基于RBF网络和IMM的机动目标跟踪方法

文中提出了一种应用RBF神经网络对标准IMM算法中的卡尔曼滤波结果进行校正的方法。网络输人为预测误差、卡尔曼增益以及测量值与估计值之差．网络输出反映了由于目标机动所带来的滤波误差．将网络输出结果和直接由卡尔曼滤波求解得到的结果相加．可以得到更为准确的滤波值。同时．在网络的学习算法中．在网络权值矩阵的修正公式中增加了反映滤波残差的调整项．若卡尔曼滤波的残差较大，网络调整权值的幅度也相应增大。仿真结果表明．在目标发生机动转弯处．校正后的IMM算法的跟踪误差要明显小于标准IMM算法的跟踪误差．跟踪精度较高。     

预测控制方法及其仿真

预测控制算法采用多步预测,其期望轨迹模块使用一阶或二阶指数形式,自适应预测模型由参数模型来实现,被控对象数学模型用CARMA模型描述.首先测量系统实际输出,计算系统增量输出,用增量形式的二阶参数模型估计系统输出.用最小二乘法修正参数,计算期望输出和期望增量输出.并对线性系统和非线性系统进行仿真,其结果表明该算法具有较好的预测控制效果.     

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。     

基于数据融合和改进新陈代谢不等间距GM(11)模型的导弹装备故障预测

针对导弹装备故障预测中存在数据采样时间间隔不均匀、采样难度大、数据量小等问题,借鉴数据融合技术和灰色预测理论,提出一种基于数据融合和改进新陈代谢不等间距灰色模型（AMUGM(1,1)）的预测方法。建立改进初始值选取和背景值构造的不等间距灰色模型,并通过残差修正和新陈代谢相结合的方式对模型进行优化;基于加权思想提出了隶属度加权法,以确定各模型的隶属度权值;根据隶属度权值和AMUGM(1,1)模型建立特定个体的故障预测模型。实例仿真验证了该方法的有效性。     

基于遗传算法的动态矩阵预测控制算法

基于遗传算法的动态矩阵预测控制(DMC)算法在每个采样时刻,用遗传算法优化不同的染色体种群,由最优个体解码得到最优参数集,再计算当前控制序列增量并施加到被控对象.在下一时刻,由输出实测值修正初始预测值,直至结束为止.被控对象仿真表明,该算法具有较好的控制效果.     

非最小相位系统的最小方差自适应控制

目标函数修正法可设计含有不稳定零点的非最小相位最小方差系统控制器,设定被控对象某时刻输入、输出、零均值、方差、平移算子,可建立其输入输出模型.定义目标函数、输出误差,若控制输入是不稳定和非收敛的,通过修正目标函数,解误差方程得出极小控制律.仿真表明修正目标函数后的最小方差控制具有较好的跟随性.     

GA-BP网络建模在套料钻性能预测中的应用

将BP神经网络建模技术和遗传算法(GA)应用于套料钻性能预测。利用BP神经网络建立套料钻性能预测模型,通过比较实际误差梯度值与给定误差梯度值,来确定BP网络是否处于局部极小状态;GA仅在BP网络处于局部极小时进行学习,对BP网络的连接权值进行优化。BP神经网络和GA两者的有效结合可以解决BP算法固有的缺陷,如收敛速度慢、易陷入局部极小等。套料钻加工性能试验结果表明预测结果和实际结果吻合程度较好,验证了GA-BP网络模型在套料钻性能预测中的有效性和准确性。     

基于神经网络回归分析组合模型的能源消耗预测研究

通过对时间序列数据进行处理，分别建立回归分析预测模型和BP神经网络预测模型，在此基础上建立基于2种预测方法的组合预测模型。采用熵值法确定组合预测模型的权系数。结合某省能源消耗总量数据进行仿真，结果与实际数据的误差较小，和2种单一的预测方法相比，预测结果更接近于实际情况。     

基于GA-ANN的不锈钢复合板剪切强度优化模型研究

基于人工神经网络和遗传算法,结合177组不锈钢复合板实测数据,构建不锈钢复合板剪切强度模型。研究确定不锈钢铬当量、铬镍当量比、复合板覆层厚度以及基材厚度为网络输入量,复合板剪切强度为输出量,隐含层节点数由试探寻优法确定,优化网络结构为4-7-1;比较Levenberg-Marquardt、Quick-Propagation、Standard Back-Propagation算法的训练误差、测试误差及计算迭代步数,确定以误差最小、计算速度最快的LM算法训练网络;另外,利用提前终止法避免ANN模型产生的过拟合的问题;在此基础上,引入遗传算法进一步优化ANN网络的权值和阈值,使得复合板剪切强度预测值与实测值相关系数达到0.997;将所构建模型用于实际不锈钢复合板剪切强度的预测,与实测值相近,进一步验证预测模型的有效性和可靠性。     

一种光电跟踪平台共轴控制的目标运动滤波方法

目标运动估计是光电跟踪平台实现共轴控制的核心。针对目标运动的滤波精度问题,提出了基于灰色预测模型和卡尔曼理论的目标运动融合滤波方法。利用少量前几个时刻的目标运动数据实时在线建立灰色预测模型,替代标准卡尔曼滤波的目标状态预测方程,避免了需要预先假定目标运动数学模型而引起滤波误差的弊端。进一步对灰色模型预测值和融合滤波估计值的残差序列,构建残差在线预估模型;利用残差预测值对灰色预测模型进行实时修正,有效地提高了灰色模型的预测精度,改善了融合滤波的效果。仿真实验验证了灰色模型在目标运动预测中的有效性。实验结果表明：残差修正策略将灰色模型预测精度提高了60%;与其他滤波方法相比,提出的融合滤波方法具有更好的滤波效果及更准确的目标运动估计。     

CMAC神经网络在电动伺服摩擦补偿中的应用

基于CMAC神经网络的电动伺服摩擦补偿控制器用微分方程描述被控对象并建立其模型.控制器以系统动态误差作为CMAC的输入,用CMAC的输出与系统总输入之差调整权重.学习中,CMAC初始状态权重值为0,将误差期望值与系统当前误差量化后作为地址输入CMAC.计算CMAC的输出,然后与控制器输出相加得到系统总控制输入并进行控制.实验表明经在线学习补偿被控对象的非线性,使系统具有较强的自适应和鲁棒性.     

汽车底盘测功行驶阻力模拟系统的研究

以底盘测功机测试系统为研究对象,分析构架了实时模拟测控系统.通过对汽车道路行驶阻力的分析,建立了车辆道路行驶阻力的模型.借助Labview 8.5编程技术完成了基于上位机开发的测功机数据采集系统.通过调用上位机阻力计算模型,来实时控制测功机转鼓上转矩的加裁,实现了对车辆在实际道路行驶中阻力的模拟.误差分析结果表明,该系统具有较高的模拟精度.     

常用温度控制法的对比

常用温度控制包括常规PID、模糊、神经网络、Fuzzy-PID、神经网络PID、模糊神经网络、遗传PID及广义预测等控制方法.常规PID控制易于建立线性温度控制系统被控对象模型.模糊控制基于规则库,并以绝对或增量形式给出控制决策.神经网络控制采用数理模型模拟生物神经细胞结构,并用简单处理单元连接成复杂网络;Fuzzy-PID为线性控制,且结合模糊与PID控制优点.并给出了各方法的控制特性、功能及主要应用场合.     

Lon Works在工业企业网中的应用

LonWorks现场级网络监控系统由公共网络服务层、公共对象层、元件层和Intranet层组成.监控软件支持TCP/IP网络协议,通过ODBC、SQL、DLL等与其他系统交换数据.底层网络智能节点,可被其他网络共享并提供网络服务和数据管理.公共对象层管理网络服务对象,访问现场总线设备,元件层实现不同现场设备间的互操作.Intranet层用CGI及ActiveX编程,通过WWW导航软件控制远程监控现场的工作和生产状况,及时调整控制系统.     

自适应干扰抵消系统正交矢量模型及数字实现

自适应干扰抵消系统正交矢量模型,将发射机信号取样作为参考信号并正交分解得到两路相位相差90°的信号.分别加权控制该信号,将正交合成结果与实际天线接收信号比较,其误差经两路模拟相关器得到最佳权值,控制该两路信号增益,形成闭合环路,达到自适应干扰抵消.该模型的数字实现方案,采用高速数字信号处理器、A/D和D/A转换器,在5～10MHz频段模拟仿真完成.     

基于BP 神经网络的风洞传感器非线性误差修正方法

针对风洞试验时传感器测值受到非线性误差干扰的问题,提出基于BP神经网络的风洞传感器非线性误差修正方法.利用BP神经网络强大的非线性映射能力,通过神经网络模型融合传感器校准数据对传感器的测量误差进行计算,并根据网络计算误差对传感器测值进行修正.试验结果表明:该方法能有效地减小非线性误差对传感器测值的影响,提高传感器的测量精度.     

基于集值统计法的防空重点掩护目标确定

防空重点掩护目标的确定,运用集值统计法对专家给出的区间指标评估数据进行处理.即先确定重点掩护目标的指标体系,得出可靠的指标估价值.再以层次分析法获得各指标的权重和指标估价值进行变权处理.由此计算目标的价值度,降低主观误差,更好地反映了被掩护目标与各指标的关系.     

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BP算法的数字式机械臂系统控制

基于BP算法的三自由度数字式机械臂系统控制用计算机作数字控制器,电位计测量车位王、上下摆角度.BP作模型辨识器,用单神经元控制器控制输入通道.设BP模型输入层为5节点,分别控制电压当前值、前两个周期值、小车位置的当前值和前一周期值.将推导的误差带入反向传播算法中,调节输入层与隐含层间权值矩阵,求出精确权值解.由计算机产生实时控制指令驱动电机控制吊车位移、上下摆角,实现其精度控制.