复合舵机的神经网络自校正控制

针对复合舵机的时变和非线性特性,提出了神经网络自校正控制方法.用改进的非线性自回归滑动平均模型(NARMA)对复合舵机进行动态建模,采用多层感知器神经网络辨识舵机非线性模型,由广义逆思想设计出控制器,并根据被控对象与辨识模型间误差在线调整网络权值,进而修正控制律,实现了复合舵机的自校正控制.仿真结果表明,在模型有时变及非线性因素的情况下,此方法仍能得到较好的控制效果.      

改进BP算法在模糊神经网络中的应用

引入一种改进的BP算法——动量因子-自适应学习率算法.通过调节动量因子以及在学习过程中的学习率实现自适应,以提高学习速率和增强学习的平稳性.将该学习算法引入到串形结构的多层前向模糊神经网络中,通过学习确定了模糊映射关系,实现了对象的模糊故障诊断.在应用模糊神经网络进行故障诊断时,被监测的故障征兆信号与网络输入层相连,即将输入向量输入到网络中,经过模糊化处理,得到各故障征兆在所定义征兆的模糊子集上的隶属度向量,再利用神经网络的前向计算,得到故障原因的模糊隶属度向量,最后通过对向量的分析确定故障原因的类型.将上述模糊神经网络应用到空气静压轴承中,实现了设备的故障诊断,测试结果验证了该方法的有效性.      

动能拦截器末制导启控点的BP网络方法

为了提高拦截精度并减少燃料消耗,研究了动能拦截器KKV(Kinetic Kill Vehicle)比例末制导律下末制导启控点的选择问题.定义了末段制导启控时的期望位置;通过BP(Back Propagation)网络研究期望位置和目标弹道角之间的非线性关系;利用训练后的网络输出期望位置,仿真实验证实期望位置下启控末制导,可以有效地保证拦截精度并减少末制导过程的燃料总消耗.利用该方法获得的期望位置可以实时指导KKV在中末制导交班段调整自身位置.      

前馈神经网络的一种简单共轭梯度学习算法

针对前馈神经网络学习误差函数维数高、计算复杂度大的特点,对梯度下降BP算法加以改进从而构造出一种简单共轭梯度下降算法(MPARTAN算法).该算法计算复杂度不高于动量BP算法, 与FR共轭梯度法相比,该算法的稳定性好,又具有共轭梯度法的优点,收敛速度快.文中给出了该算法的收敛定理,并用2个实验例子比较了动量BP算法、FR共轭梯度法和MPARTAN算法的计算结果.     

A steady-state model for the D- to F-region of the polar cap

For obvious reasons the ionosphere of the polar cap, surrounded by the auroral zone, is only poorly investigated. Even ionosonde data are very scant from geomagnetic latitudes beyond 70°. Since 1997 the European incoherent scatter radar facility EISCAT has an additional installation on Svalbard and has been providing electron density data nearly continuously ever since. These measurements which mainly cover the E- and F-regions are supplemented by rocket data from Heiss Island at a comparable magnetic latitude; these data are more sporadic, but cover lower altitudes and densities. A provisional, steady-state, neural network-based model is presented which uses the data of both sites.     

适用于Ad hoc网络的EIGamal型门限数字签名方案

现有ElGamal型门限数字签名方案在签名前签名各方需要协商生成一个随机数,该过程计算量与通信量比较大,不能满足Ad hoc网络的需求.将组合公钥的思想引入到ElGamal型门限数字签名的随机数生成中,为Ad hoc网络提出一种门限数字签名的改进方案.方案由密钥初始化和门限签名两部分组成.密钥初始化时,签名各方使用分布式密钥生成协议协商出系统公/私钥对和一个随机数矩阵,每个节点掌握部分私钥和部分随机数矩阵;门限签名时,每个签名方使用相同的算法在掌握的部分随机数矩阵中选择随机数进行部分签名;最后将部分签名合成整体签名.对提出的方案在随机预言(RO, Random Oracle)模型中进行了安全性证明.实用性分析表明:方案计算复杂度低,交互次数少,通信量小,有很好的执行效率与签名成功率.     

磁浮支承系统的神经网络建模与控制

简述了磁悬浮支承系统的原理和简化的线性化模型,以及基于该简化模型和线性控制理论的控制系统原理、主要组成,并阐述了这种基于简化模型和线性控制理论的磁悬浮支承系统性能极限性.在此基础上,采用非线性递归神经网络对磁悬浮支承系统进行建模与控制,并针对实际应用中神经网络的学习问题进行了讨论.避免了磁悬浮系统的非线性和不确定性等因素对系统性能影响,并具有较强鲁棒性,大大提高了磁悬浮系统的性能.      

飞行末区目标可攻击性算法研究

分析了飞行器飞行末区存在的各种约束条件及其对飞行器飞行的影响，用最大爬升（下滑）半径约束法来代替过载约束进行飞行器纵向机动飞行的高度控制，并给出了在诸多约束条件下目标可攻击性的算法。最后利用等高线地形图进行了仿真验证，结果表明，该算法满足诸多约束要求，可用于工程应用。     

子波分析和ART神经网络在复合材料板冲击定位中的应用

将子波分析和神经网络技术用于复合材料的无损监测,利用子波分析良好的时频特性从强噪声中提取特征信息。并对复合材料受到冲击时的信号进行了实验处理,提出了一种改进的自适应共振理论 (ART)神经网络结构聚类算法。实验结果表明,能实时监测复合材料受到冲击时的冲击位置和冲击大小。     

自组织模糊CMAC神经网络及其非线性系统辨识

 针对CMAC的特点,提出了联想度的概念,并由此设计了一种自组织模糊 CMAC神经网络( SOFC-MAC)及其学习算法,证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快,逼近精度高及局部泛化能力等特点。歼击机系统特征模型辨识仿真验证表明了该方法的有效性。