基于粗糙集与RBF神经网络的雷达辐射源信号识别研究

针对新体制、新用途雷达辐射源信号难以识别的特点,用粗糙集理论对雷达辐射源信号进行离散化、属性约简、规则提取,达到分类的目的。用粗糙K-均值聚类方法计算径向基神经网络（RBFNN）的聚类中心,然后用粗糙集理论约简得到的规则构建径向基神经网络对未知雷达辐射源信号进行识别。仿真结果表明,这种基于粗糙集与RBF神经网络的识别模型减少了识别冗余特征、简化了神经网络结构,能有效地识别雷达辐射源信号。     

论网络在线测试及训练系统建设

在高等职业教育中,英语教学越来越表现其重要性.目前,计算机和网络的普及以及应用为英语教学改革与发展提供了新的方法和手段,为推行以学生为中心的自主式、个性化的教学方法提供了更加广阔的平台.通过分析在英语教学中存在的问题,提出了建立测试及训练系统的理论依据,介绍了该系统的特点,以期通过此平台更好地培育学生学习的自主性及延续性.     

基于RBF神经网络的机器人鲁棒自适应控制器设计

在考虑机器人系统中存在的模型不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法。首先,通过状态变换将机器人的模型转换为适用于反演技术的形式;然后,利用反演技术设计了鲁棒自适应控制器,用两个RBF神经网络分别对模型的不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节律以及相关的鲁棒项,证明了系统的全局稳定性;最后,进行了相应的仿真研究,验证了设计的正确性和有效性。     

航空发动机全包线自适应解耦控制器设计

为实现航空发动机在全包线的解耦控制, 在飞行包线内选择了若干点, 使用遗传算法对单神经元自适应解耦控制器的比例系数进行了离线优化。以优化得到的若干组参数为训练样本, 离线训练径向基函数(RBF)神经网络, 训练后的网络可映射高度、马赫数与比例系数之间的非线性关系, 飞行包线内任意点的解耦控制器比例系数即可由该网络得到。仿真表明:在设计点和非设计点, 系统均具有良好的动态特性和解耦特性。该方法结构简单、易于实现, 具有实用价值。      

空间信息传输协议测试平台研究

未来空间任务的复杂性不断提高,开发一个低成本的地面综合测试平台环境,通过模拟和仿真以确认、优化和验证空间信息传输的协议体系结构、先进技术和应用服务具有十分重要意义。文章描述了空间信息传输协议测试平台的应用对象和研究目标,提出了总体技术框架和功能组成,以未来月球任务为研究对象,分析了测试平台实验场景及测试方法步骤。     

基于动态贝叶斯网络的弹头目标融合识别方法

通过分析导弹目标识别问题的特殊性,设计了适用于导弹目标识别的动态贝叶斯网络。根据导弹目标的特点,选取了几种具有较好普适性的目标特征,并给出了每种目标特征的条件概率。通过分析导弹目标识别流程,提出了合理的贝叶斯网络模型。最后经过仿真试验,证明该模型相比单特征识别模型识别概率有明显提高,并且具备较好的稳健性。     

航空发动机磨损趋势RBF变权重组合预测方法研究

航空发动机滑油中金属元素的含量受许多复杂因素的影响,单一模型预测精度相对较低,本文针对这个问题提出了RBF网络变权重组合预测模型（RBFNN-VWCF）对航空发动机零部件的磨损趋势进行研究。首先引用C-C方法确定时间序列的嵌入维数和时间延时,重构相空间确定模型的输入输出样本,然后对两种模型进行组合预测,利用k均值聚类方法确定RBF网络的中心,利用固定法确定RBF网络的宽度,采用最小二乘法确定网络的权值。结果表明,RBFNN-VWCF模型充分利用了参与组合预测的两种模型的有效信息,更客观地反映发动机零部件的磨损趋势,预测结果更为稳健、相比单一模型精度更高,具有较强的工程实用价值,为发动机下一步的维修决策提供了有力支持。     

基于神经网络的电动加载系统

 针对电动加载系统中多余力矩的干扰 ,提出了基于RBF(径向基函数 )神经网络的新型复合控制策略 ,与传统的BP神经网络相比 ,没有局部最小问题。由于系统非线性和时变性 ,特别在多余力干扰下传统控制方法如PID很难得到满意的控制效果。提出的复合控制方法主要由神经网络PID和前馈补偿器组成 ,通过仿真与试验 ,控制器有效的减少了多余力矩对系统的影响 ,改善了加载系统的动态性能。     

基于RBF网络辨识的涡扇发动机双变量神经网络PID解耦控制

根据神经网络与PID算法相结合的思想, 针对涡扇发动机双变量控制中变量之间的耦合问题, 提出基于径向基函数神经网络(RBF)辨识的发动机双变量神经网络PID解耦控制, 并给出控制系统的控制结构及原理.仿真结果表明, 该方法控制精度高、跟踪性能强、鲁棒性良好, 能够有效地减小各回路之间的耦合影响, 并保证控制系统具有良好的稳态和动态性能, 适合航空发动机控制.      

BP网络局部极小值的修正算法

在人工神经网络中,反向传播法占据了非常重要的地位。近几十年许多研究人员对其做了深入的研究,提出了很多改进的方法,主要目标是为了加快训练速度,避免陷入局部极小值和改善其他能力。本文主要讨论在MATLAB下使用附加动量法使网络避免陷入局部极小值问题。