IMPROVED STRATIFIED SAMPLING MONTE CARLO METHOD TO ANALYZE RELIABILITY OF STRUCTURAL SYSTEMS

ＩＭＰＲＯＶＥＤＳＴＲＡＴＩＦＩＥＤＳＡＭＰＬＩＮＧＭＯＮＴＥＣＡＲＬＯＭＥＴＨＯＤＴＯＡＮＡＬＹＺＥＲＥＬＩＡＢＩＬＩＴＹＯＦＳＴＲＵＣＴＵＲＡＬＳＹＳＴＥＭＳＬｉＱｉａｎｇ；ＦｅｎｇＹｕａｎｓｈｅｎｇ（ＤｅｐａｒｔｍｅｎｔＯｆＡｉｒｃｒａｆｔＥｎ...     

基于遗传算法的空空导弹消耗规律神经网络预测方法

针对弹药预测问题,介绍了基于遗传算法的BP神经网络的相关原理及理论,研究了基于遗传算法的空空导弹消耗量BP神经网络预测方法,弥补了传统的BP神经网络法在弹药预测方面存在许多缺点,采用遗传算法求得影响弹药消耗各因素的权值及阈值,具有较高的准确性;同时,优化过程是对神经网络算法的权值及阈值进行优化,由适应度函数计算出染色体的适应度值,再经过选择、交叉及复制等操作,得到适应度最高的个体。对历次空战空空导弹消耗量数据进行归一化处理,将处理结果带入传统BP测,得到预测结果并对比分析,预测结果显示了遗传算法优化的有效性,避免了传统BP算法局部性强的缺点,预测结果较优化前较大提升,验证了改进算法的有效性和先进性。     

军用航材智能化保障的技术构建

针对军队航材保障效率较低、反应时间过长等问题,结合国防与军队信息化、智能化建设的实际,提出了军用航材智能化保障模式;通过运用物联网、神经网络、云计算等方法,对智能化保障模式各功能的实现提出支撑技术,航材智能化保障模式各项功能得以实现;通过对军用航材智能化保障进行模式构建,并就该模式下各功能模块的实现提出支撑技术,革新保障方式,有效提高了航材保障的效率。     

基于人工神经网络的多模型目标跟踪算法

针对在目标跟踪中单模型跟踪算法难以应对目标运动形式的变化,而多模型跟踪算法存在结构固定、跟踪精度被非匹配模型削弱且模型切换缓慢的矛盾,文章提出了一种基于人工神经网络的多模型目标跟踪算法。通过分析目标几种基本运动模式的轨迹特点,归纳出目标运动轨迹的特征向量。利用训练好的BP神经网络对滑窗里的轨迹段进行运动模型识别,按结果进行跟踪模型切换,达到使跟踪算法实时适应目标运动状态的目的。仿真结果证明了该算法的有效性,且与传统的多模型算法相比,具有结构更加简单、更强的灵活性和拓展性的特点。     

Softmax分类器深度学习图像分类方法应用综述

基于深度学习的人工智能图像分类方法研究是当前计算机视觉领域的研究热点。面向深度学习中的Softmax图像分类方法,首先回顾了图像分类技术的发展历程,接着介绍了图像识别技术中的分类器,并解释了Softmax回归函数的分类实现原理。基于Softmax回归分类器的应用,详细阐述了多种图像分类技术,具体包括浅层神经网络、深度置信网络、深度自编码器和卷积神经网络。同时,对比介绍了各种级联模型的具体结构、训练方法、实际应用、分类效果以及优缺点。最后,从Softmax回归分类器、深度学习网络模型和高维数据分类三个方面对基于Softmax回归分类器的深度学习模型在图像分类方面的发展与应用前景进行了展望。     

基于变质心控制导弹的运动分析

导弹变质心机动控制通过改变弹头的质心,利用气动配平力矩改变弹头飞行姿态和攻角,从而实现导弹机动控制.本文首次详细推导了基于变质心控制导弹的空间六自由度的动力学方程,并建立了一套完整的仿真系统,针对导弹在垂直平面内运动情况进行仿真,为深入探讨变质心控制弹头的控制机理奠定基础.     

试验室实现寻的制导半实物仿真的一个技术问题研究

对寻的制导系统半实物仿真时转台如何模拟真实的弹体角运动问题进行了研究。指出了仿真实验室目标阵面视角范围的限制以及三轴转台模拟弹体角运动存在的问题对仿真的影响，并通过引入动参考坐标系以及相应的坐标转换提出了解决问题的方法，对实现方法的不足也作了相应的说明。实践证明，该方法是简单可行的。     

反演法在导弹非线性控制系统设计中的应用

反演控制方法是非线性控制领域的一种新方法,可以有效解决系统的非线性、耦合性和不确定性。本文在三维空间六自由度非线性导弹系统模型的基础上设计了俯仰、偏航、滚转三通道控制系统,并针对空气动力学参数的不确定性进行了系统鲁棒性分析。仿真结果表明反演控制是一种非常有效的非线性控制方法,并具有较强的鲁棒性。     

星载合成孔径雷达图像的飞机目标检测

针对大场景下星载合成孔径雷达(SAR)图像中飞机目标检测问题,提出一种端到端的飞机目标检测算法。先在大场景SAR图像中对机场目标进行粗检测,定位机场区域,再通过精确分割算法获得机场的精细区域。对机场区域中的飞机目标进行检测,采用一种基于Canny算子的边缘检测与卷积神经网络结合的飞机目标检测算法。通过飞机边缘检测、边界框预处理等操作确定潜在飞机目标在机场中的位置范围,采用基于GoogLeNet的卷积神经网络对可疑目标进行鉴别。利用星载合成孔径雷达数据对算法进行验证,证明该方法的有效性与实用性。     

基于卷积神经网络技术的直升机旋翼谱识别方法

针对直升机雷达回波在时频二维分布图上的分布特性,提出一种基于卷积神经网络技术的直升机旋翼谱识别方法,实现了直升机旋翼谱与其他类型目标的区分,从而有效识别直升机。当雷达工作在低重复频率(LPRF)时,直升机旋翼回波在时频分布图上呈现明显的扩展特征。通过仿真与实测数据分析,表明该特征与其他目标回波在频率维分布特性存在较大差异。利用卷积神经网络中的卷积核技术,将实测数据与卷积核矩阵进行二维卷积运算,依据输出矩阵实现了直升机旋翼谱的识别。利用实际采集的直升机回波数据进行验证,证明该方法是有效的,可应用于各种采用脉冲多普勒工作体制的雷达系统。