HGA-RBF网络在动力调谐陀螺仪漂移预测中的应用

由于经典RBF神经网络预测DTG漂移存在参数优化困难和预测精度不理想的问题,将具有可同时优化神经网络参数和隐节点数的递阶遗传算法引入到了对RBF神经网络核函数各项参数的优化中,旨在提高RBF神经网络的建模能力,从而提高DTG漂移的预测精度．首先归一化DTG漂移数据,建立HGA—RBF网络预测模型,然后应用DTG实测漂移数据给出预测模型应用结果,最后利用DTG随机漂移率对预测模型的有效性进行验证．实验结果表明,用这种方法建立的模型能较好地描述动调陀螺仪的漂移特性,其补偿后的漂移量较原始漂移量减小4．5倍．     

有偏距调谐陀螺的运动方程及漂移

考虑了驱动轴，内外扭杆，平衡环和转子的相对位置在距离上所有可能的信工，建立起当过同体具有加速度和角速度时陀螺的运动方程得到偏距造成的干扰力矩表达式，全面讨论了各种壳体加速度和角速度情况的标移。     

基于SOPC的动调陀螺数字再平衡回路设计

根据动力调谐陀螺仪（DTG）再平衡回路工作原理和解耦控制算法,设计了基于FPGA的数字再平衡回路。研究了陀螺仪的耦合情况,利用对角阵解耦法推导出控制、输出解耦阵,建立了数字再平衡回路的数学模型。系统采用SOPC作为控制解算核心,信号器的信号放大解调和力矩器施矩由硬件电路实现,解耦和控制算法由SOPC软件实现。实验表明,应用数字再平衡回路的寻北仪,其寻北精度达到了预期要求,经过转台静态试验。验证了系统设计的正确性。     

小波神经网络在陀螺漂移预测中的应用

针对传统预测方法存在的不足,建立一种基于小波神经网络的陀螺漂移预测模型。重点研究利用小波分析理论对陀螺输出信号的漂移趋势识别提取方法,结合小波神经网络建立漂移信号的非线性预测模型,并以某陀螺实测信号为例预测其漂移趋势。结果表明:该模型能降低人为因素影响,提高漂移预报效果和导航系统精度。     

改进递阶自适应遗传神经网络在动力调谐陀螺随机漂移建模预测中的应用

针对惯性导航系统中陀螺仪的随机漂移特性,一般采用神经网络建模来对陀螺性能进行预测。但BP网络在网络结构设计及权值、阈值训练上存在很多不足,应用递阶自适应遗传算法来同步优化网络的结构和权值、阈值,使神经网络得到整体的优化。预测结果表明,这种预测方法对于陀螺漂移建模及稳定性预测是可信的。     

一种遗传模糊神经网络算法及其在舰船声纳目标识别中的应用

针对常规模糊神经网络的不足之处,设计一种用遗传算法确定其网络权值和系统参数的算法,先确定编码,通过交叉、变异、定义适值函数等步骤实现.将该算法应用于舰船声纳目标识别实例之中,实验结果表明,经遗传算法的优化搜索,该算法比一般的模糊神经网络训练方法有更高的学习效率,具有实用意义.     

一种改进T-S 模糊神经网络及其在装备保障力量动态部署中的应用

为提高模糊神经网络的全局搜索能力和学习效率,提出一种常规T-S 模糊神经网络(Takagi-Sugeno fuzzy neural network,T-S FNN)的改进方法。将遗传算法引入常规T-S FNN,采用其搜索功能来确定T-S FNN 的权值和 参数,建立装备保障力量动态部署模型,对装备保障力量部署问题进行说明,通过改进方法训练学习,获取动态部 署方案,并对其进行比较与分析。结果表明：该方法提高了自适应性和学习效率,可为装备保障力量动态部署的快 速辅助决策提供参考。     

模糊神经网络在电动舵系统中的应用

为了适应导弹控制技术的发展,电动舵系统的性能要求越来越高。在提高系统快速性、控制精度的同时,舵系统需要足够的抗扰动和适应恶劣环境的能力。为了提高常规PID电动舵系统的控制品质,在分析模糊控制与神经网络控制的基础上,设计了基于模糊RBF网络整定的PID控制算法。该算法具有控制精度高、响应迅速、无超调等特点,且具有很强的鲁棒性和学习能力。仿真和试验结果表明:此方法可以使电动舵系统的控制品质得以很大提高,同时也适用于其它伺服系统。     

模糊神经网络在导弹动力系统多故障诊断中的应用

研究了一种差分进化算法和模糊神经网络相结合的故障诊断算法,构造了用于某导弹动力系统的模糊神经网络结构.故障诊断实例结果表明,基于差分进化算法的模糊神经网络学习速度快,能够正确分离导弹动力系统的单故障和多故障工作模式.     

B样条模糊神经网络在滚动轴承故障诊断中的应用

本文采集滚动轴承的振动信号。提出基于B样条模糊神经网络作为滚动轴承故障诊断的模型．该模型能够准确地反映滚动轴承故障和振动信号特征之间的非线性关系．并对其进行仿真。实验和仿真结果表明：基于B样条模糊神经网络的系统能成功应用于滚动轴承故障诊断。     

基于模糊神经网络的目标识别模型

目标识别是地空导弹武器系统决策糊技术的BP神经网络的目标识别模型.从传感器中提取目标特性,经过模型处理,可以较好地实现目标的类型识别.     

火箭炮交流伺服系统模型参考模糊神经网络位置自适应控制

针对多管火箭炮发射时恶劣的负载特性,设计了一种模型参考模糊神经网络自适应位置控制器。利用RBF网络作为辨识器,实现对被控对象的Jacobian信息辨识,用梯度下降法实时修正模糊控制器的输入输出隶属度参数,以使模型参考模糊神经网络能根据火箭炮跟踪发射过程中的负载特性实时调整速度给定值,从而减小火箭炮发射过程中系统参数变化和外部干扰的影响。仿真和实验结果表明,该方法可有效提高火箭炮位置伺服系统的动态响应能力和稳定性,并使系统具有很强的鲁棒性。     

基于改进型模糊神经网络的导弹武器系统生存能力评估

针对导弹武器系统生存能力评估问题,建立了评估的指标体系,给出了指标的隶属函数.利用BP神经网络的自学习、自适应、强容错性,并通过遗传算法（GA）优化BP神经网络的连接权重和阀值,弱化了评价中的人为因素,提高了评价结果的准确性和权威性,解决了BP神经网络存在落入局部最小点和收敛速度慢的问题.实例研究表明,遗传神经网络的评价模型具有有效性和可行性.     

一种基于模糊神经网络融合的故障诊断模型研究

在分析模糊神经网络优点的基础上,提出了一种基于模糊神经网络融合的故障诊断模型.该模型结构是由信息分配模块、并联模糊神经网络的诊断模块和决策融合模块组成.仿真结果表明,该模型能够充分融合信息,提高确诊率.     

基于模糊神经网络的导弹武器攻击系统的效能评估模型

针对导弹武器攻击系统的效能评估问题,建立了评估的指标体系,给出了指标的隶属函数.在此基础上,提出了一种新的效能评估方法--模糊神经网络,并建立了模型.该方法克服了现有方法人的因素的局限性,能够客观地再现专家的知识、经验和直觉思维,仿真结果表明了该方法的有效性和可行性.     

基于模糊逻辑的人为差错概率量化方法

为满足人机系统概率风险评估的需要,提出一种人为差错概率量化方法。分析技能、规则和知识为基础 (skill, rule and knowledge-based,SRK)框架和行为模式的确定方法Hanaman 决策树法,指出在确定行为模式的过程 中考虑行为模式影响因素的不确定性是必要的;使用模糊逻辑方法处理行为模式各个影响因素的不确定性,根据 Hanaman 决策树构建模糊推理规则,利用系统人为行为可靠性程序(systematic human action reliability procedure, SHARP)方法所提供的人为差错概率区间确定人为差错概率的隶属度函数。结果表明：该方法考虑了任务场景的不确 定性,可以得到人为差错概率的精确值,满足人机系统概率风险评估的需要。     

基于小波去噪与DRNN的光纤陀螺随机误差建模研究

针对具有复杂特性的光纤陀螺随机误差的建模问题,采用具有良好时域和频域局部化性质的小波阈值去噪和具有局部内递归特性的对角神经网络(DRNN)进行降噪建模研究。首先给出小波阈值去噪和DRNN的相关理论;然后,组合利用小波阈值去噪和DRNN对实测数据进行建模研究。仿真结果表明,在利用小波阈值去噪去除陀螺随机误差高频噪声的基础上,DRNN能够有效地对低频噪声建模,组合运用这两种理论方法取得了理想的建模效果。