基于递推平方根法的神经网络模型辨识

提出一种基于递推平方根法的神经网络模型辨识方法,对Davidon最小二乘法和阻尼最小二乘法进行了改进,既保持了二者简单易行、收敛性的优点,又能提高精度,减少计算量,适合于应用在非线性系统的辨识和自适应控制中。与常规的Davidon最小二乘法和阻尼最小二乘法进行仿真比较,体现出了这种方法的有效性,尤其是在输入及隐含节点个数较多的情况,其优点比较明显。     

BP网络局部极小值的修正算法

在人工神经网络中,反向传播法占据了非常重要的地位。近几十年许多研究人员对其做了深入的研究,提出了很多改进的方法,主要目标是为了加快训练速度,避免陷入局部极小值和改善其他能力。本文主要讨论在MATLAB下使用附加动量法使网络避免陷入局部极小值问题。     

基于旋转机械故障诊断模糊神经网络多传感器融合(英文)

目前多传感器融合技术能够有效地提高精度和容错能力 ,所以它广泛应用于目标识别领域中。本文描述了一种基于旋转机械故障诊断多传感器融合系统 ,在数据融合处理中利用模糊神经网络 ,比较了采用基于数据融合实验结果和没有融合的原始数据 ,显然前者比后者更精确。     

《计测技术）2011年第1期目次

基于RBF神经网络的微惯性测量组合标定双轨法D—InSAR 形变测量的误差分析 渗透法标准湿度发生器中渗透管的研制     

BP神经网络用于火箭增压输送系统故障检测

增压输送系统是火箭产生推力的核心系统,其工作可靠性直接关系到运载火箭安全性.以某型号运载火箭第三级作为故障检测对象,将遥测数据抽样和预处理,降低数据规模和提高故障检测效率,模拟常见故障和偶发故障扩大故障数据规模,使得故障数据和正常数据均衡,通过添加归一化时间序列区分火箭工况.经处理后的遥测数据用于训练BP神经网络,故障...     

基于XGBoost算法的车载场景识别辅助组合导航研究

惯性推算误差抑制是提升复杂场景下组合导航定位性能的关键,现有采用运动约束或系统误差高阶建模的方法从运动学模型及传感器误差模型出发,通过经验确定参数及模型的最优解。深度学习隐式模型能够挖掘数据之间的隐含关系,进行自主化参数寻优,并在提升惯导误差建模精度方面具有一定优势。总结了现有主流网络模型设计的优缺点,通过对比不同的输入输出方案进行优选,最终利用卷积神经网络构建了一套惯性误差抑制的轻量化神经网络自学习模型,并利用实测车载数据验证了该模型的有效性。实验结果表明,在GNSS信号失锁300 s的路段I和失锁285 s的路段II,网络模型速度约束的算法相较于纯惯性推算和传统NHC算法均有一定提升,融合NHC及网络模型速度约束的算法在水平定位精度上分别改善了41.7%~47.4%和26.7%~36.6%,一定程度上抑制了惯性推算误差。     

基于概率神经网络的航天结构响应映射预示方法

为更好地利用地面试验数据预示飞行器在真实飞行状态下的动力学环境,考虑到复杂航天结构非线性动力学特性和响应数据中的不确定性,提出一种基于概率神经网络（probabilistic neural network, PNN）的响应映射预示方法。首先给出分布载荷下响应映射预示方法的理论基础,表明映射关系的建立与载荷源数目无关;然后分析引入PNN来建立映射关系的必要性,并重点介绍PNN方法进行响应预示的算法;最后利用某飞行器仪器舱噪声试验对所提方法进行验证,结果表明PNN方法在不同载荷量级、全频段均具有良好的预示精度。此外,分析了噪声激励下仪器舱结构的非线性动力学特性,结果表明PNN方法较矩阵映射法具有更加优异的预示精度。文章将确定性映射预示方法推广到概率映射预示方法,提高了映射预示方法的可信度和工程实用性。     

基于样本增强和自动参数优化的高光谱目标检测方法

基于深度学习的高光谱目标检测面临着样本质量不足、网络结构复杂、参数调整费力等问题,本文提出了一种具有数据增强和自动超参数优化的深度学习方法。为了解决样本质量不足的问题,本文引入了一种样本扩增策略。该策略利用端元提取和聚类技术直接从高光谱图像中获取大量背景像素,通过使用相减像素配对方法将这些像素与少量已知目标像素配对,获得大量标记的纯样本对,从而实现数据增强。此外,与大多数复杂的深度网络不同,本文设计了一个由12个卷积层组成的轻量级卷积神经网络（CNN）。该网络专门设计用于高效快速地学习输入样本对与其对应标签之间的映射。结合粒子群优化算法,该网络具有超参数自动优化的能力,克服了参数调整费力的缺点,这使得网络能够根据来自不同高光谱图像的样本自动调整超参数,从而产生最优结果。对于测试像素,训练网络的输入是中心像素与其相邻像素之间的光谱差。当一个测试像素属于目标时,输出分数接近1,反之则接近0。在五个高光谱数据集上的实验结果表明：本文提出的方法明显优于现有的技术。     

一类不确定非线性系统的回馈递推滑模鲁棒控制器设计

针对一类多输入多输出不确定非线性系统，用一个RBF神经网络获得未建模动态和外来扰动的估计值，将回馈递推思想与滑模控制相结合，逐步回馈递推，设计了鲁捧控制器。将这种方案用于某型侧滑转弯导弹的飞行控制系统设计。其中，为克服导弹作动器的位置饱和、速率饱和问题，改进了滑动面的符号函数，并采用模糊逻辑对滑动面的斜率进行实时调整。仿真表明了该控制方法的有效性。