基于神经网络的导弹制导控制一体化反演设计

针对制导控制一体化(IGC)模型中的不确定性难以进行估计补偿的问题,提出了基于神经网络的IGC反演设计方法。首先,根据弹目相对运动关系以及导弹自动驾驶仪模型建立了三维空间中的IGC模型。其次,针对由目标机动引起的模型不确定性,提出应用高阶滑模微分器(SMD)对导弹导引头获得的弹目相对运动信息进行微分,从而估计出目标加速度的方法,然后考虑导弹自身由于参数摄动以及未建模动态引起的模型不确定性,应用SMD和神经网络模型进行在线逼近补偿,基于反演控制理论设计了带有SMD和神经网络模型的IGC算法,应用李雅普诺夫稳定性理论对所设计的控制算法进行了稳定性证明。最后,进行了导弹六自由度仿真,验证了所设计控制算法的有效性。     

拦截弹道快速设计方法

针对传统优化算法在解决多约束条件下拦截弹道设计问题时迭代计算耗时过长的缺点,提出了一种快速拦截弹道设计方法.该方法基于人工神经网络的非线性拟合技术,先通过普通优化算法进行离线样本计算,对样本中目标位置和优化得到的飞行程序参数进行输入-输出映射拟合训练,从而实现在给定目标位置的情况下对最优飞行程序参数的快速计算,达到提高拦截弹道设计效率的目的.经过数值仿真验证,将该方法应用于拦截弹道设计,在保证良好命中精度的同时,设计所需的计算时间大大减少,从而提高了弹道设计的时效性.      

基于Deform软件二次开发和BP神经网络的TA15多向锻造微观组织预报

通过热压缩实验构建了TA15合金的热变形真应力-应变曲线,以此为基础分别建立了合金双相区及单相区温度区间的热变形本构方程;基于热压缩试样动态再结晶的统计数据建立了TA15合金的动态再结晶模型。借助Deform提供的二次开发功能实现相关数学模型的程序化,制定正交实验方案,实现了TA15合金多向锻造变形的微观组织仿真。通过正交实验分析得出各项因子的影响对象及强弱差异,提出了双相区及单相区温度区间内的多向锻造最佳因子组合。建立了TA15合金多向锻造变形微观组织的BP （Back Propagation）神经网络预测模型,将预测结果与有限元仿真结果进行比较,结果表明两种方法的预测结果基本一致,但神经网络具备有限元仿真难以实现的良好细节预测能力,能更为细致地实现对微观组织分布状态的划分。     

Strong geomagnetic activity forecast by neural networks under dominant southern orientation of the interplanetary magnetic field

The paper deals with the relation of the southern orientation of the north–south component _Bz$B_z$ of the interplanetary magnetic field to geomagnetic activity (GA) and subsequently a method is suggested of using the found facts to forecast potentially dangerous high GA. We have found that on a day with very high GA hourly averages of _Bz$B_z$ with a negative sign occur at least 16 times in typical cases. Since it is very difficult to estimate the orientation of _Bz$B_z$ in the immediate vicinity of the Earth one day or even a few days in advance, we have suggested using a neural-network model, which assumes the worse of the possibilities to forecast the danger of high GA – the dominant southern orientation of the interplanetary magnetic field. The input quantities of the proposed model were information about X-ray flares, type II and IV radio bursts as well as information about coronal mass ejections (CME). In comparing the GA forecasts with observations, we obtain values of the Hanssen–Kuiper skill score ranging from 0.463 to 0.727, which are usual values for similar forecasts of space weather. The proposed model provides forecasts of potentially dangerous high geomagnetic activity should the interplanetary CME (ICME), the originator of geomagnetic storms, hit the Earth under the most unfavorable configuration of cosmic magnetic fields. We cannot know in advance whether the unfavorable configuration is going to occur or not; we just know that it will occur with the probability of 31%.     

一种基于遗传RBF神经网络的智能容错滤波算法

针对组合导航中标准卡尔曼滤波容错性能不足的问题,提出一种基于遗传RBF神经网络的智能容错滤波算法,其基本思想是通过RBF网络自动调节滤波增益来控制不确定性噪声的影响,进而提高滤波容错性。在RBF神经网络中,隐层单元与核函数宽度的选取对网络的性能具有重要影响,进而利用自适应遗传算法对其隐层单元数及核函数宽度进行了优化,隐层单元中心和输出层连接权值分别由K-均值聚类和最小二乘算法确定,最后得到精度较高且结构优化的RBF网络。为检验方法的应用效果,以SINS/GPS组合导航系统为例进行了仿真验证,实验结果表明遗传RBF网络容错滤波算法能在满足导航精度和计算量增加较小的前提下,比标准卡尔曼滤波具有更强的容错能力,由此也说明了方法的有效性。     

综合路由的无线传感器网络覆盖调度

利用目前公认为理论上最好的无线传感器网络集中式覆盖控制算法MCLC(Most-Constrained Least-Constraining),结合DD(Directed Diffusion)和LEACH(Low Energy Adaptive Clustering Hierarchy)路由协议,基于节点最小剩余能量调度覆盖集,观察最小剩余能量不同选取对节点能耗和均衡性以及网络生存期的影响.研究能耗均衡性和网络生存期的关系,提出了一种新的一般性能耗均衡的覆盖集调度的方法.仿真结果表明:所提方法可以有效提高网络生存期,同时为设计覆盖控制算法和覆盖集调度策略提供理论指导.      

利用神经元拓展正则极端学习机预测时间序列

为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点.      

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。