雷达功放组件输出功率预测

输出功率是衡量固态雷达发射机功放组件是否故障的重要指标,对其预测可为维护中预先更换功放组件提供决策依据,对雷达的预测性维护具有重要意义。本文利用ARIMA模型和LSTM模型对某型雷达功放组件输出功率预测进行了研究,根据实际监测到的输出功率劣化趋势将功放组件的工作阶段分为平稳工作期、缓慢劣化工作期和快速劣化工作期,并分别进行了输出功率预测实验,给出了不同预测时长下的RMSE、MAPE。研究结果表明,平稳工作期的预测效果好,长期预测和短期预测效果差别不大;当预测时长较短且监测值变化平缓时缓慢劣化工作期预测效果好,否则难以预测;快速劣化工作期难以进行满足预测性维护要求的输出功率预测。     

基于BP神经网络的温度预测方法

针对环境试验温度测量精度不高,测温延时较大的问题,提出了基于BP神经网络的温度预测方法。该方法通过测量瞬时温度变化率,利用BP神经网络的温度预测模型,对温度进行预测。在MATLAB中仿真表明,该方法对温度测量的精度有了明显的提高,对测温延时有了明显的改善。     

基于PSO-BP神经网络的高炉煤气受入量的预测

以高炉煤气为主要研究对象,基于BP神经网络引入粒子群算法优化BP神经网络的权值,通过调试和改进建立PSO-BP神经网络高炉煤气受入量预测模型,使企业实现对煤气的合理调度和平衡调整,研究结合唐山钢厂的历史数据对该模型进行训练和检验。研究结果表明,BP模型比未改进的BP模型更能精确地预测受入量,并解决了遗传算法(GA)优化BP神经网络容易陷入早熟收敛的问题。     

基于改进型PSO-BP神经网络算法的水质评价

环境污染现在是大众所关注的一个重要的问题,需要拿出科学的方法和手段应对这个问题。文中提出了一种改进型的PSO-BP神经网络相结合的环境质量评价方法,以大理的洱海水域为例,选取了实际的水质监测数据作为样本,进行了系统的分析。通过对传统的BP神经网络法、PSO-BP神经网络和改进型PSO-BP算法三种方法应用结果的对比,本文得出改进的PSO-BP神经网络方法在相同精度下拥有更高的效率。     

基于神经网络的激光选区烧结温度预测

有限元仿真是激光选区烧结（SLS）增材制造温度场预测分析的常见方法,但温度场仿真运算往往要耗费大量的时间。为了提高运算效率,提出了基于遗传算法（GA）优化反向传播（BP）神经网络的SLS烧结点温度预测方法。在大量覆膜砂材料多道多层零件烧结点温度仿真模拟试验的基础上,建立并训练了基于GA-BP神经网络的烧结点温度预测模型。开发了SLS烧结点温度预测软件,能够根据零件的尺寸及工艺参数,快速计算出烧结点温度,并进行可视化显示。通过零件烧结点预测温度与热像仪检测温度的对比试验,验证了温度预测的准确性。     

基于PSO-BP神经网络的光纤传感器光强补偿

基于反射式强度调制光纤传感器在测量实验过程中易受周围环境影响造成光源波动以及对探头的欺骗,提出了一种补偿措施,使用粒子群(PSO)优化反向传播(BP)神经网络算法补偿传感器获得光功率值,该算法不仅利用了PSO的寻找粒子群体的最佳位置的搜索性能,还利用了BP算法比较强的局部最优权值阈值搜索性能,粒子群算法优化反向传播神经...     

基于组件技术的雷达组网系统软件设计

随着雷达组网系统的推广,必将对其适用性和扩展性提出越来越高的要求。文中分析了雷达组网系统的特点,提出了一种基于组件的雷达组网系统软件体系结构。以软件体系结构为指导,利用组件技术将复杂的雷达组网系统分解为具有特定功能的组件的集合,通过复用、集成具有各种功能的组件,可快速构建出面向各种军事应用的雷达组网系统软件。     

海洋环境下基于神经网络的雷达检测

提出了利用相干Ｘ波段雷达检测小块流冰的新的检测方案。这种方法利用威格讷－维尔（ＷＶ）分布在相关时间－频率空间进行检测。介绍了两种独立的分类法。第一种方法从接收信号的模糊函数中提取分类特性，并根据这些特性用神经网络进行检测。第二种方法用主分量分析（ＰＣＡ）法从时间－频率空间提取适用于分类的主要信息。利用实雷达数据介绍了结果，而且还把所提出的方法与一般的多卜勒恒虚警率（ＣＦＡＲ）处理机作了比较。     

基于SSA-BP神经网络的试验品室内温度预测

在弹药试验品日常存储温度监测过程中，传统传感器测量存在滞后性。为解决这一问题并实现试验品储存室下一时刻温度的精准预测，文中提出一种基于SSA优化BP神经网络的智能算法。通过SSA算法与BP神经网络相结合的方法，在局部搜索中快速找出阈值更新的最优位置，为BP神经网络的训练提供更好的参数。利用Matlab仿真平台搭建SSABP温度预测模型，并与PSO-BP算法温度预测模型进行仿真对比。测试结果表明：SSA-BP神经网络算法稳定性好，鲁棒性强，收敛速度快；相比PSO-BP网络，该算法的MAE和MSE误差值分别减少2.31%和0.54%，预测精准度高。所提方法可为弹药试验品储存室温度精准预测提供重要依据和参考。     

基于MATLAB的组件温度系数计算

本文描述的温度系数计算方法,通过稳态模拟器测试出不同温度下对应的组件开路电压、短路电流、最大功率值,应用MATLAB计算并模拟出温度系数曲线,提高数据处理的效率.     

基于神经网络的未知雷达辐射源智能识别技术

提出了一种基于神经网络的未知雷达辐射源智能识别方法,该方法以实际中获得的雷达信号参数为基础,训练神经网络,对未知雷达参数进行预测识别,给出可能的工作状态,并分析其威胁程度.仿真实验表明,该方法是有效可行的,为工程上实现未知雷达辐射源的识别提供了一种新思路.     

基于小波神经网络的毫米波雷达目标距离像识别

给出一种隐层由小波基组成的神经网络用于实现频率步进毫米波雷达目标一维距离像的识别。利用小波变换所具有的良好的时频分析特性，实现了输入输出之间映射关系的多分辨学习。介绍了小波神经网络的数学框架及其误差反向学习算法。详细描述了用小波神经网络进行识别的步骤。将所提出的小波神经网络用于频率步进毫米波雷达目标一维距离像的识别。实验结果表明该方法对目标距离像的识别是有效的。     

基于ASOM神经网络的高分辨雷达目标识别

在介绍自组织特征映射神经网络及其学习算法的基础上,提出了一种结构自适应自组织特征映射神经网络。该网络能自适应地选择合适的网络规模,并对分类决策边界进行更为精细的调整,因此该网络区分微小差别的不同模式样本的能力进一步增强。最后给出了两类网络对实测高分辩雷达目标的识别结果。     

一种基于新型功率组件的船舶电力系统电源的设计

本文从器件到变流器,提出了通过组件并联提高功率、组件串联提高电压能力的解决方案。举例说明了4-5MW的AC/AC变流器通过组件并联以提高模块功率的原理,并分析了这些单元之间的布线受到影响的情况。最后阐述了功率组件的优点及未来发展趋势,在海洋应用中对复杂的电气架构的需求将加速高可靠性和易维护性的电源变流器的发展。     

基于神经网络的探地雷达探雷研究

根据对探地雷达回波信号的分析,提出了一种新的适合于现场处理的探雷方法,采用延时校正、维纳自适应滤波及减背景等手段对原始数据进行预处理,提取Welch功率谱密度估计作为目标的特征,将特征送入神经网络进行分类训练。使用地雷目标与共相近的物体的数据进行对比试验和神经网络测试,结果表明,经过训练的神经网络可有效地将地雷与其它干扰物分开。     

基于门控循环神经网络的海杂波幅度预测

海杂波是雷达在海洋表面采集到的海面电磁散射回波.受海洋环境要素（风速、风向、浪高、浪向等）和雷达参数的影响,其幅度随时间具有随机起伏性,海杂波的幅度预测精度的提高有助于增加目标检测准确度.本文结合海杂波非高斯非线性的特点,提出了基于门控循环神经网络的海杂波幅度预测方法.通过对IPIX雷达和P波段雷达海杂波实测数据的预测分析,结果表明,本文方法相对已有传统方法具有更高的预测精度.     

基于神经网络的雷达辐射源智能识别系统

结合以神经网络为核心的雷达辐射源智能识别系统(REIRS,Radar Emitter Intelligent Recognition System)的实际研究工作,介绍了识别系统的结构、算法和基于高速数字信号处理(DSP)芯片的神经网络硬件实现方法,分析了识别系统的实验结果,最后总结了系统的技术特点及其在电子战其他方面的应用前景。     

基于PSO-BP算法的压力传感器温度补偿研究

硅压力传感器在工业环境中使用时,尤其是用于测量油井井下压力的时候,环境温度变化范围通常比较大.硅压力传感器由于其自身结构的原因,输出压力值会呈现非线性变化,大大的降低了压力传感器的测量精度.本文是基于PSO-BP神经网络方法对压力传感器在温度变化时产生的误差进行补偿修正,以达到系统精度要求.PSO-BP算法的本意是使用PSO算法用于对BP神经网络的初始权值和阈值进行改进和筛选,然后再使用BP网络对样本进行训练,以提高系统的泛化能力和稳定性.     

基于神经网络的雷达目标识别

本文讨论了基于径向基函数网络（ＲＢＦＮ）的雷达目标识别问题，在分析了一维距离象特点的基础上，提出了采用非相关幅度平均一维距离象以获取稳定模式这一有效方法，在指出传统经验公式局限性后，给出了一种基于训练样本空间分布来估计高斯函数形状参数的方法，用微波暗室试验数据进行转台成象并对一维距离象三种模式进行识别分类的结果表明，本文所提出的方法用于研究雷达目标识别是有效的。