基于Elman网络的共轴式直升机动力学系统辨识

根据共轴式直升机动力学与运动学基本方程的结构形式建立了一种基于改进的Elman神经网络的辨识模型,同时推导了该网络的训练算法,给出了训练步骤.随后,利用外场试飞中几个典型飞行状态的遥测数据对网络进行训练,计算权值矩阵,获得该共轴式直升机用来进行动力学系统分析的神经网络模型.以匀速前飞状态为例进行了纵向操纵响应仿真,比较仿真结果和实际遥测数据可知,该网络模型基本反映了样例机的动态特性.      

无线传感器网中的加权距离节点选择法

节点选择存在于无线传感器网的目标跟踪问题中,主要任务是从多个传感器中选取合适节点跟踪当前目标,满足跟踪精度、算法计算量的要求.提出一种适用于测角传感器节点的加权距离选择法,该算法利用目标状态预测的分布及节点的探测模型,通过计算节点距目标几何距离及加权系数,选择具有最小加权距离的传感器点进行探测,避开了贝叶斯滤波,在减少计算量的同时具有很好的选择精度.仿真结果表明,本算法大幅度减少了计算量,同时可达到和熵值法相当的跟踪定位效果.      

连续分布的Bayes双样预测的通用公式

针对一般的连续分布,给出了Bayes双样预测所需的大小为N的未来样本的第j个（j=1,2,,N）顺序统计量的条件概率密度函数、条件可靠度、条件均值的通用公式,并将之应用于最常见的连续分布。     

基于新Dirichlet先验分布的超参数确定方法研究

研究了基于新Dirichlet先验分布的Bayesian可靠性增长模型的超参数 确定方法,该方法将专家经验表示为均匀分布,以先验参数为变量,将均值作为约束条件、 方差作为目标,利用最优化方法求出与该均匀分布最为接近的Beta分布,解决了由于新
Dirichlet先验分布超参数物理意义不明确而难以确定的问题。针对后验积分难以计算的问 题,采用WinBUGS软件建立了新Dirichlet先验分布的Bayesian可靠性增长模型,该模型思路 清晰、简单易行,提高了计算的精度,实例证明了该模型在可靠性应用中的直观性与有效性 。     

基于模糊系统的径向高斯网络的自适应状态观测器

利用模糊系统的径向高斯函数网络对一类非线性时变系统的状态进行了估计。给出了一种递阶自组织在线学习算法,提出了非线性时变系统的自适应状态观测器,并对其结构及特征进行了讨论,仿真结果表明这种自适应状态观测器能很好地观测系统的状态。     

基于神经网络建立液态挤压成形管、棒材工艺参数知识库

 采用人工神经网络方法,将８１组实验数据用于神经网络的建模及检测,建立了液态挤压成形管、棒材工艺参数知识库,可以对该工艺的关键参数进行较为准确的预测,从而为推动该金属成形新工艺的实际应用奠定了基础。     

分布交互仿真原型系统研究与开发

分布交互仿真（ＤＩＳ）是９０年代以来对军用仿真领域影响很大的关键技术之一。结合对ＤＩＳ关键技术的研究,开发了一个ＤＩＳ原型系统。论述了该原型系统的体系结构、通讯管理方式、人－机交互方式、虚拟合成环境等问题,该原型系统的开发对ＤＩＳ技术的进一步研究和工程应用都具有较大意义。     

模拟电路故障诊断技术研究

介绍了模拟电路故障诊断的现状及特点,对基于网络撕裂法的故障诊断方法进行了研究,探讨了基于BP神经网络的故障诊断方法及其在模拟电路上的应用,并指出了故障诊断技术的发展趋势。     

飞机作战效能评估中人的可靠性的引入方法

分析了目前的研究现状,提出了在飞机作战效能评估中引入人的可靠性的思想,分析了飞行员可靠性的特点,对在作战仿真和解析计算评估中的引入方法作了相应的探讨和研究。     

基于旋转矩阵的预设时间航天器编队姿态协同控制

由多个航天器组成的编队系统对复杂的环境往往具有较高的适应性和容错性,能更高效率地完成单航天器难以完成的任务。因此主要针对多航天器系统的姿态协同控制问题,提出一种基于旋转矩阵的预设时间控制算法。首先,为了避免航天器姿态建模的奇异性和模糊性问题,采用旋转矩阵对航天器的姿态进行统一描述,同时结合有向的通信拓扑对航天器姿态协同控制系统进行建模。其次,为赋予系统可控的收敛速度,提出一种基于滑模的预设时间控制算法。该算法的引入使得航天器编队系统的收敛时间可以在合理的范围内任意给定。此外,为了实现系统对参数摄动和外部干扰的鲁棒性,采用神经网络和自适应算法对不确定性进行在线估计与补偿。最后,通过理论分析和数值仿真验证了所提预设时间控制算法的有效性。