真实感DVE时空一致性技术

传统的一致性解决方案大多将重点放在构建完全一致性模型,缺少对虚拟环境本身运动规律的分析.从认知虚拟环境客观规律出发,提出基于真实感的一致性模型,遵从以人为本的原则,构建描述分布式虚拟环境下时空一致的数学模型,判断虚拟环境下的节点是否达到时空一致,并加以验证.在充分利用一致性模型的基础上通过单向数据传输减少时间扭曲后的回滚节点数目,增强用户沉浸感;利用时延神经网络对大于传输延迟上限的节点状态进行预测;完成节点的状态修复,从而保证时空同步一致.经过独立实验测试,验证了模型的有效性以及解决方法的可行性.     

能量有效的无线传感器网络分簇路由协议

无线传感器网络（WSNs）的应用前景非常广阔,得到了越来越广泛的关注,其中网络节能、降低功耗、延长寿命是WSNs必须解决的问题。对WSNs中典型的分簇路由协议进行了详细分析,通过对比研究,提出了一种基于节点间相关性的能量有效分簇路由协议——BCCP协议。在BCCP协议中,能耗均衡分簇算法利用节点间位置相关性与节点剩余能量,降低分簇迭代次数,得到分布均匀的簇首节点,降低簇内成员节点与簇首节点的通信能耗,以此降低网络能耗;降低能耗分簇算法利用节点间数据相似性与节点间协同性,降低簇内通信、簇间通信的数据量,以此降低网络能耗。实验结果表明,BCCP协议在能耗均衡、网络存活节点数、降低能耗方面与其他方法相比均有明显的优势。      

全包线内航空发动机参数估计的神经网络实现

介绍一种特殊的前向神经网络——自联想神经网络（Ａｕｔｏａｓｓｏｃｉａｔｉｖｅａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔ－ｗｏｒｋｓ,ＡＡＮＮ）,然后将发动机参数在全包线、大范围工况下的变化规律与神经网络的非线性映射能力结合起来,开展了将ＡＡＮＮ应用于发动机全包线、大范围工况下参数估计的仿真研究。本文提出的选取测量矢量加入样本集的ＥＭＰ方法,有效地减少了样本集中样本矢量的数目,简化了网络的训练。用ＥＭＰ方法在全包线内仅用７４６组测量矢量作为样本集,在网络训练好后,任选包线内的一工况点作为算例运行发动机模型,所得各参数的稳态估计及动态估计的平均百分比误差＜０．５％。仿真结果表明,上述的参数估值方法是可行的,为进一步实现对发动机控制系统传感器的状态监视和故障诊断打下了基础。     

完全非线性近似逆及其在轨迹跟踪中的应用

非线性系统输出跟踪问题在理论和实际中都具有十分重要的意义。人们对此问题进行了大量地研究和广泛地应用。但是所有的研究对象一般都要求仿射型非线性系统,以便容易解出相应的控制输入。对于一般的完全非线性系统,由于没有控制输入的显性表达式,很难得到相应的结果。本文讨论了完全非线性系统的输出跟踪问题,在理论上研究了完全非线性系统逆的存在性。利用神经网络可逼近任意 Ｌ２ 函数的特性,提出了求解完全非线性系统逆近似控制律的方法,并由此研究了完全非线性飞机模型的轨迹跟踪问题。通过对飞机轨迹跟踪问题的仿真,表明该方法是切实可行的。     

基于三维点云重建的助推器位姿估计

助推器分离是运载火箭发射过程中的关键动作之一,常用的激光雷达姿态测量技术在助推器分离阶段受外界干扰严重,难以准确获得位姿。基于视觉的助推器位姿变化测量技术具有优秀的抗干扰能力,通过搭建三维点云重建网络,以图像为输入,三维点云为输出,在构建的助推器分离过程的图像 点云数据上进行了训练和测试,对测试重建的助推器点云使用主成分分析的方法完成了位姿的估算。测试结果表明,所建立的三维点云重建网络可以根据仿真图像数据,精确测量助推器分离阶段的位姿变化,在R2score指标下,对三维坐标的预测分数均在0.98以上,姿态角平均误差约为21°,预测分数则均在0.80以上。     

线缆耦合信号实时监测方法

线缆耦合是航电系统电磁干扰问题的主要来源之一,对其进行监测具有重要意义。利用线缆束中的非功能线作为监测线,实现了一种对功能线缆耦合到的干扰信号进行实时监测的方法。由于监测线与被测线具有相似的干扰场分布和布线路径,因此可以抵消二者的未知性和随机性带来的影响。将监测线与被测线视为相同的二端口网络,建立采用ABCD矩阵描述的端口电流相互关系,进而利用传输线理论建立频域解析模型,将其转化为离散时间模型并给出系统的信号流图,为硬件实现提供基础。以一个四芯传输线系统为例对本文方法进行了验证,与实测结果对比,端口电流峰值误差不超过6%,验证了本文方法的有效性和精度。     

基于卷积神经网络的遥感图像舰船目标检测

针对遥感图像背景复杂、受环境因素影响大的问题,提出一种将卷积神经网络(CNN)与支持向量机(SVM)相结合的舰船目标检测方法,利用卷积神经网络可自主提取图像特征并进行学习的优点,避免了复杂的特征选择和提取过程,在复杂海况背景图像的处理中体现出较优的性能;同时,由于军舰样本获取难度大,应用迁移学习的概念,利用大量民船样本辅助军舰目标的检测,取得较好的效果。通过参数调整与实验验证,此方法在自行建立的测试集上检测率达到90.59%,对光照、环境等外界因素具有一定程度的鲁棒性。     

神经网络在MIS子系统划分中的应用

在ＭＩＳ的开发过程中需要对ＭＩＳ进行子系统划分，本文提出了一种ＭＩＳ子系统划分的神经网络方法，即ＬＭ划分方法，该方法建立在Ｃ－Ｕ图的基础上，利用ＬＭ神经网络的学习和联想功能将一个ＭＩＳ划分成若干相对独立的子系统，实际划分结果证明，它是一种行之有效的新方法。     

BP算法各种改进算法的研究及应用

在简述ＢＰ网结构、算法及优缺点的基础上，详细研究了ＢＰ算法的改进方法及措施，即“步长自适应”、“训练集归一化”、“导数提升”、“各层变尺度”、“训练集重组”及“隐含层节点数的确定”。本文以实例在ＢＰ网的训练时间和预报精度两方面，将上述各改进的算法与经典算法做出对比，对比结果表明，合适地选取改进算法将大大加速ＢＰ网的训练时间并有效地提高ＢＰ网的预报精度。     

模糊逻辑的神经网络实现

研究了模糊控制中，模糊推理规则由多层神经网络实现问题。将模糊推理规则中的每一个规则的前件知识，直接嵌入神经网络的权中，然后利用神经网络的自学习功能；自动辨识控制规则，且对隶属函数进行微调整。其学习方法主要采用误差逆传播算法。