纠错码与神经网络

从两个方面推广了Bruck和Blaum的工作。一方面,证明了在软判决译码的情况下,线性分组码的最大似然译码等价于一个神经网络收敛于它能量函数的全局极大状态。另一方面,对GF(p)上的线性分组码,构造了一个联想记忆神经网络,使得每一个线性分组码的码字都对应于神经网络的一个全局稳定状态。     

模糊神经网络的侧滑角校正

叙述了一种利用模糊神经网络模型来校正侧滑角的方法。侧滑角的校正基于以下七个输入变量：动静压之比、动压、迎角、滚转速率、偏航速率、飞机重心处侧向过载、基准侧滑角。在模糊神经网络模型的结构辨识中，采用了前向搜寻算法。样本数据的一部分用于训练模糊神经网络，另一部分用于测试和评价所得模型的性能；参数辨识中，采用了反向传播学习算法（即BP算法）。某型飞机的六自由度仿真软件仿真验证表明，用这种方法校正后的侧滑角具有较高的精确度。     

基于有监督线性特征映射(SLFM)网络的材料性能预测模型

构造了基于 SLFM网络的材料性能预测模型 ,探讨了实现该预测模型时网络的拓扑结构、学习和预测机制以及参数选择 ,提供了其对 Ti-2 6合金性能进行预测的实验 ,实验结果良好。在此基础上对 Ti-2 6合金的部分性能影响因素进行了优化 ,优化后的性能测算结果和实验结果相符。     

导弹块对角控制器的组合设计法

利用小脑关节模型控制器 ( CMAC)神经网络辨识了导弹控制系统的几个重要空气动力参数,证明了估计误差、权误差有界,然后用解析逆解设计方法、模糊神经网络变结构控制方法设计了块对角控制器。仿真结果显示了该算法的有效性。     

基于RBF网络的火箭发动机动态过程建模

提出了基于径向基函数神经网络（ＲＢＦＮ）的火箭发动机动态过程建模,仿真计算表明：采用ＲＢＦＮ建模,可以达到很好的逼近精度,而且网络训练速度大大加快,可以更好地适应实时状态监控和故障诊断,有实际的工程运用价值。     

基于ICT分布的容迟网络接触模型

在容迟网络中,掌握节点之间的接触间隔时间(ICT)的特性,能够为网络性能分析、路由协议设计以及算法优化等研究提供理论指导和帮助,但目前的ICT模型往往缺乏普适性.通过对节点运动做出一般性假设,基于可靠性数学方法,给出了一个基于ICT分布的接触模型——IDCM.该模型证明了两个移动节点之间的ICT服从指数分布,且指数分布的参数仅与两个节点的历史接触次数和累积ICT有关.在随机方向(RD)移动模型、随机路点(RWP)移动模型、北京市出租车网络、口袋交换网4个数据集上进行了仿真验证,并与基于统计拟合参数的指数分布模型进行对比.仿真实验结果表明,IDCM能够准确反映节点对之间的接触间隔时间分布,且模型准确性优于基于统计拟合参数的指数分布模型.      

面向"CE-3号"软着陆过程的深空网干涉测量技术

针对"CE-3号"探测器软着陆过程中弹道位置测定的问题,利用中国深空网干涉测量测轨数据,论述并验证了应用深空网干涉测量技术支持探月卫星软着陆过程中弹道位置测定的可行性。针对提取同一时刻观测量的两个核心技术,论述了自适应模型重构算法以及干涉相位解模糊算法,克服了软着陆过程航天器机动不确定性恶化轨道预报精度,进而引起相关引导模型失效的问题;利用跟踪过程中目标干涉相位连续特性递推实现干涉相位解模糊。实测数据的处理分析表明,深空网干涉测量数据处理分析精度在0.3ns量级,对应于约30nrad的角位置精度。     

基于改进人工神经网络的航天器电信号分类方法

根据航天器系统级电性能测试工作中数据量大、任务繁重的特点,设计了基于人工神经网络的智能分类系统,对原始测试数据进行智能化分类,将非线性的调试经验以数据的形式储备,可在减少测试工作中对人为经验依赖的同时为航天器信号识别快速提供专家知识。考虑到经典的人工神经网络系统有训练时间长和对网络初始权值的依赖程度高等不足,利用主成分分析对数据进行压缩和自动编码技术对网络权值进行初始化。实验数据测试表明:与传统方法相比,本文提出的改进学习系统的分类准确率、稳定性和响应速度均得到显著提高。      

一种支持QoS的航空自组织网络无反馈MAC协议建模

针对航空自组织网络的高动态特性和对高优先级业务的服务质量(QoS)要求,提出了一种无反馈介质访问控制(MAC)协议建模方法及相应的阈值设置方法,以保证高优先级数据分组的时效性及可靠性。首先,对数据分组在接收端碰撞建立时间约束模型,得到信道统计结果与分组成功概率的映射关系;然后,根据不同业务的QoS要求设置接入阈值;最后,实现对不同优先级业务的接入控制。仿真结果表明,在典型空域网络场景下,基于该建模方法的无反馈MAC协议可以为高优先级业务提供QoS保证,即分组成功概率大于99%,端到端延时小于1 ms。      

触地关机模式下的着陆器软着陆稳定性研究

以触地关机软着陆模式下的某型着陆器为研究对象,建立其软着陆过程的动力学仿真模型。基于仿真模型,结合优化方法与多岛遗传算法（MIGA）确定了着陆器的极恶劣地形工况参数,并利用径向基函数（RBF）神经网络建立了反映极恶劣工况下着陆器速度参数与稳定性指标值之间映射关系的代理模型。将着陆器速度参数做离散化处理得到样本点,利用神经网络模型计算了各样本点对应的软着陆稳定性指标值,基于计算结果给出了各项软着陆稳定性指标的云图和三维速度稳定性边界,并得到了综合各项稳定性指标的着陆器速度稳定性边界。分析结果可直观地确定保证着陆器安全着陆的速度取值范围,为着陆器速度的合理控制提供参考。