基于极限学习机的体系作战效能评估建模方法

为了更好地解决武器装备的作战效能评估的问题,更好地为军工部门开发新型号武器提供决策支持,提出一种基于数据驱动思想建立评估模型的思路,并采用机器学习领域的极限学习机方法作为学习数据的工具,对效能评估模型进行数据学习,最后通过计算机仿真验证了方法的有效性,证明基于极限学习机的体系作战效能评估建模方法能够简化评估的复杂性,提高评估的效率。     

驾驶振动所致局部肌肉疲劳的肌电信号分析

为研究动态驾驶环境对人体局部肌肉疲劳的影响,探讨了动态驾驶环境下人体肌肉肌电信号的变化特点,通过模拟动态驾驶环境实验,运用sEMG的时域与频域分析评估了在模拟动态驾驶环境下的驾驶员局部肌肉疲劳。结果表明:动态振动环境直接影响人体肌肉疲劳过程,不同的动态振动环境会对人体肌肉疲劳及舒适性产生不同的影响,运用sEMG信号的时频分析来评估动态振动环境驾驶员的肌肉疲劳状态可行。研究结果可为动态环境的人-车界面设计的舒适度评价提供重要技术参考。     

基于极限学习机的杀爆战斗部末弹道参数优化研究

为研究末弹道参数与杀伤面积之间的复杂关系,以达到优化末弹道参数的目的,对破片飞散过程进行分析,为描述破片飞行轨迹建立了破片飞散模型,得到破片的落点,然后通过统计地面有效破片数,求解战斗部在不同末弹道情况下的杀伤面积,得到1 225种末弹道组合下的杀伤面积,最后基于这些数据,利用极限学习机(ELM)得到1 903 993种末弹道组合的计算结果。计算结果表明:当极限学习机的激励函数采用sigmoid函数,隐藏节点数在200个以上时,决定系数能够达到0.9以上,求解时间远远小于1 s,求解得到的最优末弹道参数对应的杀伤面积从优化前的438.1 m²上升至优化后的541.2 m²。     

基于极限学习机模型的粒子滤波无设备定位方法研究

在无线通信环境中,无线射频信号易受到干扰,强度波动较为明显。为定量描述和分析目标位置与无线信号强度之间复杂、多变的关系,更加精准地估计目标位置,提出了基于极限学习机（ELM）模型的粒子滤波（PF）无设备定位算法。该算法包括ELM模型构建（离线阶段）和目标位置估计（在线阶段）。在ELM模型构建阶段,建立目标在不同位置与链路（发射节点与接收节点之间的通信链路）信号强度变化的离线数据库,利用ELM构建目标位置与无线射频信号强度的映射关系。在目标位置估计阶段,通过映射关系结合PF实现目标位置的跟踪。实验结果表明,所提算法不仅有效地解决了目标位置与无线射频信号强度的映射关系,而且比高斯过程模型-PF、支持向量机-PF等现有算法显著提高了目标跟踪精度。     

基于粒子群优化极限学习机的雷达识别方法

针对相控阵雷达识别的问题,提出一种基于粒子群优化极限学习机(PSO-KELM)的识别方法.在核函数极限学习机(kernel extreme learning machine,KELM)的基础上,引入粒子群优化算法(particle swarm optimization,PSO),求得核函数参数最优解,提高相控阵雷达识别准确率.通过构建雷达数据库,使用粒子群优化极限学习机的方法对不同噪声情况下的雷达数据进行识别,并与核函数极限学习机、核函数支持向量机(kernel support vector machine,KSVM)和半监督式迁移学习(semi-supervised and transfer learning,SSTL)的方法进行对比.仿真结果表明:在不同雷达种类和不同噪声情况下,该方法识别准确率均高于其他方法.     

基于极限学习的弹丸阻力系数辨识

气动参数对弹丸的弹道特性起决定性作用,在无控弹丸研制过程中,准确获取弹丸气动参数是减小落点散布、提高打击精度的基础与关键.为了进一步提高弹丸阻力系数的辨识精度,基于质点弹道方程,通过数值仿真产生弹道数据,利用极限学习方法在多种噪声环境下实现弹丸阻力系数弹道大数据辨识.该方法随机产生输入权重以及隐含层神经元阈值,随机生成...     

基于相似时段和PCA-ELM 的超短期风电功率预测

为提高风电场输出功率的预测精度, 提出一种采用相似时段选取原则和基于主成分分析(principal component analysis,PCA)与多层自编码极限学习机(multi-layer auto encoder extreme learning machine,ML-AE-ELM) 组合算法(PCA-ELM)的预测模型。通过关联度分析明确待测时段的相似时段范围,结合天气数据、机组状态和历史 功率构建训练和测试样本,利用预测算法完成样本的训练和测试,得到输出功率预测结果并验证。实验结果表明： 与常见的算法模型相比,该预测模型在不同装机容量和不同工作状态的风电场中均具有较高的预测精度,表现出良 好的预测稳定性和泛化能力。     

基于掩膜经验模态分解和ELM 的风速预测

针对随空间、时间呈现非平稳、非线性变化的特征,提出基于极限学习机和掩膜经验模态分解的组合短期风速预测方法.首先,风速序列的非平稳性特征对风速预测结果有较大影响,利用掩膜经验模态分解的方法将风速序列分解成对平稳的不同频率的分量,解决其存在的非平稳性问题;其次,为处理极限学习机的输入维数随意性选取问题,对风速序列分解不同频率的分量进行相空间重构;最后,利用ELM神经网络方法对各分量建立预测模型.实验结果表明:该预测方法在短期风速序列预测中取得了理想的预测效果,提高了算法精度,具有先进性和有效性.     

改进的离散小波-优化极限学习机在倾转旋翼机故障诊断中的应用

针对倾转旋翼机飞控系统的故障诊断问题,提出一种改进的离散小波-优化极限学习机（OMELM）的故障诊断算法。提出自适应启发式小波去噪方法对采集的信号进行消噪,定义了帕塞瓦尔能量用来提取测量信号经离散小波变换分解后的特征,并对OMELM进行了改进。将提取的故障能量特征进行归一化后输入到改进的OMELM多分类器中进行分类,以美国XV-15倾转旋翼机为例进行仿真验证。结果表明文中方法平均辨识率高,诊断时间短,对未来我国进行倾转旋翼机故障诊断的研究有一定参考价值。     

基于大数据分析技术的战场态势分析及预测

针对信息化条件下联合作战产生的海量、多源、复杂的战场数据,提出一种Hadoop 分布式数据处理平台。 收集海量数据进行战场态势(battle field situation,BS)要素分析,用粒子群算法(particle swarm optimization,PSO) 优化极限学习机(extreme learning machines,ELM)的方法对战场态势历史数据进行训练,构建战场态势预测模型; 并采用Matlab2018 对战场态势进行模拟仿真。仿真结果表明：Hadoop 处理海量战场数据效率更高,可有效提高战 场态势的预测精度,为辅助指挥员快速掌握复杂战场态势提供新的方法和途径。     

ELM 在机床切削刀具磨损快速检测中的应用

为检测加工过程中切削刀具的磨损和破损,探讨一种基于声音识别的超限学习机(extreme learning machine,ELM)模型检测方法.论述切削声音信号的时频域特性,讨论基于小波包分解的刀具工作状态敏感频谱能量统计特征量提取方法,构建基于声音特征量识别的ELM快速检测模型.以某操作现场刀具切削磨损声音信号识别实验为例,实测数据验证了采用该模型可获得更高的检测准确度且响应速度更快.实验仿真结果表明:采用ELM模型借助声音识别检测切削刀具磨损的方法是有效的.     

基于联合投影字典学习的辐射源调制识别

针对字典学习用于辐射源识别时原子表征能力有限和复杂环境适应性不足问题,提出一种基于联合投影字典学习的辐射源识别方法。利用时频变换提取辐射源信号初始特征,并通过降维、降噪实现特征预处理;采用核空间投影和降维投影学习方式优化字典原子结构,基于数据集训练获取联合投影字典;通过分类测试完成了有效性验证。仿真结果表明：该方法所提取字典原子具备较强表征能力,能够适应参数多变的复杂环境;较常规有监督字典学习方式更易区分多类型、高相似度信号,-6 dB时单载频信号、线性调频信号、非线性调频信号、二相编码信号、四相编码信号、Frank信号、二相频率编码信号、四相频率编码信号、非线性调频-二相编码复合调制信号、二相频率编码-二相编码复合调制信号10类辐射源信号的整体平均识别率为94.4%.     

基于机器学习的实体关系抽取方法

实体关系抽取是信息抽取的一项重要内容,总结现有的方法对于该领域的发展具有指导和借鉴意义。结合当前的研究进展,分析和比较了有监督、无监督和弱监督3类关系抽取方法的原理和代表性算法,总结了各类方法的特性并对关系抽取的发展趋势进行了展望。     

基于改进多层核超限学习机的模拟电路故障诊断

为兼顾模拟电路多故障诊断的实用性和诊断精度,基于仿真诊断模型的测试性应用框架,结合深度学习与核方法的优势,提出一种多层单纯形优化核超限学习机（ML-SOKELM）方法。将有效初选后的数据集输入多层核超限学习机逐层提取故障特征并进行诊断;训练过程中,将各层核参数向量视为待优化变量,运用单纯形法对其进行联合优化。实验结果表明：与常见的深度学习方法相比,ML-SOKELM方法对主观经验依赖性更低,在训练时间大大缩短的同时,还能获得与之相当的准确率;与流行的核方法相比,ML-SOKELM方法在不同模糊度阈值下均能获得较高的诊断准确率。     

基于接触面特征的螺栓联接刚度研究

螺栓联接由于其可靠和有效性在工业界得到广泛应用,螺栓联接设计中的联接刚度设计在螺栓联接结构中具有十分重要的作用。提出一种最佳预紧力下螺栓联接结构的有限元分析方法,在综合考虑螺栓螺母与被联接件及被联接件之间的受力、接触、摩擦等非线性因素的基础上,采用不同结构的系列参数模型运算结果进行联接刚度分析,研究了螺栓预紧力、被联接板厚度、螺栓公称直径、被联接板外径及螺母系数等因素对联接刚度的影响。通过接触面压应力分布实验验证和连续性假设,对联接结构刚度函数式进行无量纲化推导,实现了系列参数模型无量纲化刚度数据的有效拟合,在有限元分析结果基础上获得了计算螺栓联接结构联接刚度的计算公式。通过与有限元分析结果及文献［4-6］结果比较,验证了该刚度计算公式的有效性和可靠性。     

基于S3C2410的便携式声磁扫雷信号源设计

声磁联合扫雷是世界上常见的扫雷技术,传统的声磁扫雷信号源设计采用PC104+DSP模式,研制成本高、体积大、功耗大、工作量大。为克眼上述特点,提出一种基于S3C2410的嵌入式便携声磁扫雷信号源设计方案,既能满足声磁扫雷信号独立工作,又可以实现声磁信号联合工作。     

基于CPLD的正交及程控调制信号的实现

基于CPLD芯片器件与数字频率合成技术,设计并实现了两路相位差可精确控制的正交正弦信号及一路调幅度可程控调节的调制波信号。给出了CPLD参数化设计及竞争冒险问题的解决方法,并进行了理论相位误差计算。简述了这种信号电路设计方法的优点。