基于动态贝叶斯网络的可修GO法模型算法

GO法是评价复杂系统可靠性和安全性的有效方法,除了能描述多状态时序特性外,还能表达系统的复杂动态维修行为.针对这种带有动态可修特性的系统GO法模型,提出一种基于动态贝叶斯网络的新算法.首先将GO法模型中的可修操作符和不可修操作符转换成动态贝叶斯网络,然后将整体模型通过贝叶斯软件进行模型求解.新方法结合贝叶斯网络理论的成熟算法和软件,可得到系统可用度随时间变化的曲线和给定时间点的瞬时可靠性指标,并且无需考虑共有信号问题.基于动态贝叶斯网络理论的新算法规则简单统一,便于工程应用.      

基于细胞吸引子选择机制的网络选择算法

随着无线通信技术的发展,物联网、车联网和体联网等同类型的无线网络之间共存、相互补充和异构融合。任何单一的通信技术不能完全满足人们对网络服务的多样化需求。如何在移动过程中选择可靠高效的网络连接成为学术和工业界的研究热点。基于细胞吸引子选择模型,提出了一种面向群体终端网络选择的决策方法,并通过车联网环境数值实验比较了该生物启发式决策方法与基于效用函数方法的性能,结果表明:基于细胞吸引子选择机制的生物启发式决策方法在网络选择决策中具有较好的性能。      

基于空谱融合特征主动学习的高光谱图像分类

针对高光谱图像分类过程中存在的样本量少和分类精度低的问题,提出一种基于空谱融合特征主动学习的高光谱图像分类方法。主要包括构造三通道图像,全卷积网络提取空间特征,空谱特征结合,主动学习方法选择训练样本几个部分。通过结合像素的光谱特性和相邻像素间的空间关联,提取出可以反映像素空谱联合特性的综合特征,提高了像素特征的表达能力。为克服高光谱图像标注数据少、缺乏训练样本的问题,应用主动学习算法,充分选择更具有代表性的样本进行训练,达到少样本情况下较高的分类正确率。通过在标准数据集上进行实验,结果表明:该方法可以达到在总样本数1%作训练样本的情况下,分类正确率达到99.79%,优于传统的高光谱分类算法。     

链路状态感知的低轨卫星网络路由机制

低轨卫星的空间组网能够突破地形限制,实现全天候、高带宽、低时延、广覆盖的数据通信,弥补地面通信系统的不足,使通信服务全球化成为可能。但是,卫星节点的快速移动和能量受限使得空间链路面临高动态、不可靠、间歇性等问题。同时接入用户的分布不均容易导致卫星网络出现重载节点和局部拥塞的情况,这对空间组网和数据传输提出了新的挑战。传统的静态卫星组网模式可靠性差,可伸缩性低,难以适应空间动态组网的需求。针对低轨卫星网络拓扑变化快的特点,提出链路状态感知的路由机制,在降低卫星能耗的同时减轻网络的局部拥塞,使用树莓派搭建半实物仿真平台,并在该平台上进行实验,验证了该机制的有效性。     

基于神经网络的非线性结构有限元模型修正研究

现有的动态有限元模型修正方法几乎都是建立在线性假设基础之上，修正中利用固有频率等线性系统特征量。工程中，真实的结构振动系统都是非线性的。虽然在许多情况下，线性化假设获得的结果能够较为准确地反映真实系统的特性。但是，在结构的非线性特征较为明显时，必须考虑非线性因素，这时，现有的模型修正方法将不再适用。现以非线性梁为研究对象，采用基于神经网络的修正方法探索了非线性结构的有限元模型修正问题。仿真研究中利用有限元分析的响应数据训练神经网络。修正结果表明，包括非线性弹簧刚度系数在内的三个设计参数修正后误差均在1％以内。说明基于神经网络的有限元模型修正方法适用于解决非线性结构的有限元模型修正问题。     

基于反馈线性化的动能拦截器姿态控制研究

动能拦截器进入末制导阶段时经常需要进行大角度姿态机动,这时拦截器姿态控制系统具有非线性、强耦合、多输入多数出(MIMO)的特点。现针对动能拦截器模型的非线性和不确定性,提出PID神经网络自适应逆控制方法对拦截器飞行姿态进行控制。首先基于精确反馈线性化方法将系统解耦成三个独立的子系统,然后应用基于PID神经网络的自适应逆控制方法分别设计每个子系统的姿态控制器。该方法将PID神经网络控制与自适应逆控制相结合,对于拦截器姿态控制系统中的建模误差以及外部干扰具有较强的适应能力。仿真结果证明了该方法的有效性。     

一种实用的边缘强度互相关匹配可信度分析方法

匹配可信度是衡量匹配质量的重要指标，针对归一化边缘强度互相关匹配算法，研究了基于神经网络的匹配可信度判别方法。通过对参考图进行加噪实验获得训练样本，对BP网络进行训练，并将训练后的网络用于匹配可信度的判别。针对实际卫片与航片图像对的实验结果，平均判决正确率达到90％以上，证实了该方法的有效性。     

战术数据链的协同互连问题研究

通过分析美军以及北约战术数据链的基本特点及其性能,提出了战术数据链的协同互连问题,并给出了相应的解决方案,最后结合我国实际情况对我国战术数据链的发展和规划提出了一些建设性意见。     

一种改进的卫星宽带网络拥塞控制算法

以卫星宽带网络为应用背景,从卫星宽带网络的特点出发,设计并实现了一种新 的TCP拥塞控制算法——TCPCA。针对卫星网络高误码率的特点,在接收端采用了Casablan ca分类器区分链路丢包和拥塞丢包。为了克服由大时延带来的重传时间间隔过大的缺点,采 用了批量重传来及时重传丢失的报文段;同时针对大时延致使网络恢复时间延长的缺点,在 发送端采用智能窗口调整策略,避免由于链路错误而减小发送窗口导致的吞吐量下降。利用 仿真软件NS2,通过和传统的TCP拥塞控制机制相比较,TCPCA算法能够提高吞吐量,并且保 证了公平性和友好性。〖JP〗     

基于广义回归神经网络集成的宽带波束形成算法

首先构造宽带波束成形所需要的协方差矩阵,利用基于粒子群优化算法对核主成分分析方法和广义回归神经网络进行了优化。在对神经网络的输入变量进行降维处理后,生成多个复杂度低的泛回归神经网络模型。利用提出的基于聚类启发式集成算法求出波束成形时的权系数,既考虑了网络的差异性,又考虑了网络的正确性。仿真结果表明,提出的基于聚类启发式神经网络集成的波束形成算法在网络结构十分简单的情况下,仍然具有较好的性能。