排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
2.
雷达属性散射中心模型的属性参数能够提供目标更为丰富的重要信息,属性散射中心参数估计对解析雷达目标有着极其重要的研究意义。针对雷达属性散射中心模型,提出了基于深度学习的雷达属性散射中心快速目标分类和参数估计的技术。首先利用ViT (vision transformer)深度学习网络将雷达属性散射中心分类为局部式和分布式两类,然后基于TS2Vec框架构建针对属性散射中心参数估计的卷积神经网络(convolutional neural network for attribute scattering centers, ASCNN),最后分别对两种数据进行训练以实现局部式和分布式属性散射中心的参数估计。基于属性散射中心模型展开数值实验,实验结果表明,该方法对雷达属性散射中心目标分类的准确率高达99%以上;雷达属性散射中心参数估计的速度超过传统方法的10 000倍以上,且精度更高,验证了所提方法的有效性和优越性。 相似文献
3.
DCS设备可靠性评价的准确性对于加强核电厂的DCS设备管理、提高核电厂运营的安全性和经济性至关重要。针对DCS设备可靠性评价,提出了一种基于Vague集的核电厂DCS设备运行可靠性评价策略。结合逼近理想解法(TOPSIS)将DCS设备的可靠性评价指标转换为Vague集。采用熵权法和模糊综合评价法(FAHP)分别得到指标的主客观权重,使用博弈论和基于方差最大化的方法求得组合权重。利用直觉模糊混合算术平均(IFHAA)算子对Vague集进行加权运算,对设备的运行可靠性进行评价和排序。以国内某核电厂DCS设备运行数据为实例,对设备运行可靠性进行综合评价,验证了基于Vague集核电厂DCS设备健康评价策略的可行性。 相似文献
1