Nighttime cloud properties retrieval using MODIS and artificial neural networks

In this work a methodology for inferring water cloud macro and microphysical properties from nighttime MODIS imagery is developed. This method is based on the inversion of a theoretical radiative transfer model that simulates the radiances detected in each of the sensor infrared bands. To accomplish this inversion, an operational technique based on Artificial Neural Networks (ANNs) is proposed, whose main characteristic is the ability to retrieve cloud properties much faster than conventional methods. Furthermore, a detailed study of input data is performed to avoid different sources of errors that appear in several MODIS infrared channels. Finally, results of applying the proposed method are compared with in-situ measurements carried out during the DYCOMS-II field experiment.     

基于模糊基函数网络的系统故障检测

给出了基于T-S模型的模糊基函数网络(FBFN),并提出了一种基于FBFN的未知系统故障信息检测通用方法.将未知系统分为已知部分和未知部分.系统的实际输出包括已知部分输出、未知部分输出和故障信息等三部分.已知部分用数学模型描述.未知部分包括系统的建模误差、噪声干扰等不确定性,用FBFN逼近.因此,根据系统的实际输出、数学模型输出和FBFN输出可估计出故障信息.最后给出了某飞机的微波着陆系统故障信息检测仿真实例.      

基于潜在成分的时变系统损伤的概率神经网络分类

提出了一种新的时变系统健康监控的损伤分类方法。将函数级数时变自回归平滑时序模型应用于时变系统的振动信号,以估计TAR／TMA参数和革新方差。这些参数是时间的函数,将它们在以特定的基函数构成的某种函数子空间上展开得到相应的投影系数组。所估计得到的TAR／TMA参数和革新方差可进一步用来计算潜在成分（LCs）,将LCs用于健康评估比原来的参数更具信息。并将LCs联合并归化为数值得到特征集,输入概率神经网络（PNN）进行损伤分类。为了评价该方法,对一个时变系统进行了仿真,以各种不同的质量和刚度减少来模拟不同的损伤类别。算例表明：该方法能够在时变系统的背景下对损伤进行归类。     

Autonomous navigation of formation flying spacecrafts in deep space exploration and communication by hybrid navigation utilizing neural network filter

Autonomous navigation of spacecrafts is a difficult task, however, which is a must in future deep space exploration. With multiple spacecrafts flying in space, this aim can be achieved by formation flying spacecraft (FFS) utilizing inverse time difference of arrival (ITDOA) and inverse difference Doppler (IDD) methods, which can locate the position of earth-station from one-way uplink signals in the FFS coordinate, and by way of conversion of coordinates, the position of FFS is achieved in earth-centered earth-fixed (ECEF) coordinate. The ability of neural network (NN) filter in navigation to extract position of spacecrafts from random measuring noise of signal arrival time and Doppler shift is studied with different radius of FFS and surveying parameters. The NN filter used by spacecraft group is new way of unidirectional autonomous navigation and is of high precision of hybrid navigation.     

复合材料格栅结构优化设计中的计算智能技术

针对复合材料格栅结构优化设计多变量、多约束、连续和离散混合变量、高度非线性的难点,提出了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,以此来代替优化过程中的有限元计算,以提高优化效率.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进行优化.结果表明,在相同样本数的情况下,进化神经网络可获得比BP网络更高精度的映射模型,具有很强的泛化能力.该方法可以为解决大型复合材料结构优化问题提供一条高效途径.      

国防R&D项目的评估与中止决策

论述了对国防R&D项目进行评估及中止决策的重要意义.探讨了神经网络方法用在国防R&D项目中期评估及中止决策的可行性.提出了适用于国防口R&D项目评估及中止决策的BP多层神经网络方法.选用了国防口正在进行研究的52个项目作为实证分析案例,利用BP多层神经网络方法对之进行了分析处理.分析结果识别出了影响国防口R&D项目发展前景的6个重要因素,同时,对52个项目进行了归类处理,并对该52个国防口R&D项目作出了继续、暂停及中止研究的决策.案例研究的结果表明,该方法实施较为方便、计算较为简单,其有效性令人满意.这表明BP多层神经网络方法在R&D项目中止决策领域具有应用前景.      

多传感器斜置系统故障检测的奇偶向量补偿方法

提出采用神经网络对多传感器斜置组件的奇偶向量进行补偿,从而消除安装误差、刻度系数误差以及常值偏差对奇偶向量的影响,提高系统对小幅值故障检测与隔离的准确性.基于神经网络的方法与卡尔曼滤波、偏差分离估计方法相比,不需要各项误差的动态模型和噪声统计特性.神经网络采用有一定时间延迟的样本进行在线学习时,利用补偿后的奇偶向量能够检测出有一定斜率的斜坡型故障.      

电信电缆交接箱管理网MNTCSB的实现

电信电缆交接箱管理网MNTCSB利用先进的计算机网络和通信技术实现了对交接箱的自动化管理.叙述了MNTCSB系统的硬件构成、各部分通信方式的解决、地址编码和地址解析、关键算法、各网管功能的实现等.      

超机动导弹的神经网络控制系统

 研究了应用于具有超机动能力的导弹的非线性神经网络控制系统.利用神经网络可以任意逼近非线性函数的能力,来学习超机动导弹在大迎角状态下的高度非线性动态特性的逆动态特性,得到对参数变化及未建模动态具有较好鲁棒性的控制系统.为了改善神经网络的学习能力和学习算法的稳定性,对学习增益做了模糊化处理.数字仿真结果说明了该控制方案可以达到预期效果.     

一个神经网络结合遗传算法的叶轮逆命题设计方法

本文的目的是利用神经网络实现离心压缩机叶轮的逆命题设计。为此,结合实例叶轮逆命题设计问题通过遗传算法的演化和训练建立了前馈神经网络。所建网络随之用于求解给定表面速度分布情况下的叶片型线。