遗传算法解算弹道导弹再入弹道

基于弹道导弹再入段运动数学模型,提出了预定程序弹道再入突防的方法并进行了遗传算法解算突防弹道的研究。建立了以攻角随再入时间增长的变化量为编码对象的遗传算法模型并进行仿真计算。仿真结果表明,该算法能够实现预定程序再入弹道快速高精度的解算,具有工程的应用价值。     

一种基于BP网络的爆高延时方法

弹道导弹采用惯性控制爆高时,爆高延时计算精度是爆高控制精度的决定因素之一,为提高爆高精度,文中基于BP神经网络的原理和方法,推导建立了一种爆高延时的计算方法.仿真计算证实该方法正确,且计算精度比目前的爆高延时计算方法有较大提高.     

基于BP神经网络的炸弹弹道诸元的解算

文中建立了基于BP神经网络的炸弹弹道诸元解算的模型,并通过对BP网络的各种学习算法的解算结果进行比较,选取了贝叶斯规则化算法对网络进行训练,解算结果较为理想.为炸弹弹道诸元的解算提供了一种新的方法.     

基于神经网络的弹道曲线快速拟合方法

大规模弹道仿真时运用传统的诸元解算方法计算量大且耗时久,难以满足作战快速响应的需求。文中通过构建弹道曲线的主要影响因素与时间的方程,研究方程系数与发射参数之间的关系,提出了基于BP神经网络算法快速拟合方程系数的方法,从而快速拟合出弹道曲线。经试验仿真,该方法在进行多条弹道解算时比传统诸元计算方法快速高效,可适应于大规模弹道仿真。     

基于对象Petri网和可视化技术的弹道仿真方法研究

为了解决弹道仿真中弹道解算和解算结果实时动态表现两个关键问题,将面向对象与Petri网相结合应用于弹道仿真建模和仿真过程管理,从而较好的解决了弹道计算问题;运用Vega技术对弹道解算结果进行可视化显示,使得弹道仿真计算与结果动态展现有机结合。仿真结果表明,所采用对象Petri网和可视化技术有效的解决了弹道仿真中弹道解算和数据实时动态表现两个关键问题,对其它动态复杂系统的仿真也具有很好的借鉴作用。     

基于BP网络的反辐射导弹允许发射区火控解算

通过分析几种导弹允许发射区火控解算方法,提出将BP网络应用于反辐射导弹允许发射区火控解算,经仿真试验发现可以很好地解决实时性和精确度的问题,而且效果良好,具有良好的发展前景.     

基于GA-BP神经网络的镁合金微弧氧化膜层厚度预测

为直观地检验膜层的质量,建立微弧氧化工艺参数(电流大小、脉冲宽度、氧化时间)与微弧氧化膜层厚度之间的反向传播(BP)神经网络预测模型,其结构为3-10-1(即3个输入神经元,10个隐含层节点,1个输出神经元)。采用遗传算法(GA)优化BP神经网络的初始权值和阈值,构建基于遗传算法神经网络的膜厚预测模型。用GA-BP神经网络对膜厚进行模型仿真,并将仿真结果与BP神经网络模型仿真结果进行对比。结果表明,GA-BP网络模型预测值的平均误差为1.65%,最大误差为9.75%,而BP模型预测结果的平均误差为8.62%,最大误差为13.68%。GA-BP神经网络模型预测精度要优于BP神经网络模型。     

弹载转发器延时对解算弹道精度的影响分析

根据弹载转发器GPS外测系统利用延时测距原理，结合弹道参数解算方法，分析了弹载转发器延时对解算弹道参数精度的影响，提出了改进解算弹道参数精度的方法。     

基于BP神经网络的空空导弹攻击区解算及其仿真

针对传统空空导弹攻击区解算方法存在的问题,建立BP神经网络模型对空空导弹攻击区进行解算,通过对网络的离线训练,在满足要求精度的情况下较好的得到了空空导弹的攻击区。解算和仿真结果表明,该方法极大地提高了拟合的精度和速度,能够适应快速高精度的火控解算。     

地面站导航定位系统定位方案的选择

对目前飞行器的定位方案种类、两种陆基定位方案在使用方面的优劣进行了概述;对两种陆基定位方案在定位精度方面的优选问题进行了深入研究,提出了延时零位标定修正和定位解算及定位精度模型,在理论上证明了定位精度高的方案,用飞行试验实例仿真验算了理论证明的正确性;对定位精度高方案的延时零位的校正问题进行了总体计算论证,从总体上得出了不必进行零位漂移后重新校正的结论,综合得出了优选定位方案的结论.     

用于发动机进气管真空度计算的神经网络方法

该文应用人工神经网络的建模方法及自适应学习速率的BP算法,用于发动机进气管真空度的计算,并使用Matlab中的神经网络工具箱进行仿真模拟.把模型的仿真结果与实际测量数据相对比,试验结果表明,这种新的研究方法具有很高的精度,在一定条件下可以代替理论计算.     

改进BP神经网络在航空弹药预测中的应用

对航空弹药消耗的准确预测是未来战争取胜的一个重要因素,然而战场复杂多变,传统的方法难以进行及时准确地预测.采用了BP神经网络对单个目标航空弹药进行预测,针对常规BP神经网络收敛速度慢、存在所谓"局部最小值"等缺陷,提出了具有全局收敛性的Fletcher-Reeves共轭梯度算法对常规BP网络进行改进,并将改进后的BP网络应用于单个目标航空弹药预测仿真试验中.结果表明,改进BP网络能克服局部极值、快速提高网络收敛速度,并能较为准确地预测航空弹药的需求量.     

基于AMESim的先导式减压器性能仿真分析

选择先导式减压器设计方案,进行静态特性计算。使用工程系统仿真高级建模环境（Advanced Modeling Environment for performing Simulation of engineering systems, AMESim）对静态及动态特性进行仿真分析。仿真结果表明,不同结构要素需合理设置,以保证减压器性能满足要求。     

基于人工神经网络BP算法的倒立摆控制研究

基于人工种经网络BP算法的倒立摆小车实验仿真训练模型，其倒立摆BP网络为4输入3层结构．输入层分别为小车的位移和速度、摆杆偏离铅垂线的角度和角速度．隐含层单元数16个．输出层设置为1个输出单元．输入层采用Tansig函数，隐含层采用Logsig函数，输出层采用Purelin函数．用Matlab6．5数值计算软件对模型进行学习训练，并与模糊控制逻辑算法对比，表明倒立摆控制BP算法精度高、收敛快，在非线性控制、鲁捧控制等领域具有良好的应用前景。     

用战斗部分层杀伤模型计算命中目标破片数的仿真方法

在进行引战配合仿真和导弹杀伤概率计算时,需要求解战斗部杀伤元素(破片)命中目标的数量。本文提出一种战斗部的分层杀伤仿真模型,并利用坐标变换计算命中目标破片数的仿真方法,经仿真程序验证,计算结果准确。     

利用BP神经网络预测BT20钛合金的流动应力

为建立BT20钛合金(Ti6Al2Zr1MolV)的流动应力预测模型,通过热压缩试验获得其流动应力曲线,并对BP神经网络的算法进行改进,实现BT20钛合金的流动应力的准确预测。研究表明:采用人工神经网络(ANNs)预测流动应力不需要考虑材料特性,有效地避免了传统经验或回归本构模型由于假设和简化带来的误差,并且神经网络具有很强的非线性离散数据处理能力,选取合适的网络模型(主要是隐层数及隐层单元数),输入足够的样本数据对神经网络进行训练即可获得令人满意的预测精度;采用含两个中间层,网络结构为3×16×14×1的改进BP神经网络模型能够较为准确的预测BT20钛合金的流动应力,计算效率较高,该预测模型可作为其塑性成形过程有限元模拟的本构关系。     

几种基于神经网络的导弹惯性器件故障预报方法及其性能比较

研究了标准BP网络、改进的BP网络(带动量的自适应BP网络)、 L-M网络和RBF网络及其学习算法, 探讨了基于这四种神经网络的导弹惯性器件故障预报方法, 并通过仿真实验对四种网络的预测预报性能进行了分析比较.结果表明, L-M网络和RBF网络对惯性器件的故障预报比两种BP网络更准确, 收敛速度更快.     

ANSYS二次开发在某新型闩体失效机理分析中的应用

某新型火炮闩体在试验过程中出现了开裂破坏,用传统静力分析方法无法给出结构破坏的合理解释。应用ANSYS有限元分析软件的二次开发语言APDL,开发了在后坐缓冲弹簧作用下闩体后坐过程计算命令流程序,通过对该闩体后坐及缓冲弹簧压缩到极限位置动态过程仿真计算,结果表明,在弹簧压缩到极限位置时刻应力水平较高,高应力区位置与试验破坏位置一致,对闩体失效机理给出了较完满的解释,为结构设计进一步改进提供了正确的理论依据。     

基于BP网络的PID整定控制

基于三层BP网络的PID的整定控制器,将输出层神经元输出状态对应于PID控制器的比例、积分、微分参数.先确定输入层和隐含层节点数、给出各层权值初值、选定学习速率和动量因子、学习参数等,再计算采样时刻误差、各层神经元的输入输出、PID控制器输出.通过神经网络的自学习、实现PID控制参数的自适应调整.仿真表明该神经PID控制器在三参数自调整、控制量变化、减小误差等方面具有优势.     

破片杀伤型战斗部对典型雷达目标的毁伤研究

提出了破片杀伤型战斗部毁伤典型相控阵雷达目标三维演示的必要性,详细建立了破片杀伤型战斗部破片对典型地面相控阵雷达目标的毁伤计算模型,并利用Matlab软件编写了三维毁伤演示程序．演示结果表明,该模型可以有效直观地对破片战斗部的毁伤效果进行评估,其程序核心可以作为计算导弹毁伤概率的基础．