组合导航软件可靠性的神经网络动态预测

在组合导航系统大规模软件开发中,为了控制软件的质量,必须对软件模块的缺陷数进行预测．本文根据软件模块测试报告,用神经网络动态预测了软件模块的缺陷数．结果表明：神经网络预测软件缺陷数比传统的G-O模型有更好的质量拟合度和估测能力．     

组合导航软件可靠性的评估

在大规模导航软件系统中，软件评估的主要任务就是要精确地估测程序模块中存在的缺陷数。介绍了组合导航软件的评估方法和步骤，着重介绍了JM模型和G－O模型，并提出了神经网络评估软件可靠性的具体方法。对组合导航软件的特点及测试方法进行了讨论。根据软件模块测试报告，分别用JM模型、G－O模型和神经网络对软件模块的缺陷数进行预测，并给出了组合导航软件3种模型的评估质量的比较。结果表明：神经网络方法优于传统模型方法。     

神经网络用于组合导航系统软件质量的评估

在大规模组合导航软件系统中，质量控制的主要任务就 精确地估测程序模块中存在的缺陷数．介绍了一种新的神经网络所建立的静态可靠性模型，根据软件复杂度估测了质量及质量拟合度，并且与传统回归技术进行了比较．当大型组合导航软件系统已有一批数据时，神经网络技术有更好的质量拟合度和估测能力．     

组合导航软件可靠性的评估

在大规模导航软件系统中,软件评估的主要任务就是要精确地估测程序模块中存在的缺陷数.介绍了组合导航软件的评估方法和步骤,着重介绍了 JM 模型和 G-O 模型,并提出了神经网络评估软件可靠性的具体方法.对组合导航软件的特点及测试方法进行了讨论.根据软件模块测试报告,分别用 JM 模型、G-O 模型和神经网络对软件模块的缺陷数进行预测,并给出了组合导航软件3种模型的评估质量的比较.结果表明:神经网络方法优于传统模型方法.     

组合导航系统软件可靠性的神经网络静态预测

在组合导航系统大规模软件开发中，为了控制软件的质量，必须对软件模块的缺陷数进行预测，根据软件模块测试报告及软件复杂度，用神经网络方法预测了软件模块的缺陷数，结果表明：神经网络预测软件缺陷数化传统的线性回归方法具有更好的质量拟合度和估测能力。     

一种智能化的组合导航方法

利用不同导航系统的工作特点，用反馈-融合式联邦滤波方法，对SINS／GPS／TAN／LORAN-C进行组合，并利用模糊控制理论，对各导航系统的导航效果实行模糊判决，建立了模糊控制器，以实现组合导航系统的智能化管理，提高导航的可靠性。     

组合导航神经网络模式自选择研究

从组合导航的发展趋势出发,以传统的组合模式为基础,对用神经网络实现组合导航系统组合模式智能自选择进行了研究。并给出了一种神经网络的具体实现。该方法可自动选择组合模式,采用分布式并行运算具有高可靠性和容错性。对于不同的组合导航模式,只改变神经网络离线训练数据并训练神经网络,不涉及编程,移植性好。     

基于神经网络的一种组合预测的构建与应用

以长春一汽集团的汽车生产总量为研究对象,分别构建了回归分析、灰色预测和神经网络三个预测模型,并在此基础之上,借助神经网络对三个模型进行了组合,构造了一种新的组合预测模型.通过对几种模型的分析比较,得出这种组合预测具有很高的预测精度.而且,预测表明组合模型比单一模型的预测更加稳健.     

一种基于径向基神经网络的组合预测模型

根据基于最近邻聚类算法(NNCA)的径向基(RBF)神经网络和自回归求和滑动平均(ARIMA)两种方法,建立了各自的单项预测子模型,并利用RBF神经网络对两个单项预测子模型结果进行组合预测,得到最终的预测值.将该模型应用于长沙市某路段的交通流量预测,实验结果证明了该预测模型的有效性,采用组合预测模型比单一预测模型的预测精度有了较大提高.     

一种低成本GPS组合导航定位系统

提出一种低成本、简单实用的GPS组合定位系统,即采用电子计步器与电子罗盘辅助GPS.该系统可以工作在自主导航、纯GPS导航、组合导航3种模式.文中给出了组合原理、方法和基本算法,探讨了几种应用模式和可能的应用领域.     

船用综合导航系统软件可靠性的设计研究

综合导航系统的关键是软件设计,从可靠性的角度出发,对综合导航系统软件进行了有效的可靠性设计。试验结果表明,该方案设计有效地提高了系统的可靠性。     

模糊神经网络故障诊断专家系统

模糊诊断和神经网络有机结合能够提高设备故障诊断技术水平，文章阐述了单症兆诊断模型及多症兆诊断模糊模型与神经网络的有机结合；论述以模糊诊断原理为根据发展的扩展神经网络子网和子节点的可塑性学习方法和以模糊模式识别理论指导学习样本的组织方法。简述基于上述模糊神经网络的诊断系统及诊断系统的生产现场实例验证。     

系统可靠性最优化部件的可靠度和冗余数确定

研究了部件可靠度和冗余数的最优化在组合导航系统可靠性中的应用。采用模式搜索法与启发式算法相结合的方法,提出了确定多个约束条件下组合导航系统最优化中的部件可靠度和冗余数的最优化方法。经计算机模拟表明,用该方法求解结果是最优的。     

北斗车辆自适应组合导航技术研究

车辆在“城市峡谷”、高架桥下、隧道等环境利用北斗卫星导航系统进行导航过程中,存在卫星导航信号易受遮挡和干扰的局限性.将北斗卫星导航系统同惯性导航系统、里程计等传感器进行组合,运用Kalman滤波技术进行多传感器的信息融合,能够较好地提高导航精度以及导航系统整体的自主性、抗干扰性、容错性和可靠性.针对现有车辆导航系统可靠性不高的问题,着重对基于Kalman滤波的北斗车辆自适应组合导航可靠性进行了相关研究.     

基于自适应组合滤波的惯性导航系统初始对准方法

针对系统噪声不确定情况下的惯性导航系统非线性初始对准问题,提出了一种基于自适应组合滤波的初始对准方法.首先给出了一种基于Kalman/UKF组合滤波的神经网络实时训练算法;进而提出了基于Kalman/UKF组合滤波的非线性系统状态估计方法,该算法利用神经网络在线估计系统噪声,并利用Kalman/UKF组合滤波在线同时估计初始对准的状态量和神经网络的权值;最后将该算法应用于惯性导航系统非线性初始对准问题中,并进行了仿真研究.仿真结果表明:自适应组合滤波算法不仅保证了初始对准的精度,而且具有更好的实时性,是解决惯性导航非线性初始对准问题的一种有效且实用的方法.