多传感器目标识别的优化融合

对于工作在复杂环境下的多传感器目标识别系统,确保其稳健性和准确性的关键是有效处理被融合信息的不确定性。根据影响信息不确定性的因素,文章把传感器本地识别信息的可信度分为了统计可信度和环境可信度;采用最小二乘法和神经网络实现统计可信度的估计,自适应神经模糊推理实现环境可信度估计;并利用这两种可信度实现以一致理论为基础的多传感器目标识别的优化融合。经实验仿真证明,该融合方案是有效的。     

BTT导弹神经网络自适应控制器设计

在导弹系统存在非匹配不确定性的情况下 ,提出了一种基于RBF神经网络和反演控制技术的神经网络自适应导弹控制系统的设计方法。首先应用RBF神经网络在线辨识系统中存在的不确定性 ,然后利用反演控制技术设计了导弹非线性自适应控制器 ,成功的处理了非匹配不确定性 ,并应用Lyapunov稳定性理论推导出RBF神经网络权重矩阵及中心点值的调节律 ,保证了系统的稳定性。证明了系统的所有信号均有界且全局指数收敛至原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果显示了该设计方法的有效性。     

导弹级间热分离动态特性仿真研究

级间热分离具有改善和提高继续飞行级的稳定性和入轨精度而被固体弹道式导弹广泛采用。以某导弹级间热分离为研究背景建立了分离动态方程,基于ADAMS平台进行了参数化模型的分离动力学仿真分析,协调、选择级间分离的各种参数,阐述了级间热分离需考虑的主要问题。研究表明,虚拟现实技术是实现合理选定导弹级间热分离时序的有效途径,不仅可提高分离系统设计、分析和校核过程中的条理化和清晰度,而且为实现分离系统设计与仿真的精确化、可视化、组合化和通用化提供了较好的基础。     

仿真转台的低速性能研究

低速性能是仿真转台的重要性能指标之一，在系统设计中如何在保证系统高速系统和频带要求的同时满足低速性能指标的要求是设计者着重考虑的问题，也是转台控制系统设计的难点之一。本文在三轴模拟飞行转台设计实践中提出一种行之有效的方法，在保证系统频带要求情况下提高系统的稳态精度和低速性能，并给出了０．００５ｄｅｇ／ｓ和０．０１ｄｅｇ／ｓ的低速性能曲线，根据实践测试结果和数字控制系统的特点探索性地提出一种评价系统     

旋转倒立摆的神经网络控制

本文针对一种新型的倒立摆系统,设计了一个四输入单输出三层BP网络,并对一级旋转倒立摆控制器进行逼近。仿真结果表明,BP神经网络有很广阔的应用领域。     

基于模糊神经网络的涡结构识别方法研究

研究气动光学传输效应产生的机理是红外成像末制导的共性基础技术之一,基于涡结构对光学传输效应进行建模是一种非常有效的方法,而涡结构的识别是其必要前提。文中提出一种新的涡结构识别方法,把折射率场经小波变换后的系数矩阵等效为具有一定纹理结构的图像,计算图像的共生矩阵及其统计量,由于涡结构模式复杂,特征量较多,设计了等价结构的模糊神经网络进行涡结构识别。与小波分解后直接提取特征量的识别方法相比,本文的方法从空、频角度更加准确全面地表征湍流涡结构模式,计算机仿真结果表明该方法优于神经网络的识别效率。     

应用少量短电阻应变丝布置的损伤评估智能材料结构

智能材料结构是一门新学科，它越来越引起不同学科研究者们的兴趣，本文研究采用电阻应变丝为传感元件，人工神经网络为处理辨识器的损伤评估智能材料结构，提出并实施了一种少量短电阻应变丝的传感元件布置方法，用以对结构中损伤或大应变的区域和级别进行在线评估。     

基于神经网络模型的学习诊断

基于故障树模型的诊断把故障树的底事件分成三部分：必然的故障源集（ＣＦＳ）、正常底事件集（ＮＥＳ）和可能的故障源集（ＰＦＳ），及如何进一步确定ＰＦＳ中各元素的状态（正常或异常）。在存在大量训练样本的情况下，可采用基于神经网络模型的学习诊断方法来确定ＰＦＳ中各元素的状态，并通过对某卫星能源系统故障模拟原理性试验台的故障诊断验证了该方法的有效性。     

计算机网络安全通信保密机制

本文以计算机网络开放系统互连(OSI)参考模型中的传输层(TP-4)标准服务为基础,在其提供的服务中,增添相应的保密机制及修改某些部分,来向上层(会话层)提供包括保密通信功能的有效的传输服务(TP-S)。文中着重讨论了防止信息丢失攻击、防止流量分析攻击、信息流篡改攻击检测、拒绝信息服务攻击检测以及伪连接初始化攻击检测等保密目标,所采取的加密方法和工作方式以及为达到上述目标提供的有效服务。     

竞争学习模糊神经网络及在导弹故障诊断中的应用

尽管基于解析冗余的故障诊断方法有许多突出的优点而越来越多地得到的研究和应用，但它依赖于系统的模型，当系统存在非线性或不确定性时，存在难以建模的困难，模糊神经网络可以通过学习建立系统的模型，且模型参数有明确的物理意义，初始参数易于选择，成为解决这一问题的优选途径，作者通过把模糊神经网络的学习转化为竞争聚类和线性优化问题，基于竞争聚类和最小二乘原理，提出了一种模糊神经网络学习算法，并在某伺服机构上进行