基于LLSO-MKELM 算法的观瞄故障诊断

针对装甲车辆的观瞄系统,提出一种基于多核极限学习机(multi kernel extreme learning machine,MKELM) 的故障诊断模型。利用分级粒子群优化算法(level-based learning swarm optimizer,LLSO)优化模型参数,利用采集 历史数据进行仿真实验。结果表明：MKELM 有更好的诊断准确度,并且LLSO 可解决MKELM 相对较多的参数带 来的训练速度较慢的问题;与经典的粒子群算法(particle swarm optimization,PSO)相比,LLSO 有着更快的优化速 度,证明了LLSO-MKELM 可用于观瞄系统故障诊断,并且有着良好的训练速度和准确度。     

基于大数据分析技术的战场态势分析及预测

针对信息化条件下联合作战产生的海量、多源、复杂的战场数据,提出一种Hadoop 分布式数据处理平台。 收集海量数据进行战场态势(battle field situation,BS)要素分析,用粒子群算法(particle swarm optimization,PSO) 优化极限学习机(extreme learning machines,ELM)的方法对战场态势历史数据进行训练,构建战场态势预测模型; 并采用Matlab2018 对战场态势进行模拟仿真。仿真结果表明：Hadoop 处理海量战场数据效率更高,可有效提高战 场态势的预测精度,为辅助指挥员快速掌握复杂战场态势提供新的方法和途径。     

基于MI-PCA 和ML-AE-ELM 的脱硝系统入口NOx 质量浓度预测

为提高脱硝系统入口氮氧化物(nitrogen oxide,NOx)质量浓度的预测精度,提出一种基于互信息的主成分 分析(principal component analysis,PCA)和多层自编码结构的极限学习机(extreme learning machine,ELM)组合算法 的预测模型。对输入变量的选取方式进行完善,并加入历史NOx 质量浓度,对预测算法的网络结构进行优化。实验 结果表明：与其他预测算法模型相比,该模型具有较高的预测效率,在不同工况下均具有较高的预测精度,表现出 良好的抗噪能力和泛化能力。     

基于肌电信号和极限学习机的下肢关节运动预测

为判断下肢障碍患者的运动意图,通过外骨骼进行康复训练,分析表面肌电信号与下肢关节运动的关系。 提取表面肌电信号的均方根(root mean square,RMS)、绝对值均值(mean absolute value,MAV)、波形长度(waveform length,WL)和方差(variance,VAR)作为特征输入信号,采用极限学习机(extreme learning machine,ELM)建立表面 肌电信号与下肢关节角度之间的映射关系;对输出结果进行优化滤波以降低模型的误差,实现对下肢膝关节角度连 续变化的预测。与传统的反向传播(back propagation,BP)神经网络、径向基神经网络预测结果进行对比,结果证明： 极限学习机在通过表面肌电信号预测下肢关节角度变化中有更高的精度。     

基于核函数支持向量机的雷达辐射源识别

文中针对雷达辐射源信号环境复杂导致的正确识别率较低的问题,提出了基于支持向量机理论的雷达辐射源识别方法,并构建了基于多种核函数支持向量机的雷达辐射源分类器。通过在不同噪声环境下进行仿真实验,证明了支持向量机理论在雷达辐射源识别中的有效性,并比较了多种核函数支持向量机的识别效果。     

基于多传感器信息的人体下肢步态识别

为准确识别人体下肢步态运动,设计一种识别下肢步态摆动相和支撑相的方法.通过4个姿态传感器和足底压力鞋垫采集人体下肢角度信息和足底压力信息,将数据信息进行归一化、比例化处理后提取特征;利用模糊原理将传感器信息进行模糊化,将双腿步态划分为4种情况;利用MATLAB对下肢角度信息和足底压力信息采用不同核函数的支持向量机(support vector machine,SVM)进行识别;以同一人在不同步态速率下直线行走的步态和不同身高腿长的人在速率为0.6 m/s下的直线行走的步态进行实验.结果表明:该算法是有效、适用的,识别准确率均在90％以上.     

舰载相控阵雷达组网资源管理的一致性算法

在舰载相控阵雷达网分布式资源管理中,由于各雷达对其他节点的状态估计存在偏差以及节点间信息传输受到噪声扰动,会导致资源管理方案不一致的问题。针对该问题,采用图论方法表示相控阵雷达网的拓扑结构,并进行舰载相控阵雷达网一致性资源管理的需求分析,进而从均衡雷达负载和资源消耗最小两方面构建各雷达的本地资源管理优化模型,各节点根据该模型给出具有差异性的本地优化资源管理方案,通过网络节点间的信息传输,运用一致性算法对各方案进行迭代处理,得到全局一致性方案。仿真结果表明,该算法能够有效地给出全局一致的资源管理方案,并且针对不同拓扑结构以及信息传输噪声的舰载相控阵雷达网都能实现收敛。     

ELM 在机床切削刀具磨损快速检测中的应用

为检测加工过程中切削刀具的磨损和破损,探讨一种基于声音识别的超限学习机(extreme learning machine,ELM)模型检测方法.论述切削声音信号的时频域特性,讨论基于小波包分解的刀具工作状态敏感频谱能量统计特征量提取方法,构建基于声音特征量识别的ELM快速检测模型.以某操作现场刀具切削磨损声音信号识别实验为例,实测数据验证了采用该模型可获得更高的检测准确度且响应速度更快.实验仿真结果表明:采用ELM模型借助声音识别检测切削刀具磨损的方法是有效的.     

A Novel Kernel for Least Squares Support Vector Machine

Extreme learning machine(ELM) has attracted much attention in recent years due to its fast convergence and good performance.Merging both ELM and support vector machine is an important trend,thus yielding an ELM kernel.ELM kernel based methods are able to solve the nonlinear problems by inducing an explicit mapping compared with the commonly-used kernels such as Gaussian kernel.In this paper,the ELM kernel is extended to the least squares support vector regression(LSSVR),so ELM-LSSVR was proposed.ELM-LSSVR can be used to reduce the training and test time simultaneously without extra techniques such as sequential minimal optimization and pruning mechanism.Moreover,the memory space for the training and test was relieved.To confirm the efficacy and feasibility of the proposed ELM-LSSVR,the experiments are reported to demonstrate that ELM-LSSVR takes the advantage of training and test time with comparable accuracy to other algorithms.     

基于改进多层核超限学习机的模拟电路故障诊断

为兼顾模拟电路多故障诊断的实用性和诊断精度,基于仿真诊断模型的测试性应用框架,结合深度学习与核方法的优势,提出一种多层单纯形优化核超限学习机（ML-SOKELM）方法。将有效初选后的数据集输入多层核超限学习机逐层提取故障特征并进行诊断;训练过程中,将各层核参数向量视为待优化变量,运用单纯形法对其进行联合优化。实验结果表明：与常见的深度学习方法相比,ML-SOKELM方法对主观经验依赖性更低,在训练时间大大缩短的同时,还能获得与之相当的准确率;与流行的核方法相比,ML-SOKELM方法在不同模糊度阈值下均能获得较高的诊断准确率。     

基于模糊神经网络的相控阵雷达任务调度设计

针对相控阵雷达任务调度中任务优先级较难建立数学模型,从而影响任务调度效率的问题,提出一种基于自适应模糊神经网络的相控阵雷达任务调度算法。该算法：模糊控制部分能够利用模糊隶属度对多个目标参数值进行量化处理;神经网络部分可以智能地实现目标参数和任务优先级之间非线性映射。仿真结果表明,该方法有效,在目标数目饱和情况下,保证高优先级任务被调度的同时,使更多的任务得到调度执行,其性能优于传统任务调度方法。     

钨球破片对相控阵雷达典型部件的侵彻特性研究

通过对相控阵雷达系统结构的分析,建立了相控阵雷达天线和箱体等易损部件的等效模型。分析了钨球破片杀伤元对相控阵雷达的毁伤机理,并对靶板等效关系和破片极限速度的经验公式与试验数据进行对比分析,计算得到了不同直径钨球破片对相控阵雷达典型易损部件的侵彻特性。结果表明:雷达易损部件对钨球破片的抗毁伤能力随钨球破片直径的增大而显著提高。为反辐射导弹战斗部的设计提供了参考依据。     

基于粒子群算法优化最小二乘支持向量机的电路故障诊断方法

针对数／模混合电路故障的特点,采用将粒子群算法与最小二乘支持向量机相结合的故障诊断方法,在保证诊断过程准确率的基础上,实现多类故障的快速诊断。在诊断过程中,支持向量机的参数寻优过程存在随意性、盲目性和效率低等问题,采用改进的粒子群算法优化支持向量机的参数,建立基于支持向量机的故障分类模型。实验结果表明,与其他方法相比,该方法提高了故障诊断的精度,具有明显的实用价值。     

lp范数约束的模拟电路3层多核故障诊断模型

为提升模拟电路故障隔离精度,结合基于故障特征间一维模糊度的特征选择算法,提出一种改进的l_p范数约束多核超限学习机诊断模型。该模型通过将带权分类误差融入超限学习机优化目标函数中,基于自适应Boosting策略构建了一种3层多核学习框架。在新框架下通过自适应调整训练样本的权重分布,使得每层框架能够聚焦于不同故障样本,进而提升诊断模型的辨识力。通过对2个电路实例的诊断,结果表明：所提模型在不同范数约束下具有近似一致的诊断性能;当故障属性单一时,在平衡漏警、虚警的同时,能够显著提升诊断正确率;当多种属性的故障并存时,能够将难以辨识的故障更加准确地隔离到少数模糊组中。     

相控阵雷达不同工作模式作用距离研究

通过对相控阵雷达不同工作模式下作用距离的研究,推导了相控阵雷达不同工作模式下的探测与跟踪距离的计算模型,并通过仿真分析了在资源一定时,相控阵雷达不同工作模式下的作用距离随目标个数、威胁等级等因素改变的变化情况,为对相控阵雷达不同工作模式的威力范围的估算提供了依据,为雷达对抗侦察情报提供了理论参考依据。     

基于支持向量机的坦克驾驶模拟训练结果分析

利用坦克驾驶模拟器进行模拟训练是提高装备操作技能的重要方法。针对以往模拟训练忽视训练数据采集分析和提高训练质量的问题,提出采用支持向量机（SVM）对坦克驾驶模拟训练结果进行分析的方法。为了解决SVM参数选取难的问题,提出一种自适应粒子群优化(APSO)算法对SVM参数进行优化选择,设计动态权重参数并赋予相关惯性,实现粒子动态自适应。引入多位置查询机制和极值点信息以维持不同粒子平衡点的多样性,通过迭代选择与优化目标函数实现对参数的自动寻优。基于APSO算法的支持向量机(SVM-APSO)应用到某型坦克驾驶模拟器的训练结果分析中,结果表明SVM-APSO能克服多维影响因素对训练成绩分类带来的不利影响,实验结果在精度和时间上都有明显优势,验证了SVM-APSO在坦克驾驶模拟训练结果分析中应用的可行性与有效性。     

一种新的混合智能粒子滤波算法在雷达机动目标跟踪中的应用

标准粒子滤波算法的精度不高,鲁棒性差标准粒子滤波算法的精度不高,鲁棒性差难以满足雷达目标跟踪的要求。本文提出了一种新的适用于雷达目标跟踪的智能粒子滤波算法,在粒子滤波中先利用人工鱼群的全局收敛性找到满意的解域,再利用粒子群算法引导粒子向高斯然区域移动,提高滤波精度。仿真表明该算法可以在强闪烁噪声下有效地跳出局部最优,搜索到理想的粒子最优值,提高雷达机动目标跟踪的精度。