基于神经网络的自行火炮变速箱轴承故障模式识别

在分析振动信号的基础上，提取了反映自行火炮变速箱轴承故障的时域特征量和包络谱特征量．构造了结构合适的BP神经网络，实现了自行火炮变速箱轴承故障模式的计算机自动识别，有效地检测了自行火炮变速箱轴承的早期故障．     

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.     

信号奇异性的小波分析

提出了利用小波变换对信号奇异性进行定量分析的方法,包括对信号奇异点的定位能力、奇异性的分类能力以及奇异性程度的确定能力三个方面.     

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。     

一种自适应模糊小波神经网络及其在交流伺服控制中的应用

针对某武器大功率交流伺服系统所存在的大变负载、慢时变、强耦合的非线性特性和不确定扰动等问题,提出了模糊小波神经网络（FWNN）间接自适应控制器,该控制器的特点为Takagi-Sugeno-Kang (TSK)模糊模型的后件部分由自回归小波神经网络（SRWNN）构成。给出了SRWNN参数的迭代算法,利用SRWNN辨识器为控制器提供实时梯度信息,有效地克服了参数变化和负载扰动等不确定因素的影响,且具有良好的动态特性。采用Lyapunov稳定性理论方法证明了闭环系统的稳定性。仿真研究和样机试验结果证明了所提方案的有效性和正确性。     

基于小波神经网络的信号识别

信号的分选和识别技术在当今信号处理的系统中占有相当重要的地位.小波分析和神经网络是近年来兴起的一种分析信号方法.文中对二者的结合问题进行了研究.小波空间可以作为信号分类的特征空间,进而可以通过神经网络对信号进行特征识别.小波神经网络是基于小波分析而构造的神经网络模型.在信号调制类型识别中,利用小波伸缩平移把信号分解到不同频道上进行特征提取;把提取的特征信息输入神经网络进行分类.仿真结果表明,利用此方法可以较好的对信号进行分选和识别.     

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.     

多小波模糊神经网络盲均衡算法

为了克服传统恒模算法(CMA)采用固定步长造成的收敛速度与收敛精度之间的矛盾,提出了一种基于平衡正交多小波变换的模糊神经网络盲均衡算法(MWT-FNN-BEA).该算法一方面利用模糊神经网络控制器自动调节算法的迭代步长,较好地解决了收敛速度与收敛精度之间的矛盾;另一方面利用平衡正交多小波变换对均衡器输入信号进行去相关性处理,进一步提高了算法的性能。理论分析和水声信道仿真结果表明,所提出的算法具有较快的收敛速度和较小的稳态误差,抗干扰性能好。     

基于小波和模糊神经网络的导弹涡喷发动机故障诊断方法研究

针对海防中远程导弹普遍采用高效率的小型涡喷（涡扇）发动机,为了减小体积和重量,发动机设计寿命较短,导弹维护（中、长期维护）、准备阶段不允许对发动机进行热试车,提出了一种基于小波和模糊神经网络的涡喷发动机故障诊断方法.将该方法成功地应用于某型涡喷发动机的故障诊断,结果表明该方法诊断效果明显.     

基于小波神经网络的航天器故障诊断方法

针对微小航天器集群的故障诊断问题,提出一种故障诊断(fault diagnosis,FD)新方法。依据小波神经网络(wavelet neural network,WNN)理论,结合航天器集群的领队航天器故障检测与系统重构问题,构建一种故障诊断框架,采用小波神经网络与神经网络相结合,得出航天器姿态故障诊断策略及卫星姿态故障重构技术,给出了领队航天器故障重构方案,并进行了仿真实验与验证。仿真结果表明,该故障诊断方法是有效性的、故障重构是可行性的。     

基于模糊神经网络的自动驾驶仪故障诊断研究

根据导弹自动驾驶仪的组成结构、功能原理及维修专家的实际经验，结合模糊理论推理能力和神经网络学习的能力提出模糊神经网络故障诊断方法。该方法同时具备了模糊理论的处理不确定和不准确信息的能力和神经网络的自学习能力，有效地提高故障诊断的技术水平。最后结合某型导弹自动驾驶仪故障诊断特点，给出仿真试验，证明了该方法的有效性。     

导弹电源系统故障诊断的神经网络方法

针对地空导弹电源系统的九种主要故障，分别用BP神经网络和SOFM神经网络对其进行了故障诊断，均取得了较好的效果。     

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.     

基于卷积神经网络的滚动轴承故障诊断

针对传统故障诊断方法诊断过程复杂、效果不佳的问题,提出一种基于卷积神经网络的滚动轴承故障诊 断方法。首先选取不同故障的振动信号进行归一化处理,然后把 1 维的振动信号转化成 2 维的灰度图像,利用每个 元素与其相邻元素之间的关系,并且采用重叠采样的方法加强数据集。在卷积神经网方面利用 tensorflow 搭建网络 框架,采用 4 种不同的卷积神经网络结构对样本进行训练。为避免实验的随机性,对每种方案进行多次训练,采其 结果的均值。根据测试集的准确率选取最好的适合轴承故障诊断的模型,同时对网络的结构参数进行优化改进,提 高模型的识别率和运行效率。实验结果表明,该方法可以准确地将滚动轴承的故障进行识别和分类。     

基于一种新型神经网络的姿态控制故障诊断方法

在导弹姿态控制系统的故障检测和诊断中,针对BP神经网络自身存在的收敛速度慢等缺点,介绍了一种新型神经网络——带偏差单元的递归神经网络的结构及算法。将它和一改进算法的BP（称为FBP）网络分别用来对同一导弹姿态控制系统进行故障诊断,结果表明,这种算法提高了故障诊断的快速性,增加了诊断的准确性,故障诊断的正确率优于FBP神经网络。     

基于RBF网络的鱼雷控制系统故障诊断

文中研究了将RBF（径向基）网络应用于鱼雷深度控制系统的故障诊断方法。根据鱼雷深度控制规律．设定五类故障．并应用相关数据对RBF网络进行训练．然后使用满足训练要求的网络对故障数据进行分析，判断属于何类故障。仿真实验结果表明该方法能够有效地解决鱼雷深度控制系统故障诊断问题。     

基于专家系统神经网络的武器系统故障诊断

针对专家系统和神经网络具有"互补"的特性,研究改进了一种专家系统与神经网络相互结合的方法,介绍了算法步骤,并利用改进的算法对某武器系统进行故障诊断,通过仿真及实例验证,该算法具有良好的运算精度和预测功能。