一种机载无源定位精度分析的方法

电子支援侦察(ESM)是用于实现预警机无源定位的主要传感器资源之一,在预警机参与的典型反舰作战任务中,为了实现打击链的快速闭环,要求ESM对敌舰船定位时间越短越好。然而,影响ESM定位时间的因素很多,测向误差是其中最主要的因素之一,如何在特定的测向误差下,对定位误差达到某一期望值的ESM定位时间进行建模,是支撑打击链路构建、打击链闭环时间评估以及装备系统设计的关键。针对上述问题,本文提出一种机载无源定位时间建模方法,通过对ESM测向误差、定位误差与定位时间关系建模,给出了基于方位估计技术的数学分析模型,可根据不同测向误差分析ESM定位精度与定位时间关系。通过仿真分析得到不同测向精度下ESM定位精度达到某一特定阈值所用时间,为打击链构建、效能评估和装备设计提供有力支撑。     

基于PSO-RBF 神经网络的项目招标评标应用研究

根据我国目前在招标投标过程中评标方式存在的缺陷,运用组合优化思想,将经过粒子群算法优化过的径向基神经网络模型（PSO-RBF）运用到招标评标的实践中。该模型作为一种新型的评标方法,先是利用粒子群优化算法对单纯的径向基神经网络参数进行优化,进而训练和测试优化后的RBF 神经网络。通过对比分析单纯的RBF 神经网络和经过参数优化后的RBF 神经网络模型,结果表明后者比前者在性能和效率上更加优越,在招标投标系统中更加合理、科学。最后指出了该模型还存在的缺陷有待进一步的研究。     

基于数据挖掘的冷水机组能耗预测

为了充分利用能源站冷水机组实际运行数据,提高能耗预测准确率,提出了一种基于数据挖掘算法的冷水机组能耗预测模型。该模型包含3个主要步骤:数据预处理、模型建立及分析、结果表述。在模型选择上,利用支持向量机、径向基函数神经网络及决策树3种算法建模并对比分析。结果表明:基于数据挖掘的能耗预测模型有较好的实用性与可靠性;相比其他2种模型,径向基函数神经网络模型的均方根误差值平均降低了0.661,相关系数达到0.999,即径向基函数神经网络的能耗预测准确率最高,建模效果最佳。     

基于自适应集成神经网络的火灾预测方法

针对传统火灾预测方法存在误报和漏报的问题,提出了一种基于自适应集成神经网络的火灾预测方法。首先,在信息层采用速率检测算法将不同类型传感器检测到的奇异数据输入到网络模型中。其次,在特征层采用长短期记忆网络（LSTM）和径向基前馈神经网络（RBF-BPNN）构建集成网络学习不同输入参数下的火灾特征,最后,在决策层设计模糊逻辑控制系统推理输出火灾报警等级。实验结果表明,该方法具有更高的预测精度。     

磁悬浮转子轴向位移径向测量方法研究

磁悬浮转子的轴向位移通常是在其轴向直接测量的,但有些应用场合其结构不允许在轴向直接安装传感器,针对这一情况,提出了1种磁悬浮转子轴向位移径向测量的方法。进行了悬浮转子轴向位移径向测量的原理性实验;推导了磁悬浮转子系统径向测量值与轴向位移之间的计算解析式;分析了该轴向位移径向测量方法的误差。通过实验验证了该磁悬浮转子轴向位移径向测量方法的正确性和可行性。     

基于模糊神经网络的铣床热误差预测模型研究

当前,铣床主轴加工产品容易受到热误差的影响,造成产品精度下降。对此,采用模糊神经网络模型预测铣床主轴热误差,并对预测结果进行比较和分析。建立神经网络径向基函数的表达式,给出了模糊推理系统和控制规则,创建了模糊RBF神经网络预测模型,对铣床主轴进行热误差验证。结果显示:铣床主轴采用RBF神经网络模型预测误差较大,其Y轴和Z轴输出最大误差分别为5.9μm和7.1μm;铣床主轴采用模糊RBF神经网络模型预测误差较小,其Y轴和Z轴输出最大误差分别为3.5μm和2.9μm。同时,模糊RBF神经网络模型预测误差跳动幅度较小。采用模糊RBF神经网络预测模型,可以补偿铣床运行时产生的热误差,提高铣床主轴加工精度。     

径向基函数神经网络预测城市用水量模型及应用

以城市用水人口和城市生产总值作为输入向量,年用水量数据作为目标向量,建立了径向基函数神经网络并对城市用水量进行预测。采用不同的扩展速度,预测误差不同。当扩展速度spread=1时,预测数据与实际数据的相对误差均小于0.05%,取得了很好的预测效果,说明采用径向基函数神经网络模型预测城市用水量的方法是可行的。     

人工神经网络和SWMM在降雨径流模拟中的应用对比

降雨径流的精确模拟一直是水文研究领域的重点问题之一,为探究人工神经网络在城市降雨径流模拟中的适用性,选取西宁市某小区为研究对象,以当前降雨量、累积降雨量和前一时段的流量为输入,以当前流量为输出,分别建立径向基神经网络和小波神经网络进行模拟,并与SWMM的模拟结果进行对比。另外,通过SWMM输出结果训练神经网络替代模型。结果表明,径向基神经网络和小波神经网络对降雨径流的模拟精度较高,能够真实模拟实际径流过程,适用于复杂的城市降雨径流过程模拟。另外,证实了径向基神经网络和小波神经网络模型作为SWMM替代模型的适用性。     

基于RBF的可靠性工作项目风险综合评价方法研究

利用径向基神经网络优秀的函数逼近和空间插值能力,提出基于径向基神经网络的可靠性工作项目风险综合评价模型。在对原始数据进行“效益型”归一化处理的基础上,采用三层径向基神经网络,利用遍历法得到隐层节点数,进行径向基神经网络的创建与训练,用来进行可靠性工作项目风险的仿真评价。实例表明,该方法具有很好的评价效果。     

基于卡尔曼滤波的室内移动目标定位算法

针对室内定位算法受环境噪声影响严重,导致定位误差大的问题.首先在室内移动目标定位算法中引入卡尔曼滤波算法对原始采集数据进行滤波,能有效抑制定位过程中因数据采集误差引发的定位误差发散;然后通过kNN(k-Nearest Neighbor)算法估算待测目标的坐标;最后利用方位传感器对直线运动过程的定位点进行修正。通过3个阶段的优化可提高定位精度,仿真实验结果表明,基于卡尔曼滤波的室内移动目标定位算法的平均测量误差为0.648 7m,误差范围是0.1~1.9m,对于移动目标的路径测定也更加符合实际情况。