社交网络中谣言传播动力学研究

社交网络已成为谣言发酵与传播的主要媒介之一,因此有必要研究谣言在社交网络上的传播规律。本文结合时空滞后、空间扩散、媒体报道等因素对社交网络中谣言传播的影响,建立新的社交网络谣言时空传播模型。利用偏泛函微分方程理论,给出模型的稳定性以及发生Hopf分岔的判别条件。数值仿真显示时滞可以影响模型的收敛速度及改变模型的稳定性,同时,媒体对社交网络谣言的深度报道可以极大地减小网络中谣言传播者密度,并扩大系统的稳定区域。 最后,给出一些社交网络谣言传播控制策略。     

基于Hopfield神经网络的非线性系统故障估计方法

针对一类故障参数是线性可分的非线性系统,在参数故障情况下提出了一种基于Hopfield递归神经网络的故障估计方法。利用Hopfield递归神经网络的自学习能力和稳定性理论,将故障参数的估计问题转化为Hop-field神经网络的稳定性问题,克服了现有数值方法存在量化误差和算法收敛性等问题。与自适应观测器和等价空间方法等相关故障参数估计方法相比,具有设计简单、易于实现和适用性宽等特点。仿真结果表明,对于常值故障和时变故障,诊断系统均具有较好的估计效果和动态性能。     

基于自适应逆的微型飞行器飞行控制系统

飞翼式微型飞行器由于尺寸小、速度低、气动布局特殊和飞行环境复杂多变,其飞行力学具有显著的非线性和非定常特性,传统的控制方法已不能满足要求.本文运用时标分离理论,设计了快变量和慢变量动态逆,同时引入在线神经网络补偿动态逆误差,并采用伪控制补偿器消除作动器和自适应单元之间的相互影响,在此基础上提出了飞翼式微型飞行器的自适应飞行控制系统,并与采用动态逆-PID控制方法设计的飞行控制系统进行比较.仿真结果表明:基于自适应逆的飞行控制系统,具有较强的鲁棒性和指令跟踪能力,比动态逆-PID飞行控制系统更适合于微型飞行器.     

无线传感器网络中基于分簇广播认证协议方案

认证机制是无线传感器网络安全机制关键技术之一。本文给出了无线传感器网络的层簇式结构,分析了无线传感器网络的广播认证协议。在此基础上提出一种基于分簇的广播认证机制N-μTESLA方案,设计了广播和组播认证协议。仿真结果表明所提出的方案与μTESLA方案相比,可以减少节点的能量消耗,使网络的生存周期延长。     

基于神经网络的光纤陀螺温度漂移误差建模与补偿

光纤陀螺（FOG）温度漂移误差是影响其输出精度的主要误差源之一,在实际应用中必须对光纤陀螺温度漂移误差进行适当补偿。传统的最小二乘法等线性补偿方法很难满足补偿精度的要求且适用性较差,利用BP及RBF神经网络分别建立非线性光纤陀螺温度漂移误差模型,可以有效提高补偿精度,使用FOG温箱实测数据对最小二乘模型及神经网络补偿模型进行了测试对比,验证了基于神经网络的非线性补偿算法在FOG温度漂移补偿中的有效性。     

无人机中继平台覆盖区域统计模型

针对中继信号覆盖区域确定性模型没有考虑信道随机衰落影响的问题,提出了一种基于中断概率的无人机（UAVs）中继平台信号覆盖半径统计模型。通过将中继链路建模为包含路径损耗、阴影衰落和多径衰落的复合分布模型,推导获得中继信号覆盖半径的概率分布,并给出一种利用中断概率数值求解覆盖半径的方法。仿真结果表明,信道衰落对覆盖半径影响非常大,当中断概率小于10%时,覆盖半径仅为无衰落信道时的一半。研究结果对移动自组织网络（MANETs）中的中继网络的无人机最优布置、飞行策略以及网络性能评估等具有重要的参考价值。     

基于RBF神经网络的飞行事故率预测建模

飞行事故率是反映航空安全水平的重要指标。针对飞行事故率预测建模难的问题,采用RBF神经网络方法,建立了飞行事故率的预测模型。仿真试验结果表明,RBF神经网络具有很高的建模精度和较强的泛化能力,从而验证了该方法的有效性和先进性。     

基于人工神经网络的红外探测效果评估

红外探测设备是红外系统中的重要组成部分,对其性能评估具有实际意义。分析研究了影响红外探测效果的主要因素,选取环境温度、相对湿度、能见度、辐通量、目标高度和探测距离为评价指标。针对神经网络良好的非线性映射功能及高精度的特点,构建了BP网络评估模型,实验表明,该方法简单有效,评估精度较高,具有很强的实际应用价值。     

基于RBF网络的导弹滑模动态逆控制律设计

讨论了一种基于径向基函数(RBF,Radial Basic Function)神经网络的导弹滑模动态逆控制律.导弹的基本控制律采用动态逆方法设计,对慢回路设计神经网络滑模控制器以补偿整个控制系统的不确定性.即用RBF神经网络逼近导弹慢模态不确定性的数学模型,并将逼近误差引入到网络权值的调节律以改善系统的动态性能;滑模控制器用于减弱模型不确定性及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使模型不确定性及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后通过仿真分析,验证了该方法的有效性.      

测试不可靠条件下多故障诊断方法

针对部队复杂系统故障诊断中存在的诊断精度低,虚警率高等问题,提出一种测试不可靠条件下多故障诊断方法.为解决系统诊断贝叶斯网络结构和概率映射表建立困难的问题,通过建立系统的多信号流图模型,从而获得系统诊断贝叶斯网络.将测试不可靠度引入概率映射表,增加了算法工程应用中的鲁棒性.利用后验概率诊断推理将问题归结为不等式约束极值问题,采用0-1规划隐数法对不等式极值问题求解,从而获得最优解.以某型导弹制导系统电子部件为例,验证了该方法对复杂系统多故障诊断的有效性.