基于模糊神经网络的导弹倾斜运动稳定与控制研究

根据非线性系统的模糊神经网络自适应控制算法，研究了导弹倾斜运动采用变系数运动方程时的稳定和控制问题。     

基于动态神经网络的空战目标威胁评估专家系统

通过分析空战目标因素,提出了一个目标威胁综合评估体系,并通过神经网络专家系统进行威胁等级评估.考虑到神经网络的收敛性,文中基于重置算法构建了动态神经网络专家系统,并给出具体实例,证明了该方法的可行性.     

基于PID型神经网络的自适应控制

本文提出了一种新的基于PID型神经网络的自适应控制系统,给出了神经网络控制器的学习算法帮控制系统的稳定性分析。仿真结果对该控制方案进行了验证。     

基于动态逆和神经网络的飞行器控制系统研究现状

综述了非线性动态逆和神经网络方法及其在飞行器控制系统设计中的应用,并给出对非最小相位控制对象应用动态逆时,系统预先处理的两种方法.阐述了神经网络在飞行器控制系统中的应用方案及应解决的问题.     

基于神经网络的控制力矩陀螺自抗扰解耦控制

针对Model750控制力矩陀螺(control moment gyroscope,CMG)的耦合及扰动问题,提出一种基于径向基函数(radial basis function,RBF)神经网络逆系统和线性扩张状态观测器(linear extended state observer,LESO)的控制力矩陀螺复合解耦控制方法。利用神经网络的非线性逼近能力构建逆系统并与原系统串接,将原系统解耦成2个等效的伪线性子系统;采用线性扩张状态观测器估计等效系统的残余耦合项和扰动项加以补偿,并与比例微分(proportion differentiation,PD)控制器形成闭环以提高系统的动态控制性能。对提出的控制方法与PID-RBF逆控制方法进行仿真对比,结果表明:该方法可有效实现Model750系统的解耦,具有更好的动态控制性能和鲁棒性。     

基于前向神经网络的导弹自适应控制方法

结合导弹非线性动力学模型，介绍一种基于经典控制和神经网络自适应控制的系统设计方法。该方法以导弹飞行的攻角α和Ma数等为信息，应用BP网络的学习能力求出具有自适应能力的控制参数，应用于参数时变的导弹控制系统。其特点是避免了传统自适应方法所要进行的繁琐的参数辨识计算。利用Matlab仿真实验表明,所设计的控制系统性能良好．而且易于工程实现。     

基于神经网络的模型参考自适应控制方法

针对传统基于模糊神经网络的模型参考自适应控制方法的一些不足,提出了一种基于BP神经网络的模型参考自适应控制结构,并对所使用的BP网络学习算法进行了分析改进。对比分析采用传统自适应方法和改进的自适应方法时,不同的控制仿真结果表明,改进后的方法可以有效地抑制神经网络的“过学习”现象,减小了对神经网络辨识器精度的依赖程度,改进效果显著。     

基于神经网络动态逆的巡逻导弹自动驾驶仪设计

针对巡逻导弹,讨论一种将神经网络与非线性动态逆相结合的自动驾驶仪设计方法。基于双时标假设,将弹体动力学分为慢变子系统和快变子系统,并分别进行动态逆设计。为克服模型不精确和参数摄动引起的逆误差对动态逆控制的不利影响,引入神经网络对逆误差进行在线补偿。推导了神经网络权值调整规律,并证明系统的闭环稳定性。通过仿真验证,采用神经网络能弥补动态逆控制的不足,提高控制系统的鲁棒性,是一种有效的非线性设计方法。     

基于小型飞行器的动态逆控制方法研究

小型飞行器独特的气动外形、复杂的作战使命对飞行控制系统提出了苛刻的要求。近年来,动态逆控制方法在工程界获得了普遍应用,并成功用于多种飞行器的控制系统设计中。文中就动态逆方法作了论述。研究了应用动态逆控制方法的设计途径。分析了用于神经网络动态逆控制的几种神经网络模型,提出了用于小型飞行器的动态逆控制方案。最后,指出了未来飞行控制系统动态逆设计的发展方向。     

基于退火递归神经网络的极值搜索优化算法求解一类碟式飞行器平衡状态

针对一类碟式飞行器平衡状态的基本特征及现有的优化平衡状态算法如单纯形算法、混合遗传算法所存在的随机性大、收敛速度较慢等缺点,提出了一种新颖的基于退火递归神经网络( ARNN)的极值搜索优化算法。将碟式飞行器的配平问题转化为所设计的代价函数(CF)求解问题,利用所提出的退火递归神经网络极值搜索优化算法求解出在多种定常飞行中碟式飞行器的平衡状态。在相同的仿真环境中,仿真结果对比说明ARNN极值搜索优化算法较混合遗传算法具有稳定性好、精确度高、收敛速度快等优点。     

几种基于神经网络的导弹惯性器件故障预报方法及其性能比较

研究了标准BP网络、改进的BP网络(带动量的自适应BP网络)、 L-M网络和RBF网络及其学习算法, 探讨了基于这四种神经网络的导弹惯性器件故障预报方法, 并通过仿真实验对四种网络的预测预报性能进行了分析比较.结果表明, L-M网络和RBF网络对惯性器件的故障预报比两种BP网络更准确, 收敛速度更快.     

应用神经网络的飞行器动力学自适应控制

针对具有未知参数的飞行器系统提出了一种基于模型的神经网络预测控制策略．目的是通过一个优化程序以自适应控制律来稳定未知系统．由于能够描述动态函数关系的特性和具有反馈处理结构，回归神经网络以一个期望状态值的自适应估计器得到应用．神经网络的训练是通过动态顺序递归反向传播学习算法来执行的．这表明所提出的神经网络学习算法拥有设计飞行控制系统的潜在能力，所设计的飞行系统能在大范围飞行条件下和其它不确定因素下补偿飞行器动力学不可预测的变化．     

基于非单点模糊网络的制导炸弹智能控制研究

提出并设计一种具有抗干扰能力的制导炸弹智能控制系统。该系统采用非单点模糊正则网络为核心，在自学习建立规则库的过程中，能够自动滤除训练数据中的噪声，获取准确的控制信息。通过计算机仿真，并与基于ANFIS的制导炸弹智能控制系统进行比较，证明该系统抗干扰能力强、控制精度高。     

基于模糊神经网络PID的串级温度控制系统研究

为解决传统PID 控制存在控制效果不够理想、性能欠佳和很难满足系统精度要求的问题,提出基于模糊 神经网络的自适应PID 控制算法对系统进行控制。采用Labview 构建模糊神经PID 控制器,对环控引气系统温度进 行动态控制,进行仿真研究,并将此控制策略与经典PID 控制进行仿真比较。结果表明：基于模糊神经网络的PID 控制算法在系统的超调量和调节时间上都小于经典PID,能提高系统的快速性和准确性,改善系统特性。     

基于BP神经网络的反辐射导弹武器系统作战效能评估

文中针对反辐射导弹（ARM）的攻击特点．建立了反辐射导弹武器系统作战效能评估指标体系．简要分析了指标选取的理由。然后．采用专家打分的方法取得了几组训练样本．并对所构造的BP神经网络进行训练，当训练精度达到要求后．再运用BP神经网络对几种典型的反辐射导弹武器系统作战效能进行了评估。     

基于BP神经网络的火炮反后坐装置故障诊断

火炮反后坐装置的故障诊断,采用3层BP神经网络.通过基于标准梯度下降或基于标准数值优化的改进算法,同时考虑算法本身性能,及问题复杂度、样本集大小、网络规模、网络误差目标和所要解决的问题类型.并以解析算法的部分计算结果作为神经网络学习样本集,由相关方程式算出样本库内的故障现象及与故障原因相对应的训练样本,完成故障诊断.     

神经网络 PI 控制算法在燃气发生器上的应用

为解决燃气发生器喉部时变性使得控制系统对燃气发生器压力控制较为困难的问题,采用神经网络PI算法、模糊PI控制算法和PI算法进行压力控制仿真对比的方法,研究神经网络PI控制算法对容积时变的燃气发生器压强控制的有效性.结果表明:当燃气发生器自由容积变化15倍时,模糊PI算法响应速度是PI算法的8.0倍,且神经网络PI算法控制的压力超调量为0;3种算法中,神经网络PI算法响应速度最快,压力产生的超调量最小,可以较好地解决自由容积时变性带来的控制超调和响应慢的问题.     

基于BP神经网络的入侵检测系统

基于BP神经网络技术的入侵检测系统,将二进制表示的原始审计数据用ASCII码表示,再进行数据预处理,包括数据解析和转化成神经网络可识别的输入.然后执行数据收集和预处理,得到评估数据集,以评估新的模式或特征的准确率.最后,神经网络分析引擎处理分析数据集,判断是否为异常数据.     

基于遗传算法的动态矩阵预测控制算法

基于遗传算法的动态矩阵预测控制(DMC)算法在每个采样时刻,用遗传算法优化不同的染色体种群,由最优个体解码得到最优参数集,再计算当前控制序列增量并施加到被控对象.在下一时刻,由输出实测值修正初始预测值,直至结束为止.被控对象仿真表明,该算法具有较好的控制效果.