基于模糊神经网络的导弹故障诊断

将模糊神经网络应用于导弹的故障诊断。经过仿真试验发现，模糊神经网络可以充分利用专家知识的不确定性，而且诊断效果相当好。     

神经网络在压合过程中的应用

针对将圆锥体压入薄壁筒的控制技术中,对位移传感器和压力传感器在线实时检测及执行机构气液增力缸的控制问题,在分析受外界干扰的情况下,为保证系统的稳定性和收敛性,采用基于递推最小二乘法的多层前向神经网络算法,并对它的条件参数进行了一般性的推导.该神经网络为3层前向网络,其隐含层神经元数为10个,输出层神经元数1个.包括输出层与隐含层、输入层与隐含层间权的调整算法.用典型PID算法和神经网络的控制算法分别仿真结果可见,神经网络控制解决了压合过程纯滞后的非线性问题,达到了预期的技术要求.     

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.     

基于模糊神经网络和专家系统的导弹故障智能诊断方法

研究基于模糊神经网络专家系统的故障诊断方法,给出了模糊神经网络故障诊断专家系统的具体实现过程,在深入细致地研究了知识表示的基础上,将该方法应用于某大型导弹武器装备的故障智能诊断系统中.实践表明,该方法是一种行之有效的模糊故障诊断方法并为大型导弹武器装备的故障诊断提供了一个新的途径.     

模糊控制与神经网络相结合的预测研究

针对模糊控制与神经网络的特点，提出了一种新的将模糊逻辑与神经网络相结合的方式，即模糊神经网络，同时给出了有效的算法；该算法训练速度快，预测精度高，并且用仿真实验验证了该模糊神经网络对混沌系统具有很好的预测性能。利用该模糊神经网络对一维Logistic map标准混沌系统进行了预测仿真实验，同时，与一般的神经网络进行了对比，讨论了该模型对被噪音污染的混沌数据的处理能力。     

基于NSGA-Ⅲ算法的集群目标来袭火力分配建模与优化

火力分配建模与优化作为集群目标来袭防御任务规划的关键环节,对提高防御效果、保证任务完成质量具有重要意义.针对集群目标来袭防御策略呈现出由传统点对点饱和攻击向合理火力覆盖转变的基本趋势,建立以攻击效益最大、自身剩余价值最大、武器消耗最小为目标函数,以毁伤门限、武器资源总数和0-1整数约束为约束条件的集群目标火力分配模型;...     

基于模糊神经网络PID的机床直流调速系统

为解决PID参数的在线调整问题,针对龙门刨床的主拖动系统,提出将神经网络的模糊PID自适应控制器用于直流调速系统的方法。分析龙门刨床电气设备的组成,综合模糊控制和神经网络的长处,将神经网络、模糊逻辑和PID控制相融合,构成模糊神经网络控制器,并通过MATALAB对系统进行仿真。设计时,将模糊规则融于神经网络中,通过对神经网络的自学习、自适应能力在线调整模糊规则和隶属函数参数,对PID控制器实现在线实时调整。仿真结果表明,该系统比普通控制器具有更好的动、静态特性。     

基于协同优化的鱼雷多学科设计优化

为了使用多学科设计优化方法解决鱼雷总体设计中的并行设计、耦合变量等难题,提高鱼雷总体性能,该文提出了以最大航程为目标函数,对涉及到的航程、外形、推进器及能供学科进行多学科分析,并利用基于协同优化算法的多学科设计优化方法对鱼雷外形及推进器进行设计优化.仿真结果表明,该方法能够提高鱼雷航程.     

基于模糊神经网络的故障诊断新方法

一种基于模糊神经网络和D-S证据理论的故障诊断方法,从故障征兆空间提取信号,再将信息向子模糊神经网络分配;诊断模块中的子模糊神经网络为并联结构,分别从故障发生的不同侧面进行诊断;输出结果经归一化处理,满足基本可信度分配函数的条件。最后进行信息融合,即得到最终故障诊断结果。经算例证明,该方法可靠、有效。     

基于模糊神经网络的目标识别研究

文中将模糊规则与神经网络相结合,提出一种新的基于模糊神经网络目标识别方法,实验证明这种网络结构巧妙地将模糊集理论和神经网络结合起来,充分利用了两者各自的优势,最终达到了对目标识别的效果.     

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.     

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中的关键技术．针对目标特性，提出了一种基于模糊技术的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．     

基于模糊神经网络的模式识别技术研究

自动目标识别（Automatic Target Recognition，ATR）系统是现阶段和未来侦察装备系统的一个重要组成部分，如何提高图像目标识别速度和准确性是当前侦察系统急需解决的关键技术问题。本文尝试构建一种模糊双向联想记忆推理网络模型，并根据此网络模型设计了一个模式识别系统。     

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中的关键技术。针对目标特性，提出了一种基于模糊技术的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。     

基于模糊神经网络的模式识别技术研究

自动目标识别(Automatic Target Recognition,ATR)系统是现阶段和未来侦察装备系统的一个重要组成部分,如何提高图像目标识别速度和准确性是当前侦察系统急需解决的关键技术问题.本文尝试构建一种模糊双向联想记忆推理网络模型,并根据此网络模型设计了一个模式识别系统.     

基于BP神经网络的智能压力传感器设计

为满足航空发动机分布式控制系统的设计需求,提出了利用BP神经网络设计智能压力传感器的方法。首先,建立了该传感器的BP神经网络模型;然后,利用DS18B20和ATmega128设计出了硬件电路;最后,进行了该传感器的软件设计。实验结果表明,该智能压力传感器结构简单,线性化程度好,测量精度高,适用于航空发动机分布式控制系统。     

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。     

基于模糊神经网络的相控阵雷达任务调度设计

针对相控阵雷达任务调度中任务优先级较难建立数学模型,从而影响任务调度效率的问题,提出一种基于自适应模糊神经网络的相控阵雷达任务调度算法。该算法：模糊控制部分能够利用模糊隶属度对多个目标参数值进行量化处理;神经网络部分可以智能地实现目标参数和任务优先级之间非线性映射。仿真结果表明,该方法有效,在目标数目饱和情况下,保证高优先级任务被调度的同时,使更多的任务得到调度执行,其性能优于传统任务调度方法。     

结构可靠性优化的通用生成函数-序列优化与可靠性评估方法

通用生成函数（UGF）法在处理随机变量为非正态、功能函数为高度非线性的概率分析问题时具有较大优势。为提高结构可靠性优化求解的精度，提出了一种基于通用生成函数的序列优化与可靠性评估方法。该算法引入高精度可靠性分析方法和偏移向量求解策略完成优化，将迭代过程分为3个环节完成：第1环节利用最小二乘法拟合偏移函数的响应面回归模型，根据模型和许可可靠指标求解偏移向量；第2环节根据所求偏移向量完成确定性优化，得到当前设计点；第3环 节利用UGF法进行可靠性分析和评估，并根据相关约束重新构建偏移函数。算例分析表明，所提方法在保证求解效率的同时提高了优化精度，并很好地解决功能函数为高度非线性时优化结果无法收敛的问题。     

基于模糊神经网络的空袭目标威胁评估

对空袭目标的各因素进行了分析, 提出了目标威胁值是目标攻击意图与目标攻击能力的有机结合的思想, 并将模糊理论与神经网络相结合, 建立了目标威胁评估的数学模型, 为进行有效的目标威胁评估提供了一条思路.