一种奇异值与PNN结合的飞机目标识别方法

针对现有目标识别方法正确率不高及速度不快等问题做了积极的探索,提出了一种将图像轮廓的奇异值与概率神经网络(PNN)相结合的飞机目标识别方法。首先,对数据进行压缩,提取二值化图像目标的轮廓并进行离散化;然后计算离散点到目标质心的距离,以此构造目标循环矩阵并提取它的奇异值特征量,作为目标的特征;接着构建PNN网络,以奇异值为特征量输入,对它进行训练;最后利用训练好的PNN网络分类器对待测目标进行识别。在仿真实验中,该方法使识别率和处理速度得到了很大的提高,证明了该方法的有效性。     

基于质量矩控制机理的导弹飞行姿态变化的研究

导弹质量矩机动控制通过改变导弹的质心，利用气动配平力矩改变弹体飞行姿态和攻角，从而实现导弹机动控制。在导弹高速飞行时，它克服了气动舵控制方案存在着舵面烧蚀及控制效率降低等弊端。本文详细推导了基于变质心控制导弹的非线性动力学方程，深入分析导弹在纵向平面内姿态变化情况，并研究了由于导弹质心移动引起弹体姿态角变化的两个重要因素，指出针对不旋转弹体的控制策略，为进一步设计导弹控制系统奠定基础。     

基于质量矩控制机理的导弹飞行姿态变化的研究

导弹质量矩机动控制通过改变导弹的质心,利用气动配平力矩改变弹体飞行姿态和攻角,从而实现导弹机动控制.在导弹高速飞行时,它克服了气动舵控制方案存在着舵面烧蚀及控制效率降低等弊端.本文详细推导了基于变质心控制导弹的非线性动力学方程,深入分析导弹在纵向平面内姿态变化情况,并研究了由于导弹质心移动引起弹体姿态角变化的两个重要因素,指出针对不旋转弹体的控制策略,为进一步设计导弹控制系统奠定基础.     

基于组合矩特征的舰船目标识别

针对采用一维距离像特征进行舰船目标识别时,大样本需要、算法复杂和效率较低的问题,提出一种利用组合矩特征进行舰船目标识别的方法.首先提取目标距离像的变换不变矩及小波不变矩特征,并且在考虑算法效率及分类器设计的基础上,最终选取共6维特征构造组合矩,作为分类器输入,并利用实测数据对特征进行简化.分析结果表明:经过实测舰船数据验证,所提取的特征克服了姿态、幅度敏感性等特点,能够较好地表征不同类型舰船的差异.算法分类正确率较高,具有较好的工程应用前景.     

基于双卷积链的双目人体姿态距离定位识别

现有的基于无人机的目标定位与判别方法往往达不到实用性要求,而采用无人机常用单摄像头采集的图像信息往往只能获取二维信息,无法获得摄像头基于目标的相对距离。常用的基于双摄像头的距离采集算法又过于复杂,不够稳定,且要求开发人员具有较高的知识水平,固件开发门槛高,应用困难。因此,提出了通过双摄像头下人体姿态识别图像数据集,训练基于双通道Darknet-53基本结构的特征提取网络,运用其参数初始化YOLO-V2网络,通过在训练用于识别人体姿态图像中的人体位置、相对距离以及所属类别。实验结果表明：利用该方法进行人体姿态的人体位置和类别识别,相比于单卷积链的YOLO-V2在识别准确度提高了3.85%、4.83%,且在基于目标的相对距离上精度高于65%;新算法能有效用于无人机远距离快速识别人体姿态并取得较好的识别效果,满足实时需求。     

基于改进花朵授粉算法与K-means算法的人体姿态库构建方法研究

为了解决现有人体姿态库构建方法存在的装备维修性仿真验证任务针对性不足的问题,提出了一种基于改进花朵授粉算法与K-means算法的人体姿态库构建方法。针对花朵授粉算法寻优精度不够理想的问题,将乌鸦搜索算法引入花朵授粉算法。提出了一种改进花朵授粉算法。测试结果表明：相比粒子群算法和花朵授粉算法,改进花朵授粉算法具有搜索范围广和寻优精度高的优点。为避免K-means算法易陷入局部最优解,将改进花朵授粉算法引入K-means算法,在提出个体编码方式与定义个体操作函数的基础上,设计了改进花朵授粉算法的计算步骤,使改进花朵授粉算法与K-means算法相融合,进而对装备维修人员的维修作业姿态进行聚类。提取各类中心数据,将其作为人体姿态库中虚拟人体的部位动作角度输入参数,构建了具有装备维修性仿真验证任务针对性的人体姿态库。仿真实验结果表明：相比基于粒子群算法与K-means算法融合的人体姿态库构建方法等5种方法,改进花朵授粉算法与K-means算法的融合方法具有寻优精度高和聚类效果好等优点,适用于装备维修性仿真验证工程实践。     

基于姿态率控制的无人机目标跟踪算法

固定翼无人机跟踪机动目标时,由于运动速度的差异性,需要规划特殊的航迹才能达到较好的跟踪效果。根据无人机的机动特性对系统进行了建模,考虑风的干扰,设计了基于姿态率控制的无人机目标跟踪算法,并对该算法进行了仿真。仿真结果表明,该算法能有效抵抗风的干扰,保证无人机目标跟踪的可靠性。     

飞机俯仰姿态的μ 鲁棒控制

针对飞机飞行条件变化引起的模型不确定性问题,基于μ控制理论设计鲁棒的俯仰姿态控制系统。根据干扰抑制原理将俯仰姿态控制系统设计转化为μ综合的一般框架,将鲁棒性能问题转化为广义系统的鲁棒稳定性问题。利用D-K迭代算法求解得到14阶的μ控制器,基于平衡截断方法将该控制器成功地降为4阶。对μ降阶控制器进行鲁棒性分析,结果表明μ控制能兼顾系统的鲁棒稳定性和鲁棒性能。     

卷积神经网络在飞机类型识别中的应用

为提高现代战争过程中对敌军飞机的识别能力,针对军用飞机样本量少、不同视角条件下形变明显的特点,提出一种融入center loss的卷积神经网络与ANN分类器结合的飞机类型识别方法.首先利用3Dmax软件制作的6000张5类飞机图片对构建的多层CNN模型进行训练,并利用这些图片的CNN特征训练ANN分类器,然后用训练好的网络模型和分类器对真实飞机样本进行预测分类.实验结果表明:在样本量少且目标形状复杂的情况下,该方法对5类军事飞机的识别精度可达到97.17％,是一种切实可行的飞机类型识别算法.     

飞机声信号的特征提取与识别

在对某型喷气飞机声信号做时频域分析的基础上，采用LMS自适应横向滤波对飞机声信号作预处理，而后分别采用过零率和小波变换作目标特征提取。对这两种方法提取的特征再分别应用BP神经网络作目标分类识别，结果表明这两种特征提取方法与BP神经网络分类器相结合对处于起飞或降落滑跑中的喷气飞机均有较高的识别率。     

基于概率神经网络的高速公路交通事故多发点安全预警模型

针对高速公路交通事故多发点交通事故难以预测的问题,利用神经网络的非线性逼近能力,结合概率神经网络(PNN)模式分类功能建立安全预警模型。设计概率神经网络拓扑结构,给出交通状态模式类别,确定相应交通事故指标体系,概述概率神经网络的学习过程,并通过Matlab仿真实验对其性能进行了测试。结果表明:采用PNN神经网络辨识技术的网络模型预警准确率高、泛化能力强,可对高速公路交通安全进行实时监测,对有效预防和控制交通灾害的发生是完全可行的。     

基于改进的胡氏不变矩的坦克识别方法

针对基于胡氏不变矩的坦克识别率低、在图像离散采样的情况下受图像尺度变化影响的问题,进行了图像尺度不变性研究,设计了一种基于改进的胡氏不变矩的坦克识别方法;为解决最大类间方差法在复杂背景下图像分割阈值与真实阈值发生偏移的问题,采用改进的最大类间方差法分割图像,减少了偏移量。将胡氏不变矩和改进的胡氏不变矩的算法进行了对比实验,实验结果表明：相对于采用胡氏不变矩的坦克识别方法,改进后的识别方法识别率提高了22％,该方法运算时间减少了80 ms,能克服图像的尺度变化造成的影响。     

基于模糊神经网络的地下小目标识别方法研究

分析了地下小目标特性,通过提出反映识别目标外形特征及埋设深度的隶属度函数,将常规特征信息模糊化,并结合在模式识别方面更快速简便的PNN神经网络,提出了模糊概率神经网络（FPNN）。最后通过实验数据与BP网络相比较,验证了该识别方法的有效性。     

基于模拟退火算法的空中目标识别

根据NMI特征和Jan Flusser提出的仿射不变矩的特点及各自的适用条件,提出了一种组合不变矩。利用所提取的组合不变矩的特征向量,实现了对空中目标的K-mean聚类分析识别。在此基础上将模拟退火机制引入其中,以克服K-mean聚类的局限性和对初始聚类中心的敏感性,最后提出了基于模拟退火的改进K-mean聚类算法。仿真实验结果表明,该方法具有较高的识别精度和较好的抗噪性。     

基于贝叶斯网络的飞机易损性评估方法

文中介绍了贝叶斯网络的基本知识以及结点概率的计算方法,提出了飞机易损性评估的贝叶斯网络方法,并建立了基于某型飞机模型的易损性评估的贝叶斯网络模型,最后通过算例证明了该方法的合理性。     

基于自适应遗传算法的舰载机保障调度

为解决舰载机多机保障作业的调度问题,设计一种与之相适应的自适应遗传算法.分析舰载机进行保障的流程约束,得到单个舰载机的简化流程,以最小化保障时间为目标,建立问题的数学模型,根据舰载机保障调度作业的特点,采用自适应遗传算法进行求解,通过多机保障任务案例进行验证.结果表明:使用甘特图的方式,可直观地表示保障作业的计划流程,并验证了自适应遗传算法的有效性.     

舰载机进近模型及优化算法研究

针对海上航母平台飞机着舰调度排序的问题,利用交叉熵法对舰载机进近排序进行研究。根据航母平台 单一跑道的情况建立舰载机进近排序模型,并采用交叉熵法求解舰载机进近排序序列,最后通过数据仿真的方式进 行模型算法的验证。仿真结果表明：该优化算法可在改变较少架次飞机及较少总延误时间的情况下完成对舰载机进 近的排序,能够减少飞机的延误时间,具有较强实用性。     

基于BP 神经网络的舰载机对陆打击作战效能评估

为解决复杂战场态势下影响舰载机对陆打击作战效能因素多、情况复杂的问题,提出一种基于BP 神经 网络学习算法的舰载机对陆打击作战效能评估模型。结合舰载机性能及战场环境,运用层次分析法构建舰载机对陆 打击作战效能评估指标体系;通过Matlab 工具进行动态评估仿真。仿真结果表明：该模型准确率能达到98.5%,验 证了模型的有效性和可行性,可为舰载机在战术应用方面提供一定的决策信息。     

飞机完好率预测仿真研究

利用飞机完好率时间序列特性,建立了NAR神经网络模型和基于不同核函数的3种支持向量机模型对平时状态下的飞机完好率变化趋势进行建模、训练和预测;运用Matlab仿真软件进行试验验证,结果表明:支持向量机模型具有较好的拟合效果,预测精度优于NAR神经网络模型,基于RBF核函数的支持向量机预测准确率相对较高.两种预测模型相比于部队现行的预测方法均具有更高的准确度和可靠度.