基于神经网络的弹道修正弹落点预测方法

为了分析神经网络运用于弹道预测的可行性,构建了实用的弹道预测工具,建立了基于神经网络理论的弹道预测模型。利用二自由度质点弹道模型,选取BP网络和Elman网络进行神经网络弹道预测仿真。基于误差反向传播理论,比较了带动量项算法与自适应学习率算法这2种网络权值训练速度。对2种网络不同隐层节点数的学习误差和预测误差进行了对比分析。数值仿真计算结果表明,神经网络具有较高的预测精度,36.7 km射程仅有不足100m的射程误差,12.3 km射高仅有不足70 m的高度误差,预测结果满足要求,利用神经网络进行弹道预测是合理可行的。     

C4ISR人机交互性能的LMBP神经网络评估

C4ISR系统人机交互性能的LMBP神经网络评估模型为输入层、隐层及输出层三层前向神经网络,采用变形牛顿法,使非线性函数的平方和函数最小化.将输入提交网络,计算其网络输出和误差、敏感度、及平方误差之和.通过构造学习样本、训练网络,用Matlab工具箱仿真实现其性能评估.     

C~4ISR人机交互性能的LMBP神经网络评估

C4ISR系统人机交互性能的LMBP神经网络评估模型为输入层、隐层及输出层三层前向神经网络,采用变形牛顿法,使非线性函数的平方和函数最小化。将输入提交网络,计算其网络输出和误差、敏感度、及平方误差之和。通过构造学习样本、训练网络,用Matlab工具箱仿真实现其性能评估。     

基于遗传小波神经网络的GPS/SINS 组合导航系统算法

针对GPS/SINS组合导航系统在实际应用中遇到的问题,将小波神经网络的非线性预测算法与遗传算法结合,提出一种基于遗传小波神经网络预测的SINS误差反馈校正方法。对基于遗传算法的小波神经网络学习方法进行研究,并确定该神经网络的结构模型;当GPS信号有效时,根据GPS/SINS组合导航输入输出信号获取神经网络的训练样本,进行在线神经网络训练,得到最优的神经网络模型参数;当GPS信号中断时,根据已经训练好的神经网络模块预测出GPS信号失锁时SINS的位置误差、速度误差和姿态误差,并对SINS进行误差校正得到较为准确的导航参数。仿真实验结果证明,该算法可有效提高GPS观测数据不可靠时导航参数的精度。     

采用RBF神经网络的状态监测数据趋势预测

采用RBF神经网络的状态监测数据趋势预测,通过选取状态参数、数据预处理、运用Matlab神经网络工具箱建立RBF神经网络模型.先对网络初始化,确定输入、输出和隐含层的节点数.再将网络输出结果与样本比较,根据求得误差值逐步调整隐含层神经元数量,直至误差满足实际需求为止.对网络仿真证明该法具有较高精度.     

基于卷积神经网络的无人作战飞机飞行轨迹实时预测

飞行轨迹预测是空战技术的一部分,预测方结合轨迹预测结果可以选择出更有预见性的机动。为快速、准确地获得无人作战飞机在未来时刻的位置,提出了基于卷积神经网络的飞行轨迹预测方法。原始动力学模型不能正确仿真滚转角有偏差的筋斗机动,采取限制角速度的方式对该模型进行改进;使用改进后的模型在不同条件下进行飞行仿真,得到大量轨迹样本;训练并测试具有不同层数和卷积核数的网络,从中找出预测误差最小的网络;对比卷积神经网络与长短时记忆网络、循环神经网络、全连接网络的运算速度和误差,结果表明：卷积神经网络预测方法在没有增加运算用时情况下,0.25 s后的平均预测误差在x轴方向约为4.2 m,y轴方向约为8.0 m,z轴方向约为19.5 m,且误差均小于其他3种方法。     

RBF神经网络在再入体气动参数辨识中的应用研究

基于神经网络逼近理论，利用自动增加隐节点的RBF神经网络对某再入体的气动参数进行辨识，提出了一种新的神经网络参数辨识结构，网络训练时，对初始权值就进行优化处理。仿真结果证明，提出了一种新的神经网络参数辨识结构。网络训练时，对初始权值就进行优化处理。仿真结果证明，严重的非线性状态方程中的气动参数用RBF网络进行辨识。取到了满意的结果，可以得到全局光滑的气动模型。在检验气动参数辨识结果时，不需重构弹道。     

RBF网络在光纤陀螺动态误差模型辨识中的应用

提出了基于径向基(Radial Basis Function 简称RBF)神经网络的动态误差模型的辨识方法.对如何从一般正交三轴转台速率实验获取训练样本及对网络的学习训练给予了详细的介绍.仿真结果证明了这个方法是可行有效的,可以提高光纤陀螺的输出精度.     

发动机神经网络自适应控制仿真及分析

针对航空涡喷发动机．给出了一种神经网络自适应控制结构。研究了该控制回路中辨识网络和控制网络的结构、离线训练以及初始权值的确定等问题。发动机控制系统仿真表明：该方法用于发动机稳态控制能取得较好的控制品质．当偏离设计点时,通过神经网络很强的学习、适应能力．在线修正网络参数．使控制系统仍保持良好性能,鲁棒性好。     

应用神经网络识别液体火箭发动机的故障模式

简要介绍了神经网络的基本理论和误差后向传播算法，给出了应用神经网络的液体火箭发动机故障诊断系统框图，分析了液体火箭发动机的故障模型，提出了数据训练神经网络，为网络训练提供了新的途径。最后，基于模型数据，应用神经网络识别液体火箭发动机的几种故障模式。     

分队战术模拟训练嵌入式评估

为解决当前分队战术模拟训练中普遍存在的评估时效性差、定量化水平不高等问题,提出“传感器+网络 +评估模块”的嵌入式评估方法。分析嵌入式评估的工作原理,构建嵌入式评估的总体结构,研究嵌入式评估的关键 技术。应用实例表明：该方法具有较强的实用性和有效性,可为在分队模拟训练系统中构建嵌入式评估系统提供有 效支撑。     

运动状态下基于容断网络的训练数据传输方法

针对参训人员移动导致军事训练数据传输链路通断频繁的问题,提出一种基于容断网络的数据传输方法。介绍容断网络的基本概念及其路由思想,分析运用容断网络传输训练数据的可行性,构建以容断网络为核心、与传感网和既有局域网兼容的训练数据传输网络结构,并依据运动数据分析结果提出基于运动规律选择数据转发节点的路由算法。仿真结果表明：该方法通过参训节点之间的协作转发,能缩短数据延迟,提高训练数据的时效性。     

运动状态下基于容断网络的训练数据传输方法

针对参训人员移动导致军事训练数据传输链路通断频繁的问题,研究基于容断网络的数据传输方法。简要介绍容断网络的基本概念及其路由思想,分析运用容断网络传输训练数据的可行性,构建与传感网和既有局域网兼容的、以容断网络为核心的训练数据传输网络结构,提出基于运动规律选择数据转发节点的路由算法。结果表明,该方法通过参训节点之间的协作转发,能缩短数据延迟,易于部署、可自适应训练场景,为提高训练数据的时效性提供坚实保证。     

电脑游戏与游戏练兵

美军将电脑游戏与军事训练有机结合,作为培育新型军事人才和模拟训练的新平台。这种游戏练兵软件能模拟真实战场、支撑网络战场、演绎未来战场,可培养作战指挥能力,提高战役战术素养,强化语言文化认知。并逐步改变军队的教育训练方式和作战方式,引起世界各国军队的关注。     

粗糙集傅立叶神经网络及在故障诊断中应用

提出了粗糙集和傅立叶神经网络相结合的方法,进行粗糙集布尔逻辑离散化,并在此基础上求取初始隶属函数,以提高隶属函数准确性;再使用傅立叶神经网络进行诊断网络训练。以连续搅拌反应釜故障诊断为实例,研究结果表明,此方法可以减少网络训练时间并提高诊断精度,有效进行故障诊断。     

基于以太网的自行高炮模拟训练系统平台

介绍了一种基于以太网的自行高炮模拟训练系统。通过以太网内互联的多台PC机实现系统的不同功能,并采用UDP网络通信协议完成各计算机间数据的实时交换,在PC平台上实现了整个自行高炮训练系统的模拟仿真。详述了系统的组成结构、工作过程、各子系统主要功能的实现方法及其之间的数据通信过程。     

野外环境下通信装备故障预测方法

针对目前国内外故障预测研究较少考虑装备自身因素以外影响因素的情况,提出一种新的野外环境下通信装备故障预测方法。利用灰色理论和BP神经网络理论建立驻训阶段通信装备故障预测模型,将外界影响因素考虑引入故障预测中,并通过仿真实验进行验证。仿真结果证明,该方法具有较高的精度。     

基于遗传算法优化BP神经网络的供暖系统热负荷预测模型

针对供暖系统热负荷短期预测问题,利用改进的遗传算法(genetic algorithm,GA)对BP神经网络(back propagation neural network)的初始权值和网络结构进行优化,并在遗传进化过程中采取保留最佳个体的方法。该方法克服了一般BP网络初始权值的随机性和网络结构训练过程中的所带来的网络震荡,以及一般BP网络容易陷入局部极小等问题。同时结合一般BP神经网络方法进行仿真实验和分析比较,结果表明:该方法具有全局寻优能力,预测精度高,绝对和相对误差较小,收敛速度快,能够有效针对供暖系统热负荷进行短期预测。     

基于神经网络的降雨预报系统及其改进

降雨预报采用标准BP网络的连续值,用第1、2天数据预报第3天雨量.包括气象因子选取与数据预处理及人工神经网络模拟预报.系统的改进采用增加动量项训练网络,以解决局部极小,提高网络效率.实验表明,该算法使BP网络的设计及训练得到较好解决,特别在网络结构适合情况下能避免BP算法陷入局部极小问题.     

基于Gym与Flight Gear的AI模拟飞行训练平台搭建

针对AI模拟飞行研究,提出应用平台Gym与Flightgear模拟飞行软件相结合,构建AI模拟飞行训练平台。通过平台优化,可不断增加飞行动作的难度系数,重新设计奖励机制与神经网络,实现由AI操控模拟飞行软件向AI反馈训练数据的交互闭环。训练结果验证了该训练平台的有效性。