一种基于模糊机理模型的混事建模方法

本文提出了一种基于模糊机理模型的混合建模方法。采用模糊逻辑系统建立机理模型，RBF神经网络建立系统的补偿模型。这种方法具有建模精度高、物理意义明确以及适应范围大的特点。仿真结果进一步证实了这种方法的有效性。     

一种BP MFN逆模型补偿的复合控制结构方案研究

由于对结构未知和不确定的非线性系统还没有形成一种通用有效的辨识和控制方法，为此首先对非线性系统逆模型辨识和控制的结构方案进行分析，然后基于复合控制思想，对基于神经网络的非线性系统逆模型补偿的复合控制结构方案进行研究。设计了一种基于BP MFN（Multilayer Feedforward Network）逆模型补偿的复合控制结构方案，并基于不同BPMFN逆模型结构进行了仿真。仿真结果显示，基于神经网络的非线性系统逆模型补偿的复合控制结构方案是有效的，且在满足辨识建模精度要求前提下，采用相对简单的BPMFN逆模型结构，对提高逆模型的泛化能力和非线性系统的控制效果是有益的。     

升力式再入飞行器的先进控制方法研究

为克服升力式再入飞行器现有分段控制方法的缺陷,根据动力学模型,将滑模变结构控制和神经网络动态逆法控制分别用于飞行器再入控制的外环与内环回路。建立了控制模型并进行仿真。理论分析和仿真结果表明,采用该法无需大量的增益调节,能自动适应非线性、强耦合的对象特性,以及环境的剧烈变化,减小不同飞行条件下对气动和结构参数的依赖性,自动补偿不确定因素和扰动,能较好地实现飞行器的再入控制。     

基于改进增益规划法的导弹稳定控制回路设计

定点设计和多点拟合是利用传统增益规划法进行控制回路设计的基本环节。针对传统增益规划方法中存在的问题 ,本文将基于遗传算法的特征点处控制系统参数设计方法和基于神经网络的稳定控制律拟合方法组合在一起 ,形成一种改进增益规划方法用于导弹稳定控制回路设计 ,以克服原有设计方法中人工试凑较多的弊端 ,降低人为因素对设计工作的影响 ,实现设计工作程序化、自动化和通用化。     

非对称式带状线模式馈电网络

本文概要的介绍了一种新型器件——非对称式带状线模式馈电网络的基本原理,主要技术指标及其相位关系等。该器件体积小、重量轻、结构紧凑、性能稳定、用于按模式馈电的场合既方便又可靠。     

用神经网络镇定可反馈线性化的仿射非线性系统

在用状态方程描述的单输入仿射非线性系统中存在一类可以通过非线性状态变换（ｘ）和输入变换ｕ＝α（ｘ）＋β（ｘ）ｖ实现输入──状态线性化的系统，用多层前馈神经网络通过实时学习实现此状态变换，并在此基础上用李亚普诺夫方法设计进行系统镇定的反馈控制器，仿真表明，学习在很短时间内可收敛，且系统对外干扰和未建模动态有一定鲁棒性。     

月球探测机器人运动控制算法研究

针对常规模糊控制的不足 ,本文提出一种模糊神经网络自适应控制 ,它综合模糊控制与神经网络控制各自的优点 ,实现模糊控制的智能化 ,并将其应用于月球探测机器人的运动控制中。仿真结果证明该控制方案的优越性、有效性和可行性     

基于非线性神经网络的高清晰高光谱遥感图像分类器设计与应用

对于高光谱和空间分辨率的遥感图像而言，它具有较为复杂的地物判读特性，应用常规的监督或非监督分类方法难以达到理想的结果。为此设计了一种非线性BP网络分类器，它将纹理结构特征与地物光谱特征相结合．针对上海市某地区的卫星遥感图像．在ENVI／IDL平台上与K-means的非监督分类和最小距离的监督分类方法进行了分类的对比应用。试验结果表明．该分法较好地考虑了图像的光谱特征，能有效地提高类别辨识的精度。     

模糊神经网络应用于数据融合中实现目标的身份识别

结合“情报侦察与数据融合专家系统”的需求 ,对基于产生式规则的模糊知识表示和推理、神经网络的结构和机理进行了研究 ,提出了将模糊规则与神经网络相结合 ,实现一种新的推理方法。在此基础上 ,实现了一种将模糊规则转化为神经网络的算法以及神经网络的学习算法 ,并具体讨论了这种新的推理方法在“情报侦察与数据融合专家系统”中实现飞机的身份识别的应用。实验证明这种网络结构巧妙地将模糊集理论和神经网络结合起来 ,充分利用了两者各自的优势 ,最终达到了对目标身份识别的效果     

KKV小型化的神经网络制导规律研究

直接碰撞动能拦截器 (KKV)的成本主要取决于它的大小和重量 ,本文的研究目的是使KKV轻小型化。本文将神经网络用于末制导 ,在轨道机动所需的速度增量Δv最小的性能指标下 ,实现闭环最优制导。文末的仿真实验将神经网络制导律与扩展比例导引律相比较 ,实验结果表明神经网络导引律可使KKV的重量减轻 15 %左右 ,并具有更强的鲁棒性。