基于BP神经网络的毫米波被动探测目标辐射温度计算

基于误差反向传播(BP)神经网络的函数逼近特点,提出了一种运用BP神经网络在毫米波被动探测中计算目标辐射温度的方法。仿真结果表明,该方法对毫米波被动式辐射计目标辐射温度的计算具有较高的精度,能够较好的拟出目标辐射温度因子的信息曲线及误差曲线,对目标中心的识别具有较好的效果。该方法对提高制导精度有一定的重要意义。     

图像制导中的一种改进增量学习RBF神经网络

为改进现有人工神经网络在图像制导系统的自动目标识别算法中的不足,加快收敛速度,通过对基于RBF神经网络自动目标识别技术的研究,提出以隐层神经元价值函数作为指标的生长修剪策略,构造出一种基于增量学习的网络资源分配网络(IL-RAN),对目标进行了在线实时识别。仿真结果表明,利用该改进算法可产生规模较小的网络,并使得网络参数的选择与识别误差建立了联系,减少了总体的计算量,计算时间也大大缩短。     

车载火箭炮行军动力学研究

车载火箭炮在行驶中,路面激励产生的动载荷会对火箭炮的零部件产生破坏作用,从而影响火箭炮的使用寿命。通过分析全炮的拓扑结构,用RECURDYN、ANSYS软件,建立了车炮在行驶状态下的刚柔耦合模型。在实际建模中,取大梁为柔体。根据相关军用标准,编制六种路面谱。对六种路况进行行军分析,获得了相关零部件的动态参数。为某新型火箭炮的总体设计及零部件设计提供依据。     

俄罗斯继续研制高超声速推进系统

长期以来, 俄罗斯国防部一直在为高超声速推进系统研究项目提供经费支持. 目前, 俄罗斯中央航空发动机研究院正在为亚燃/超燃冲压发动机开发试验硬件, 同时还在进行脉冲爆震发动机的效能研究.     

基于射频三极管的超宽带引信脉冲源

针对当前基于阶跃恢复二极管的超宽带脉冲源成本高、电路复杂、工作电压高的不足,提出了基于射频三极管的超宽带引信脉冲源电路.该电路是以射频三极管为核心,利用射频三极管的低价和低压雪崩特性,结合电感器件磁场能存储与释放效应构建一种成本较低、电路简单、工作电压低的脉冲源.借助ADS仿真软件对电路进行了仿真测试,实际电路可以输出脉冲峰谷宽度为700 ps,幅度达8.608 V的亚纳秒的双极窄脉冲信号.测试结果表明该脉冲源能满足超宽带引信的需要.     

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。     

航向角BP神经网络自整定PID控制算法仿真

设计了基于BP神经网络的自整定PID控制算法,此控制算法不需要被控对象的数学模型,先由BP神经网络对被控对象进行辨识,给出PID控制所需要的3个参数,再由PID控制算法进行有效的控制,最后用MATLAB对某水下机器人的航向角模型进行了仿真验证。     

美军电磁炮研究进展与技术重点

电磁炮（EMG）是利用流经火炮导轨或线圈的强电流感应产生的电磁力来加速弹丸的发射装置,又称电磁发射器或脉冲能量电磁炮。与传统火炮和电热化学炮相比,电磁炮完全依靠电磁能发射弹丸,是一种“纯”电能武器。根据工作方式的不同,电磁炮分为导轨炮和线圈炮两种。     

基于“效益-精度”对冲的两级电力市场负荷预测技术

电力市场的引入对协助电力行业实现电网的稳定运行和规划,促进电能的有效利用和调度,避免资源的浪费,发挥着不可替代的作用。在各国的电力市场中,售电公司/大用户通常会采用预测模型开展负荷预测,并为日前电力市场交易提供依据。当前提出的各负荷预测模型主要以“精准”作为唯一的优化目标,缺乏对各市场价格的差异性波动及售电公司/大用户经济效益的考虑。提出兼顾精确性和经济性的目标策略,建立基于“效益-精度”对冲的两级电力市场负荷预测技术,此技术基于传统负荷预测技术,在目标函数中引入成本因素,采用改进的反向传播法作为网络训练方法。通过对纽约地区负荷数据开展实例验证,验证结果显示,该方法对量化售电公司效益,推进其经济性和准确性综合提升,具有明显成效。     

基于神经网络的开关磁阻电动机建模

针对常规的BP算法存在收敛速度慢,容易陷入局部最小值的缺点,提出了一种提高BP网络学习速度的方法,并基于BP神经网络建立了开关磁阻电动机磁特性Ψ(θ,i)模型．神经网络的参数是经过优化选择的, 训练的时间和步数都大为减少,程序运行稳定,经过训练、识别、预测三重整定,具有很强的学习泛化能力,大大增强了系统的实时性和鲁棒性．该模型有助于进一步优化能量转换,减小转矩脉动．