概率神经网络在武器装备故障诊断中的应用

针对当前复杂武器系统在装备部队后出现的故障定位难题,采用概率神经网络进行装备的故障诊断。给出概率神经网络算法及故障诊断步骤,建立基于概率神经网络的故障诊断模型,以某新型武器装备为对象,将该模型应用于装备故障诊断,并使用Matlab进行仿真验证。仿真结果表明概率神经网络能够有效识别出装备的各种典型故障,降低部队使用过程中故障排查难度,提高装备的维修保障能力。     

一种基于概率神经网络的目标识别方法

在分析雷达测量的空中目标威胁特征指标的基础上,建立了基于概率神经网络的目标类型识别模型.概率神经网络的强大分类能力使得对目标的识别变得迅速、准确.最后,通过算例对文中模型的正确性进行了检验.     

概率神经网络在武器装备故障诊断中的应用

针对当前复杂武器系统在装备部队后出现的故障定位难题,采用概率神经网络进行装备的故障诊断.给出概率神经网络算法及故障诊断步骤,建立基于概率神经网络的故障诊断模型,以某新型武器装备为对象,将该模型应用于装备故障诊断,并使用Matlab进行仿真验证.仿真结果表明:概率神经网络能够有效识别出装备的各种典型故障,降低部队使用过程中故障排查难度,提高装备的维修保障能力.     

基于Hu矩与改进PNN的飞机姿态识别算法

在军事领域,为了快速准确识别出飞机飞行过程中的姿态,提出一种基于Hu矩与改进的概率神经网络(IPNN)的新方法。该方法对于无噪声灰度化图片,先进行二值化处理,再计算图像的Hu矩特征。将飞机飞行的360°姿态按三视图分为三个类别,即正视图、侧视图、俯视图。四维Hu矩作为PNN输入,三个视图代表的三个类别作为PNN输出,构建PNN网络。实验结果表明,对于无噪声图片平均识别率可以达到91.2%以上;对于有噪声图片平均识别率可以达到87.0%以上,可见训练后的网络具备良好的泛化能力。     

预警雷达工作模式分配两阶段优化策略

针对预警雷达使用效能问题,提出两阶段策略优化预警雷达工作模式分配模型.基于任务环境、目标分布、奇异目标以及目标数据率等约束,以预警覆盖范围为优化目标,构建基于线性规划的雷达资源需求计算模型;综合考虑预警雷达对目标探测概率和预警探测源贡献率,评定雷达工作模式探测效用,并以探测效用为目标构建基于0-1规划的预警雷达工作模式...     

一种奇异值与PNN结合的飞机目标识别方法

针对现有目标识别方法正确率不高及速度不快等问题做了积极的探索,提出了一种将图像轮廓的奇异值与概率神经网络(PNN)相结合的飞机目标识别方法。首先,对数据进行压缩,提取二值化图像目标的轮廓并进行离散化;然后计算离散点到目标质心的距离,以此构造目标循环矩阵并提取它的奇异值特征量,作为目标的特征;接着构建PNN网络,以奇异值为特征量输入,对它进行训练;最后利用训练好的PNN网络分类器对待测目标进行识别。在仿真实验中,该方法使识别率和处理速度得到了很大的提高,证明了该方法的有效性。     

DSP预警系统对弹道导弹预警概率计算

分析了DSP预警系统的部署、性能指标及其工作原理和预警过程；在解算弹道导弹弹道数据的基础上，建立了DSP预警系统对弹道导弹的预警概率计算模型，并对两种不同射程的导弹在不同天气下的预警能力进行了计算。     

基于模糊神经网络的地下小目标识别方法研究

分析了地下小目标特性,通过提出反映识别目标外形特征及埋设深度的隶属度函数,将常规特征信息模糊化,并结合在模式识别方面更快速简便的PNN神经网络,提出了模糊概率神经网络（FPNN）。最后通过实验数据与BP网络相比较,验证了该识别方法的有效性。     

基于概率神经网络的风洞设备故障预测诊断方法

针对风洞设备故障征兆与故障原因之间的非线性关系,提出基于概率神经网络的风洞设备故障预测诊断方法.利用概率神经网络强大的自主学习能力和较强的模式识别能力,来预测诊断风洞设备的故障原因,通过故障样本对概率神经网络进行训练,并对待测样本进行故障预测诊断.结果表明:概率神经网络能满足故障诊断快速和准确的要求,故障预测诊断精度较高,适用于在线检测,具有实际应用价值.     

天基信息支援下地基预警雷达工作精度分析

文中构建了地基预警雷达对战术弹道导弹的搜索、跟踪及落点估计仿真模型,并对有无天基信息支援两种模型下地基预警雷达工作精度进行了仿真分析,相关结论表明在天基预警信息保障良好的情况下,地基预警雷达对来袭TBM目标的发现概率、落点估计等指标都有明显的提高.     

平面交叉路口信号优化控制模型

城市平面交叉路口信号的优化控制模型基于直行两相位,用三层BP人工神经网络对交叉路口车辆到达进行预测.并根据交通流饱和度理论,采用模糊控制器对路口各方向绿灯时间进行调整的控制模型.该模型用Matlab 6.1编程进行仿真实验,结果表明可以提高交叉路口通行能力,减少车辆延误.     

基于模糊神羟网络的战术互联网呼叫接纳控制

呼叫接纳控制是通信网络业务量控制中的一种预防式策略。针对战术互联网的特殊性，提出了基于模糊神经网络的战术互联网呼。1接纳控制模型和相应的算法。该方法用信元丢失率和时延来描述服务质量，符合军事通信网络的要求；体现了基于测量的接纳控制的基本思想，使模糊神经网络预测器能够及时地反映网络的当前状态，保证了呼叫接纳控制算法结果的准确性。仿真实验结果表明了该方法的有效性和优越性。     

基于Elman神经网络和Copula函数的多维装备效能评估模型

针对当前空战装备效能评估数据呈现出的非线性、多维性和耦合性等特征,将Elman神经网络与Copula函数相结合,提出了一种多维装备效能的评估模型。基于现代化空战特点建立效能评估指标体系的同时,结合战场环境与信息化空中对抗体系的仿真数据,利用Elman神经网络的权值参数自学习能力以及对非线性数据的良好拟合性,得到了边缘分布的预测模型及分布类型;针对分布数据之间的强耦合特征,选取Gumbel Copula函数、Clayton Copula函数、T-Copula函数、Frank Copula函 数、Joe Copula函数5种常用Archimedean Copula函数对变量间的相关性进行构造,通过对参数辨识和拟合优度结果进行对比,发现基于T-Copula函数所构建的联合分布模型与原始数据分布最为契合。以概率统计指标为评估依据,将该方法与传统方法进行了对比验证,得出了该方法的预测精度及适用范围均有所提升的结论。     

基于深度学习的无人机指令意图识别技术

为实现空管员直接发布指令来操控无人机,结合深度学习在自然语言处理(natural language processing, NLP)中的应用,提出一种基于深度学习的无人机指令意图识别方法。使用改进Skip-Gram 模型生成指令文本的词向 量,输入到卷积神经网络进行指令文本分类,得到空管员发布指令的意图。通过实验验证,结果表明：该方法能够 较准确地对指令意图进行识别,有助于后续指令理解技术的实现,为进一步实现空管员与无人机直接交互做准备。     

基于概率神经网络的自行火炮发动机状态监控系统

为有效发挥自行火炮发动机效率,减少对发动机寿命的影响,建立了自行火炮发动机状态监控模型。分析了概率神经网络结构和训练算法,以某型底盘所采用的12150L型发动机为例,选取发动机状态监控有效性指标,通过多种状态数据的引入和量化,评测发动机实时工作情况。结果表明:该模型能成功对故障进行分类,分类速度快,能有效进行自行火炮发动机状态监控,进一步提高状态监控准确率和实用程度。     

基于BAS-BP 神经网络的多应力加速寿命试验预测方法

为解决多应力条件下加速寿命试验中建立复合加速模型困难、模型参数难以求解以及建模过程中通常忽 略应力间耦合作用的问题,根据天牛须搜索建立改进的BP 神经网络模型。使用多应力加速寿命试验中收集的4 组 应力水平的失效数据对BAS-BP 神经网络模型进行训练,对第5 组应力水平下的可靠度与失效时间进行预测。利用 平均相对误差、拟合优度2 个参数对模型的预测结果进行评价,并与BP 神经网络的预测结果进行对比。结果表明, BAS-BP 神经网络具有更好的准确性及鲁棒性。