遗传算法和神经网络在低空声目标识别中的应用研究

将神经网络应用于战场声目标分类，针对BP算法易陷人局部极小、收敛速度慢的缺点．利用遗传算法具有全局寻优的特点，将二者结合起来，提出一种训练神经网络的混合算法GA-BP算法，并将其应用于低空飞行目标的声识别。仿真结果表明该算法具有较高的识别概率和较好的鲁棒性。     

结合ERDAS的基于BPNN遥感图像分类

基于改进BPNN的遥感图像分类,先利用ERDAS Imagine的Classifier模块对原始遥感图像进行聚类分析并对比,确定分类类别数.后在原始图像上采集各类别的训练样本和测试样本,通过输入训练样本集训练BP神经网络分类器.最后输入整幅遥感图像到训练好的分类器,得到分类图像.试验表明,其精度优于传统统计分类方法.     

基于遗传神经网络的机械振动信号预测

针对传统的BP神经网络学习算法存在易陷入局部极小及收敛速度慢等缺陷,文中提出了利用实数编码改进遗传算法对神经网络进行优化训练,并把训练好的神经网络用于对机械振动信号的预测, 并与传统BP算法以及改进BP算法预测结果进行比较,充分证实了文中方法的有效性.     

基于神经网络的微光图像增强与复原

微光图像的退化主要取决于探測器的灵敏度、非线性和噪声。神经网络是ー个高度复杂的非线性动力学系统,对于微光图像,提出ー种基于多层前向传播（MLP)神经网络的图像增强与复原方法。为了加速训练学习过程,釆用加动量项的自适应BP学习方法对网络进行循环迭代训练。实验结果表明,MLP神经网络增强与复原方法是可行的,并且对微光图像的增强与复原具有很好的效果。     

基于改进粒子群优化的BP网络蒸汽发生器典型故障诊断

对BP神经网络在蒸汽发生器故障诊断中的应用进行了研究,针对BP神经网络训练时易于陷入局部最小值的问题,利用粒子群优化算法对BP神经网络的权值和阈值进行了优化,并对粒子群优化算法的惯性权值作了自适应调整,以蒸汽发生器为对象进行了故障诊断实验,实验结果表明:自适应调整粒子群优化算法的惯性权值可以提高该算法的收敛速度和精度,利用改进后的粒子群优化算法对BP神经网络进行优化,可以提高BP神经网络的诊断性能。     

基于BP神经网络的N80钢CO2腐蚀预测方法研究

采用灰度数据矩阵统计、小波变换和二值化等方法对N80钢CO2腐蚀图像进行特征提取。结合BP神经网络技术,以腐蚀图像的各向异性和小波变换后子图像的能量参数作为腐蚀类型判据,建立基于BP神经网络的孔蚀速率诊断模型,实现了CO2腐蚀类型和腐蚀程度的预测。诊断结果与实验结果较好吻合。     

基于BP神经网络的数字识别方法

应用BP神经网络对数字进行识别,其图像的预处理采用去除杂点方法去除噪声,使用逐像素特征提取方法进行特征向量的提取.该识别过程还包括数字识别网络的训练,及通过选取初始权值和隐含层节点数、权值学习算法确定相关参数.实践证明,利用BP神经网络能够实现对阿拉伯数字的准确、快速识别.     

基于Brushlet 和自适应脊波网络的SAR 图像分类

针对BP神经网络分类模型网络训练时间长的缺陷,结合小波网络模型缺少对方向信息描述的情况,提出一种基于Brushlet和自适应脊波网络的SAR图像分类方法。该方法利用Brushlet变换提取SAR图像纹理的能量和相位特征,并将描述能量和相位的特征向量输入到自适应脊波网络中进行训练和分类,最后通过实验对比分析各分类方法的分类性能。实验结果表明,该方法快速、准确,其性能优于传统方法。     

基于BP神经网络的多源桥梁毁伤信息特征层融合

基于BP神经网络,建立了多源毁伤信息特征层融合系统,对多源桥梁毁伤信息进行BP网络特征层融合,首先对多源图像信息采用轮廓分析的目标毁伤特征提取算法,进行边缘及直线特征提取,其次进行毁伤区域不变矩特征关联,最后利用BP神经网络进行训练并测试,最终融合得到准确而清晰的桥梁毁伤信息,能够为导弹打击效果的毁伤评估提供准确的信息支撑。     

一种基于炮射地面震动传感器的目标识别算法研究

介绍了自适应遗传算法优化的BP神经网络(AGA-BP)算法在炮射地面震动传感器目标识别中的应用。首先针对BP神经网络可能未收敛到全局最小点的缺陷,提出自适应遗传算法与BP神经网络结合的一种优化算法。之后进行仿真实验并对履带和轮式车辆的采样信号进行时频分析,利用小波变换提取特征值。最后利用优化后的算法与传统算法进行了样本训练和识别,对比结果表明该方法能减少识别误差。     

改进BP神经网络在航空弹药预测中的应用

对航空弹药消耗的准确预测是未来战争取胜的一个重要因素,然而战场复杂多变,传统的方法难以进行及时准确地预测.采用了BP神经网络对单个目标航空弹药进行预测,针对常规BP神经网络收敛速度慢、存在所谓"局部最小值"等缺陷,提出了具有全局收敛性的Fletcher-Reeves共轭梯度算法对常规BP网络进行改进,并将改进后的BP网络应用于单个目标航空弹药预测仿真试验中.结果表明,改进BP网络能克服局部极值、快速提高网络收敛速度,并能较为准确地预测航空弹药的需求量.     

基于BP神经网络的有控炸弹攻击区拟合分析

针对目前用传统的线性回归等方法拟合有控炸弹攻击点所存在的问题,文中提出了采用BP神经网络算法对某有控炸弹的攻击点进行拟合的新方法.该方法可以用Matlab仿真软件实现,其拟合效果直观.有控炸弹攻击点与攻击条件可以通过神经网络的阈值和权值来表现.通过实例说明了应用BP神经网络进行有控炸弹攻击区拟合,不但具有算法可行性好、拟合精度高、速度快,而且运算简单,在实战中很有参考价值和工程实用价值.     

基于反向传播神经网络的陶瓷损伤参数反演分析

陶瓷材料冲击加载条件下的损伤累积过程伴随着裂纹扩展、体积膨胀等因素,为准确获取陶瓷损伤参数,以钨合金球弹丸高速撞击陶瓷复合装甲的侵彻深度实验为基础,获得了陶瓷面板破碎情况。根据现有文献\[14\]数据中陶瓷材料JH-II本构模型的损伤参数范围,确定了反向传播(BP)神经网络的样本点;采用有限元分析软件AUTODYN对所有样本点的侵彻过程进行数值模拟,结合仿真和实验数据完成了BP神经网络模型的建立和TiB₂-B₄C复合材料损伤参数的反演。仿真结果和实验侵彻深度、回收陶瓷面板的损伤比对,充分验证了所建立的BP神经网络模型对陶瓷损伤参数反演的有效性。     

神经网络在导弹贮存可靠性预测中的应用

为了更准确预测导弹贮存可靠性,提出基于全局逼近BP网络和局部逼近RBF网络对导弹贮存可靠性进行预测,给出了预测的基本步骤,分别基于BP网络和RBF网络对某型舰舰导弹的贮存可靠性进行了预测,结果表明:这两种网络都能够解决导弹贮存可靠性预测的问题,预测误差均满足要求;RBF网络预测精度略高于BP网络,具有更好的函数逼近能力。RBF网络更适用于导弹贮存可靠性的预测。     

基于BP神经网络的GH648合金本构模型的建立

采用Gleeble1500对高温合金GH648进行了不同温度、不同应变率下的压缩实验。结果表明,材料在950℃到1150℃,应变率低于1/s时体现出动态再结晶特性,在应变率为10/s时体现为动态回复特性。鉴于其在高温变形过程中体现出复杂的动态响应特征,根据所获得的实验数据,应用BP人工神经网络建立了合金的高温本构模型,同时提出了一种改进的学习方法,显著地减缓网络振荡,提高收敛速度。研究为该高温合金的有限元数值模拟提供了必要的前提,采用的人工神经网络可以推广应用于其它非线性关系的确立。     

人工神经网络在运动控制中的应用

介绍了人工神经元模型与神经网络基本结构。阐述了多层前向网络的工作原理及误差反转（BP）算法，探讨了用于运动控制的单神经元PID控制器的结构与基于BP网络的模糊自适应PID控制，给出了由传统PID控制器，模糊量化处理，系统辨识神经网络NNM和系统控制网络NNC组成的基于BP网络的模糊自适应PID控制器结构，并讨论了人工神经网络在运动控制领域中应用的发展趋势。     

基于遗传算法优化BP神经网络的供暖系统热负荷预测模型

针对供暖系统热负荷短期预测问题,利用改进的遗传算法(genetic algorithm,GA)对BP神经网络(back propagation neural network)的初始权值和网络结构进行优化,并在遗传进化过程中采取保留最佳个体的方法。该方法克服了一般BP网络初始权值的随机性和网络结构训练过程中的所带来的网络震荡,以及一般BP网络容易陷入局部极小等问题。同时结合一般BP神经网络方法进行仿真实验和分析比较,结果表明:该方法具有全局寻优能力,预测精度高,绝对和相对误差较小,收敛速度快,能够有效针对供暖系统热负荷进行短期预测。     

基于改进进化规划的RBF网络二相码旁瓣优化

在研究雷达脉冲压缩信号中的二相编码距离旁瓣压缩问题基础上,采用改进的进化规划算法优化径向基函数网络,提出了一种基于改进进化规划算法的计算方法.该算法将进化规划算法和神经网络结合起来,用径向基RBF(Radial Basis Function)神经网络结构取代多层前馈网络MFNN(Multilayer Feedforward Neural Nerworks)结构,用改进进化规划取代反向传播算法BP(Back Propagation),可以以较大概率快速的收敛到要求的旁瓣抑制指标.通过对13位巴克码和31位M编码的仿真实验,表明新的方法在旁瓣抑制能力和运算速度等性能方面,都有较大的提高.     

基于遗传神经网络的简易制导炸弹有控弹道设计

结合简易制导炸弹的方案弹道实时寻优技术和控制律,提出了一种以遗传算法和神经网络为基础的有控弹道设计方法.该方法针对炸弹的控制系统构成,在内回路中引入极小邻域零收敛鲁棒稳定准则以确保内回路BP神经网格稳定,在外回路的设计中,采用附加时域指标集的适应度函数方法以跟踪阶跃响应.其中,外回路的BP神经网络的结构及初始权值采用并型遗传算法进行优化设计.在全弹道设计中,结合智能降阶动态解耦思想,采用变增益控制方法较好地实现了炸弹的有控飞行,仿真结果良好.