估计精度。采用主成分分析法进行特征提取,简化网络结构。仿真结果表明,与基于非线性卡尔曼滤波的对准方法相比,本算法可实现任意滚转角下的快速粗对准;对射角、初始俯仰角误差未在训练范围内以及存在布设误差等场景也进行了测试,与未优化的BP网络相比,对准精度更高,鲁棒性更好。     

基于BP神经网络的软件项目成本估测方法

为进一步提高软件项目成本估测的准确度,减少在使用传统估测方法时产生的较大误差,提出了一种基于BP神经网络算法的软件项目成本估测模型。利用BP神经网络对软件项目成本进行估计,采用梯度下降自适应Ir的BP算法训练,仿真结果表明,基于算法的软件项目成本估测值与实际成本的偏差较小。     

太阳光球磁场特征物理量在质子事件短期预报中的应用

利用SOHO/MDI全日面纵向磁图, 计算了三个描述太阳活动区磁场复杂性和非势性的特征物理量, 即纵向磁场最大水平梯度Bz, 强梯度中性线长度L, 孤立奇点数目η. 为检验太阳光球磁场特征在质子事件短期预报中是否有效, 采用BP神经网络方法, 建立了基于这三个磁场特征物理量简单的太阳质子事件短期(24h)预报模型. 模 型在对2002年和2003年连续两年的样本检测中, 有很高的准确率(2002年和2003年 分别为90 %, 87.54 %)和较高的 质子事件报准率(2002年和2003年分别为60 %, 75 %),从而为光球磁场特征物理量作为质子事件预报的有效因子提供了依据.      

基于BP神经网络的雷达装备维修质量评估研究

通过对雷达装备维修质量影响因素和众多参数进行分析权衡,建立了装备修后维修质量评估指标体系,鉴于评价体系包含许多复杂的不确定性因素,为衡量其对维修质量的影响程度,弥补传统评估方法的不足,构建了基于BP神经网络的雷达装备修后维修质量评估模型,并通过实例验证了模型的科学性、合理性和公正性。     

限制性四体问题中的时间相关不变流形

借助有限时间Lyapunov指数（FTLE）定义了拉格朗日拟序结构（LCS）,并将LCS作为不变流形的替代物。针对日-地-月双圆模型（BCM）,利用LCS研究了限制性四体问题（R4BP）中的时间相关不变流形（TDIM）的性质。采用数值方法验证了TDIM是运动分界面和轨道不变集。继而,利用二分法对给定Poincare截面上的LCS进行了精确提取,通过一系列等能量面上的LCS描绘出TDIM在给定截面上的构形。最后,借助TDIM,初步研究了低能奔月轨道在非自治系统BCM中的直接构建。     

BP神经网络在结构边界参数识别中的应用

针对建立发动机动力学模型过程中,试车台机架结构边界环境的不确定状况,对神经网络在边界刚度识别中的应用进行了研究。以结构模态频率为网络输入,边界X、Y、Z方向的刚度为输出,通过一种增加训练样本的方法大大提高了网络的映射性能,最终的识别结果达到了预期目标,满足工程需要。     

BP神经网络训练中的实际问题研究

研究了BP神经网络的结构以及学习算法,根据实验经验总结出了在神经网络的训练过程中需要注意的一些实际问题,对BP神经网络的应用有实际的指导意义。最后分析了BP神经网络的局限性并简要介绍了改进的一些方法,给神经网络的研究提供了一定的参考价值。