舰载机横侧向着舰控制律研究

研究了舰载机横侧向着舰控制律。建立了舰尾气流扰动下的舰载机横侧向数学模型;提出了基于滚转角指令控制方式的舰载机横侧向着舰控制律设计思想,并分析了滚转角指令控制方式的优点;采用SHL神经网络动态逆控制方法设计了横侧向着舰控制律;对舰载机滚转角、航迹侧滑角和偏航角进行了数值仿真。结果表明,横侧向滚转角指令控制系统对飞行状态变化具有良好的鲁棒性和解耦能力,对舰尾气流扰动的敏感性远低于滚转角速率指令控制系统,能较好地满足着舰控制要求。     

基于数值分析和神经网络的轨道过车信号判断

针对不同列车物理属性差异导致的ZPW-2000 R轨道电路输出信号数据长度不一致而难以建立统一的神经网络模型问题,提出一种基于数值分析和神经网络的轨道过车信号判断模型.首先,利用数值分析方法将显示轨道是否占用的主机调接入电压数据集处理成长度一致的结构;其次,以处理好的数据集作为输入,以轨道占用或空闲状态作为输出,建立基...     

一种弹道修正弹SINS任意滚转角快速粗对准方法

针对弹道修正弹药出炮口后滚转角处于随机状态,捷联惯导系统(SINS)失准角过大时卡尔曼滤波收敛困难的问题,提出在卫星拒止环境下利用神经网络快速估计初始滚转角的改进方法。在炮口处布设少量导航信标,建立反向传播(BP)神经网络拟合初始滚转角与观测量间的非线性映射模型。针对信标辅助下姿态弱可观的问题,引入惯导测量参数作为输入,提高网络估计精度。采用主成分分析法进行特征提取,简化网络结构。仿真结果表明,与基于非线性卡尔曼滤波的对准方法相比,本算法可实现任意滚转角下的快速粗对准;对射角、初始俯仰角误差未在训练范围内以及存在布设误差等场景也进行了测试,与未优化的BP网络相比,对准精度更高,鲁棒性更好。     

基于神经网络的电磁干扰的预测

提出了一种应用神经网络预测电磁干扰的方法.针对遗传算法总体搜索能力较强但容易陷入局部最优,而模拟退火算法具有较强的局部搜索能力,又能避免搜索陷入局部最优解的特点,将模拟退火算法与遗传算法相结合,优化多层前馈(BP, Back Propagation)神经网络,获取最优的权值和阈值,并采用模拟退火的思想确定隐含层神经元的个数,进而建立基于神经网络的电磁干扰预测模型.以双平行导线间的电磁干扰问题为实例,明确干扰要素,建立训练样本和测试样本,对比期望输出和预测输出之间的误差,结果表明该方法可以准确有效地进行电磁干扰预测.     

基于ANFIS的舵阻横摇系统

在MATLAB环境下建立了舵阻摇系统的非线性模型．基于所建立的非线性模型和ANFIS控制算法进行了仿真实验。运用Simulink工具箱得到仿真曲线．通过仿真曲线可以看出此控制器具有良好的鲁棒性能．通过对比减摇前后的仿真曲线得出,ANFIS算法对于舵阻摇系统的拉制有效,减摇率为23%左右,减摇效果较好。     

基于神经网络的安全投入优化研究

安全经济学的一个重要领域就是如何使企业在安全生产方面投入的人力、物力、财力最大限度地发挥作用,即最大限度地减少事故造成的经济等各方面的损失,以最少的投入(成本)换取最大的经济效益.目前对于安全生产成本分析与优化问题的研究方法不是很多,而且大多也只是进行定性或半定量的估计,所以企业还是很难进行合理的安全投入,为此采用神经网络动态预测对某公司和某企业所给数据进行安全生产成本预测,并用MATLAB软件对所得的数据进行优化,为其安全投资决策提供了参考依据.     

遗传神经网络PID控制技术研究与应用

针对空调控制系统非线性、大滞后、时变性等特点,通过对中央空调总风量控制法的研究,提出了采用遗传算法神经网络PID控制方法,使空调控制系统具有较高的控制精度和良好的动态特性。仿真及实验结果表明该方法有效可行。     

基于BP神经网络的城区基本用电负荷预测与验证

文章以南昌市为实证对象,用BP神经网络对城区未来十几年的基本用电负荷进行了预测,并做了验证性分析.     

迎角快速校准及误差对控制系统的影响研究

基于迎角传感器数据校准,目前所采用的线性插值算法对于测量区域的数值处理存在精度丢失的问题,采用三次曲线拟合以及神经网络逼近的方法实现对已有测量数据的精确映射,避免了由于二次映射引起的精度损失,同时提高了对于未测量区域的预测能力,保证了控制系统的跟踪性能。将校准方法通过两余度迎角校准系统进行了验证,并将校准系统加入动态逆飞行控制系统进行仿真,结果显示了算法的精确性和可靠性。     

忆阻细胞神经网络及图像去噪和边缘提取中的应用

结合忆阻器的记忆特征和细胞神经网络高效并行处理能力,将忆阻器作为可编程连接权值,提出了一种具有忆阻器特性的细胞神经网络.计算机仿真验证了提出的忆阻细胞神经网络用于图像去噪和边缘提取的有效性.