基于神经网络线性系统的速归辨识

本文提出了一种基于神经网络的系统辨识方法，给出了有效的基于最速下降法的神经网络学习算法。经过仿真实验表明，这种训练出的模型能有效地进行系统辨识。     

神经网络在鱼雷交流电机转矩辨识中的应用

针对采用传统转矩控制方法不能建立精确的数学模型，而难以满足系统性能要求，为提高鱼雷异步电机在线参数识别的效率和可靠性，提出了一种基于BP神经网络的鱼雷交流电机转矩辨识方法。通过假设推算出电机转矩表达式，利用基于BP神经网络进行转矩辨识，该方法不需要辨识对象的数学模型，只需对神经网络进行在线或离线训练，利用训练结果便可进行辨识系统设计。仿真结果表明，该辨识方法能够取得较好的辨识精度。     

基于神经网络辨识某型发射架随动系统模型及仿真应用

应用神经网络方法辨识某型发射架随动系统的模型，并应用辨识的结果对随动系统的一些战技指标进行了分析。结果表明采用神经网络辨识系统模型是一种非常有效方法。     

液体导弹发动机马尔可夫链和RBF网络辨识方法研究

分析了液体导弹发动机辨识方法,对基于马尔可夫链和RBF神经网络的液体导弹发动机的辨识原理和方法进行了较详细的叙述,依据某型液体导弹发动机实际测试数据,对其进行了仿真研究,并对仿真结果进行了比较分析.结果表明,基于动态系统马尔可夫链的液体导弹发动机的辨识方法优于基于RBF神经网络的辨识方法.     

基于神经网络自适应调整PID控制器的设计

对神经网络自适应调整PID控制器的设计方法进行了探讨，采用神经网络在线辨识系统的输出，再对PID控制的参数进行在线调节，达到良好的控制效果。     

基于自适应神经网络的飞控系统辨识技术研究

建立复杂的非线性飞行器辨识模型对提高系统的状态监控和控制性能具有重要意义。文中提出一种变结构的在线径向基神经网络学习算法,使用梯度下降法对网络参数进行优化。利用径向基神经网络对某型飞机非线性动力学系统进行辨识,仿真结果表明设计的算法满足在线辨识的要求。     

基于人工神经网络的电液伺服系统加速度谐波辨识

对于电液伺服系统,由于系统非线性因素的存在,当正弦信号输入时,系统加速度输出中出现高次谐波,使加速度信号严重谐波失真。提出了基于人工神经网络(ANN)的谐波辨识方法,该方法利用Adaline神经网络在线辨识信号中各次谐波的幅值和相位,用实际加速度输出与辨识得到的加速度信号间的误差,通过LMS算法来调整Adaline神经网络的权值,从而利用权值计算各次谐波的幅值和相位。通过大量仿真试验证实,这种方法能快速有效精确地在线辨识各次谐波信号。     

基于神经网络逆模型的非线性外弹道参数辨识

为解决对弹道初始发射参数多变量辨识困难的难题,提出了基于神经网络逆模型的辨识方法.采用对象-正模型-逆模型学习法,用正模型来模拟弹道方程组机理模型,然后结合逆模型进行辨识.神经网络选用动态回归网络,利用MATLAB仿真结果表明,该方法有效可行.     

一种混沌Hopfield网络及其在二维自适应系统辨识中的应用

在对传统的混沌神经网络模型深入研究的基础上,构造了一种具有暂态混沌动力学特性的Hopfield神经网络模型。在Hopfield神经网络中引入混沌机制,使网络逐渐由混沌神经网络向Hopfield网络过渡,达到混沌控制的目的。网络利用了混沌搜索的随机性和轨道遍历性,因而具有较强的全局寻优能力。将其应用于二维自适应系统辨识中,仿真结果表明,该神经网络的寻优和逼近能力较强,辨识曲线与未知系统曲线非常接近。     

基于神经网络算法的弹丸阻力系数辨识

为了解决传统辨识方法在应用于弹丸气动参数辨识时所存在的建模误差问题,基于极大似然准则,采用神经网络-牛顿法,对无控旋转弹丸的飞行状态数据进行处理,提取出其零升阻力系数。仿真结果表明,该算法具有较高的辨识精度和可靠性。基于实测数据,采用该算法和应用已成熟的扩展卡尔曼滤波算法进行辨识。结果表明,神经网络算法的前期辨识精度较高,但中期误差较大,而扩展卡尔曼滤波的前期精度较差,故可结合二者的优点有效地解决工程实际问题。     

神经网络计算在系统辨识和噪声抵消中的应用

本文给出了应用神经网络算法进行过程学习和弱信号噪声抵消中所取得的成果。在系统辨识实例中,论证了在噪声环境中精确学习线性和非线性函数映射模型的能力。在噪声抵消实例中,论述了从噪声背景中提取信号的能力。     

基于ARMA-NExT的飞行器工作模态辨识技术研究

基于飞行实测遥测数据,研究了使用工作模态辨识方法辨识飞行器系统的模态参数。详细介绍了ARMA-NEx T工作模态辨识理论基础,梳理了模态辨识的关键步骤和实施方法,最后通过两个算例研究了工作模态辨识。结果表明:第1个算例是针对某一小段时间的遥测数据,辨识系统的模态参数,包括模态频率、阻尼比和振型;第2个算例针对较长时间的遥测数据,辨识系统的模态频率随时间变化的规律。     

基于小波算法和神经网络相结合的系统辨识方法

提出了一种将小波变换同神经网络相结合的方法,旨在克服由于广为采用的神经网络在对不定信息处理方面存在的不足和容易陷入局部极小值的问题．将小波变换与神经网络相结合,利用混沌轨道的游动性有利于系统跳出局域极值的束缚而寻求全局最优。仿真结果表明,此种算法快速、有效,能很好地解决某些复杂的辨识问题。     

基于系统冲击响应的时间序列建模方法

针对在工程实际中很难得到系统准确的白噪声响应信号,因而给系统ARMA (Auto-regressive Moving-average)时间序列模型辨识带来一定不便的问题,提出了一种基于系统冲击响应信号ARMA时间序列建模方法.利用系统白噪声输入响应信号与冲击输入响应信号的相关函数之间的比例关系,构造基于冲击响应信号相关函数的参数求解方程组,以达到系统模型参数的辨识.该方法利用系统冲击响应输出信号即可有效地实现系统的ARMA建模,同时又避免了常规建模方法中获取系统白噪声响应的不便.仿真实验表明,该方法能够有效辨识系统模型.     

基于系统辨识的小波分析在导弹一级变放故障诊断中的应用研究

提出了一种基于系统辨识思想的故障诊断方法，详细介绍了利用小波分析方法将某导弹一级变换放大器故障精确定位的算法，给出了故障诊断的硬件电路原理图，并且通过仿真实验证实该方法的可靠性和有效性。     

基于威胁的飞行器航迹辨识问题研究

由航迹规划系统通常可以得到一条或多条可飞航迹,为解决航迹规划中多航迹归类和评价问题,建立了一种基于威胁的航迹辨识模板,应用数学形态学图像处理膨胀运算和着色原理,提出了基于膨胀辨识和着色辨识两种策略对备选航迹进行辨识的方法,为任务规划人员提供决策依据。仿真结果表明,该方法可以回避复杂的建模和计算过程,易于实现,有一定的应用价值。     

RBF神经网络在再入体气动参数辨识中的应用研究

基于神经网络逼近理论，利用自动增加隐节点的RBF神经网络对某再入体的气动参数进行辨识，提出了一种新的神经网络参数辨识结构，网络训练时，对初始权值就进行优化处理。仿真结果证明，提出了一种新的神经网络参数辨识结构。网络训练时，对初始权值就进行优化处理。仿真结果证明，严重的非线性状态方程中的气动参数用RBF网络进行辨识。取到了满意的结果，可以得到全局光滑的气动模型。在检验气动参数辨识结果时，不需重构弹道。     

基于参数辨识的导弹块对角控制器

针对利用解析逆解技术设计的导弹块对角控制系统存在的主要问题－鲁棒性差，提出了利用小脑模型关节控制器（ＣＭＡＣ）神经网络来辨识导弹的几个重要的空气动力参数，证明了估计误差、权误差有界，在此基础上用解析逆解设计方法设计了导弹的块角控制器。仿真结果表明了本文算法所设计的系统具有响应快、精度高和鲁棒性强等优点。     

基于六自由度模型的系统辨识方法及其在导弹质量评估中的应用

针对导弹性能评估的需要，文中建立了导弹六自由度模型，提出了基于六自由度模型的导弹气动力参数辨识方法，并采用该方法进行了某型导弹21个气动力参数的辨识．辨识数据与理论计算数据拟合较好、且在准确度允许的范围内，并利用辨识结果初步对导弹质量进行了评估。文中提出的方法对各种飞行器的定型试验具有一定的参考价值。     

二维弹道修正引信弹道辨识模型及精度仿真分析

文中提出利用卡尔曼滤波技术来建立二维弹道修正引信弹道辨识模型,在弹道方程基础上建立了卡尔曼滤波的弹道辨识状态方程和量测方程,构建了二维弹道修正引信弹道辨识模型算法;利用均匀设计方法对弹道辨识模型的精度进行了仿真分析,仿真结果表明基于卡尔曼滤波技术的弹道辨识模型可以满足弹道修正引信的系统精度要求.