人工神经网络——模糊控制研究近况

本文综述了人工神经网络－－模糊控制在近期的一些研究成果。     

人工神经网络在运动控制中的应用

介绍了人工神经元模型与神经网络基本结构。阐述了多层前向网络的工作原理及误差反转（BP）算法,探讨了用于运动控制的单神经元PID控制器的结构与基于BP网络的模糊自适应PID控制,给出了由传统PID控制器,模糊量化处理,系统辨识神经网络NNM和系统控制网络NNC组成的基于BP网络的模糊自适应PID控制器结构,并讨论了人工神经网络在运动控制领域中应用的发展趋势。     

基于RBF人工神经网络的水质评价

以RBF网络建立水质评价模型,网络的输入为某水样中参与评价的n种水质指标实测值的集合,输出为该水样的水质级别。问题关键集中在网络结构的选择、可调参数的优化方法,以及学习样本的代表性上。将n个样本划分成c个类的划分序列。只要在一定水平时样本被归入同一类后,在进行更高水平的划分时,确定类数即确定分类结果。     

基于人工神经网络的雷达BIT及故障诊断

介绍了雷达系统机内测试（BIT）的工作方式和实现技术，重点阐述了基于神经网络技术的雷达系统机内测试和故障诊断。     

基于人工神经网络的战术导弹研制费模型

介绍了将人工神经网络理论应用于战术导弹研制费估算的方法,建立了战术导弹研制费的Ｂ－Ｐ网络模型,并对典型的防空导弹研制费进行了估算。结果表明,文中所述方法是有效的、可行的。     

基于模糊人工神经网络的智能CAPP系统

对人工神经网络在惯性器件精密加工的ＣＡＰＰ系统中的应用进行了探讨，提出了用模糊技术进行了网络的前置处理的方法，并对惯性器件零件的实际加工特征进行了归纳。     

基于人工神经网络的红外探测效果评估

红外探测设备是红外系统中的重要组成部分,对其性能评估具有实际意义;分析研究了影响红外探测效果的主要因素,选取环境温度、相对湿度、能见度、辐通量、目标高度和探测距离为评价指标。针对神经网络良好的非线性映射功能及高精度的特点,构建了BP网络评估模型;实验表明:该方法简单有效,评估精度较高,具有很强的实际应用价值。     

人工神经网络在解耦控制中的应用

针对强耦合带延时输入输出（MIMO）非线性离散系统难以实现解耦的问题,提出了用人工神经网络对未知非线性函数具有学习和逼近的能力,并与逆系统相结合,以构造逆系统函数来实现对不满足条件非线性离散系统线性化解耦。该人工神经网络系统由单个静态的神经网络和若干个时延因子构成,其神经网络仅用来逼近系统的静态函数,时延因子用来表征逆系统的动力学特征。这种逆系统可使系统结构简单,具有连好的动态性能,并以仿真实例给予了验证。     

人工神经网络对混合点火药燃速的预测

以某混合点火药各组分含量作为药剂性能描述，利用误差反传神经网络（BP网络）算法，通过对9个配方药剂的训练建立了燃速与组成之间的定量关系模型，并对另外9个配方混合点火药的燃速进行了预测。结果表明，模型很好地反映了配比与燃速之间的关系，预测值与实际测量值比较接近，相对误差小于12％。该方法为混合药剂的研究和开发提供了一条新的途径。     

人工神经网络在导弹控制系统中的应用

利用神经网络设计了导弹滚动通道控制系统———人工神经网络 (BP网络 )模型参考控制系统 .通过MATLAB进行了仿真 ,得到的结果说明人工神经网络控制器能够跟踪参考模型的输出 ,实现对滚动通道的控制     

基于人工神经网络的装填条件对最大压力和初速的影响初探

给出BP网的结构和算法,提出了用BP网研究装填条件对最大压力和初速影响的新方法,并且利用BP网特有的"反转”特性,对保持最大压力不变方法作了一点讨论.由于神经网具有较强的自组织和自适应能力,使得这一方法比经验公式有更好的适应性.数值分析结果表明了该方法的有效性.     

基于人工神经网络的非球形破片阻力系数预测模型

非球形破片的弹道轨迹与其在超声速至亚声速范围内的阻力系数密切相关。非球形破片弹道飞行时会发生随机翻转,阻力系数也会随着破片姿态的变化而改变。为了从有限的破片姿态对应的阻力系数得到随机翻转状态下的平均破片阻力系数,提出一种基于正二十面体的平均方法,对32个特定的破片姿态对应的阻力系数进行平均,得到随机翻转状态下的平均破片阻力系数。该方法得到的立方体以及圆柱体破片的平均阻力系数与弹道枪试验的结果误差在10%之内。进一步研究了破片形貌即球形度对超声速至亚声速范围内破片阻力系数的影响。采用正二十面体平均方法计算得到大量非球形破片的阻力系数,球形度范围为0.35~1.00。通过人工神经网络建立了基于马赫数以及破片形状的阻力系数预测模型。预测模型测试结果表明,该模型具有较高的准确性;球形度是影响破片阻力系数最重要的形状因子,其影响程度在亚声速时最明显;超声速时破片阻力系数与球形度的依赖性显著降低。     

基于人工神经网络的结构可靠性分析

在结构可靠性分析中,通过人工神经网络拟合极限状态函数,借助神经网络的函数映射关系产生极限状态函数值。采用Mont。Carlo法随机抽样的思路,对大范围的数据进行概率分析,得到极限状态函数值的均值和标准差,求得结构系统的可靠性指标,该方法为极限状态函数无法显式表达的结构系统可靠性分析问题提供了一个可行方法。     

人工神经网络方法在火炸药科学领域应用进展

本文从炸药装药密度影响因素、混合点火药燃速预测、爆破预测、发射药安全寿命预测等方面就人工神经网络(ANN)方法在火炸药科学领域的应用现状进行了分析总结，认为人工神经网络的在线训练方法和多组分预测方法能够对火炸药快速研制发挥更大作用，有重要工程价值。     

基于人工神经网络的多模引信磁探测信号处理

简述了多模引信磁探测系统的概念、原理及目标特性。对比了BP神经网络、径向基(RBF)神经网络在多模引信磁探测系统信号处理中的优缺点，并对其进行了改进，通过计算机仿真得到了很好的结果。     

人工神经网络技术用于发动机点火和喷油联合控制

针对传统的“查表—插值”控制方法的局限性 ,研究了基于BP模型神经网络的控制策略 ,着重讨论了合适网络结构的确定、合理算法的选取 ,并应用神经网络技术实现了点火和喷油的联合控制 .试验结果表明 ,该方法能满足实时控制的要求     

基于人工神经网络和混合遗传算法的炸药爆速预测

运用基于最优保存和自适应交叉变异的混合遗传算法训练的BP神经网络,根据三维数据建模和炸药的分子量、氧平衡以及装药密度,构建了一个3-4-1型的炸药爆速预测BP神经网络模型。同时利用训练好的神经网络模型对炸药的爆速进行了预测。预测结果表明:模型预测值与有关文献的实验值接近,绝对误差为±7%;也说明了炸药的分子量,氧平衡和装药密度等相关参数与其爆速具有一定的可类推性。     

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。     

基于人工神经网络的大规模模拟电路故障诊断

大规模模拟电路故障诊断,先用定位向量初定位故障子网络,再用神经网络定位故障子网络元件级故障.诊断分测前和测后,测前先将每个子电路的各种故障情况用Multisim模拟,求得各可及节点电压并作为BP的训练样本,再对所测电压信号分别归一化处理,定义网络的故障定位向量.最后用BP网络分析故障特征,进行故障诊断.     

人工神经网络改进的AHRS/GPS紧耦合滤波算法

以陆用AHRS/GPS紧耦合系统为研究对象,建立了基于伪距-伪距率-航向角的组合观测数学模型,采用RBF网络辅助的EKF导航滤波器,逼近组合系统的非线性特性,实现自适应的导航参数解算.仿真结果表明:方法可快速、准确地逼近系统非线性模型,估算的姿态角误差均方差较标准EKF减小了约5.9%～22.8%.在传感器精度有限的情况下,所获得的导航精度和动态性能均有提高.