基于神经网络的导弹姿态控制系统故障诊断

本文提出了一种多层前向神经网络快速误差向后传播学习算法ＦＢＰ（ＦａｓｔｅｒｒｏｒＢａｃｋＰｒｏｐａｇａｔｉｏｎＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍ），通过某导弹姿态控制系统故障诊断的仿真研究，验证了ＢＰ（误差后向传播学习算法）和ＦＢＰ用于导弹姿态控制系统故障诊断的有效性，ＦＢＰ学习算法较之ＢＰ学习算法学习速度的快速性     

用于测频测向的偶对称神经网络模型

介绍了Hopfield神经网络用于测频测向的原理。为解决一些基本算法的局部极值问题，建立了偶对称神经网络的模型，并给出了相应的算法。理论分析和仿真结果表明，该算法用于解决全局优化问题是有效的，可用于解决测频测向问题。     

具有神经元网络补偿的隐式广义预测控制的硬件设计与分析

针对隐式广义预测控制算法在被控系统复杂性增加时有效性降低、实时性变差的问题，本文将神经元网络作为该算法的补偿，提出了一种具有神经元网络补偿的隐式广义预测控制方法，并着重讨论了神经元网络的硬件设计和ＮＩＧＰＣ的实现。仿真结果表明：ＮＩＧＰＣ不仅保留了ＩＧＰＣ鲁棒性强等特点，更主要的是它提高了ＩＧＰＣ的的实时性，并使之具有良好的跟踪特性。     

神经网络和模糊控制在军事上的应用

给出模糊系统的应用实例，并且阐明两种模糊规则。介绍神经网络与模糊控制在军事上的应用，通过坦克和装甲车分类器工作原理的论述，说明模糊控制与人工神经网络的联合使用其效果比单独使用的效果更好。最后介绍两种神经网络的实现方法。     

基于BP神经网络的便携式模拟电路故障诊断系统研究

针对模拟电路故障不易被检测、不易被精确定位且现场情况复杂的特点,本文以基本共射放大电路为例重点研究了基于BP神经网络的模拟电路故障诊断方法。首先,提取待测电路特征值,对可能出现的电路故障编号,随机测量多组电路正常情况下和各故障状态下的电路特性,包括输入、输出电阻,上限、下限截止频率,增益等。随后,将测量得到的多组电路特征值用于故障检测模型的训练。接着,根据模型输出值与目标值的误差,调整模型参数,直至误差满足要求。最后,将模型参数固化于诊断系统微控制器的Flash中。经实验验证,依据该方法设计的便携式故障诊断系统具有较高准确率和较低的成本,切合社会生产实际。另外,由于其结合了深度学习算法和电子线路分析方法,也可用于电子信息类本科教育课程实践。     

基于混合神经网络的无线电信号自动调制识别

随着无线电信号数据海量增加，复杂电磁环境下面临着未知威胁和目标侦察识别复杂度高的问题，本文针对未知无线电信号的特征提取任务，设计了一种混合神经网络以提高目标无线电信号的识别能力。先通过胶囊神经网络对未知信号的空间信息进行提取，再进一步运用门控循环单元提取信号在时间上的特征信息。设计混合网络模型将信号的时间和空间特征相结合，提高对目标信号的分类精度。通过RML2016.04C调制信号数据集，验证了混合神经网络的识别性能。结果表明:当信噪比为6 dB时，混合网络模型对多种不同调制信号的分类精度大于95%。因此，本文所设计的混合神经网络能够有效对不同调制信号进行准确分类。     

基于广义回归神经网络集成的宽带波束形成算法

首先构造宽带波束成形所需要的协方差矩阵,利用基于粒子群优化算法对核主成分分析方法和广义回归神经网络进行了优化。在对神经网络的输入变量进行降维处理后,生成多个复杂度低的泛回归神经网络模型。利用提出的基于聚类启发式集成算法求出波束成形时的权系数,既考虑了网络的差异性,又考虑了网络的正确性。仿真结果表明,提出的基于聚类启发式神经网络集成的波束形成算法在网络结构十分简单的情况下,仍然具有较好的性能。     

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。     

控制系统故障诊断的模糊神经网络方法研究

控制系统的不确定故障诊断是目前尚未解决的问题。传统的神经网络方法和模糊推理方法为解决这一类故障诊断问题提出了一些算法。然而上述两种方法难以提高不确定故障诊断的性能。为此本文结合模糊理论的推理能力和神经网络学习的能力提出模糊神经网络故障检测方法。该算法同时具备模糊理论的处理不确定和不准确信息的能力和神经网络的自学习能力。本文结果应用到某运载火箭控制系统的故障诊断,仿真结果表明,本算法有效,较好地解决了控制系统不确定故障诊断问题。     

模糊神经网络控制器在飞行器姿态控制中的应用

基于ＡＫａｗａｍｕｒａ等人提出的Ｎｅｕｒａｌ－Ｆｕｚｙ协作系统概念［１］，根据模糊系统的结构，确定等价结构的神经网络。网络保留了模糊控制系统的优点，空间结构清晰，同时具有学习功能，并介绍了采用多层神经网络表达模糊控制系统的知识规则、模糊推理和学习算法，给出了控制某导弹纵向姿态的仿真结果，结果表明该控制系统具有较强的鲁棒性。     

橡胶老化性能的神经网络研究方法

运用神经网络方法,建立了预测橡胶老化性能的计算模型。运用该模型计算了“O”型橡胶密封圈在不同时间下的老化性能,并与实验结果进行了比较。结果表明,该模型精度较高,在固体火箭发动机研究方面具有较好的工程应用价值。     

电液仿真转台控制系统设计与仿真研究

针对影响三轴电液仿真转台动、静态性能最大的同步驱动、摩擦和大惯量负载干扰三个问题，采用了模拟人脑基于经验控制的FNN（模糊神经网络）控制器和基于学习校正的PNN（预测神经网络）控制器分别对应转台内环（角速度环）和外环（角度环）反馈系统。FNN同步控制器分为等同和主从同步控制模式，两种模式相互切换，提高了系统同步性能；PNN摩擦干扰控制器采用了基于双网络模型的NARMA（非线性自回归滑动平均）预测模型，具有较强的非线性系统辨识能力，提高了系统抗干扰能力。软件仿真结果表明，当转台外框负载发生变化或外框两马达转速相差较大时，使用PNN—FNN模型的智能控制系统仍具有较高的位置跟踪精度和动态性能。     

用光学神经网络进行导弹末制导的研究

分析了现有多种制导方式的特点，结合国内实际，提出了一种基于光学神经网络的导弹末制导系统，该系统具有光学神经网络运算速度快，对畸变目标识别能力高等优点，在导弹原有惯性制导系统上进行了改进，成本低。理论分析和模拟实验结果表明，这种基于光学神经网络的导弹末制导系统具有并行处理速度快，识别率高的优点，有广阔的应用前景。     

基于神经网络的武器系统费用效能分析

简述了导弹武器系统的费用－ 效能分析的方法。研究了三层神经网络的结构及算法，提出了用神经网络理论来估算武器系统的费用和效能的方法。武器系统的费用和效能与武器特征参数的关系可通过神经网络的阈值和权值得到体现，通过实例作了说明，并进行了武器系统费用－ 效能分析，该方法比较可信。     

对传感器失效具有完整性的神经网络控制器设计

本文研究了对一些传感器失效控制系统仍保持稳定性的问题，将多层前传神经网络用于这一问题，通过对神经网络的训练，使训练后的神经网络构成的控制器对传感器故障具有完整性。该方法对达到完整性设计的要求条件较低，且不受线性系统方法的限制。文末的仿真实例说明了所给方法的有效性。     

基于神经网络的某导弹姿态控制系统故障诊断

介绍了多层前向神经网络及其算法 ,讨论了神经网络在故障诊断方面的应用 ,并对某导弹姿态控制系统的典型故障进行了神经网络建模 ,经测试取得了良好的效果。