平面自由运动半物理仿真系统的初始条件实现

提出了一种平面自由运动半物理仿真系统的设计,对系统仿真试验的初始条件形成过程进行了具体阐述。系统中应用了一种平面两自由度直角坐标运动装置,用于完成系统驱动及速度和位置控制,同时这种运动装置能够进行直角坐标跟随运动,并与其末端测量机构共同实现对平面自由运动物体的高精度大范围位姿测量。建立了系统的运动学模型,并设计相应的控制算法实现试验所需的运动过程,采用半闭环和闭环相结合的方法有效控制系统的末端累积误差;针对提出的复合测量方法,建立了测量原理的数学模型,并进行了精度分析和仿真计算。实验证明这种设计和相应的控制测量方法合理可行。     

无线网络TCP协议改进及网络仿真

网络仿真是网络研究的重要手段。NS2是一种开放源代码的网络仿真器，广泛应用于网络协议的设计与验证。本文针对无线网络中TCP协议性能低下的问题，提出了一种改进的基于TCP拥塞控制机制，简称TCP—Yuelu。该机制通过对瓶颈链路队列长度的测量与预测，区分网络随机错误和网络拥塞丢包，同时，利用带宽测量结果作为网络发送速度调节尺度的依据，对不同的丢包原因采取不同的调节策略，改进了TCP窗口加性增加乘性减少（AIMD）机制。本文实现该算法在NS2中的扩展，并通过仿真实验验证了算法的有效性。     

基于案例推理的磨矿粒度软测量及其软件实现

针对磨矿过程的关键工艺指标磨矿粒度难以进行直接在线检测且化验过程滞后的难题，并结合案例推理（cBR）技术在软测量建模方面的优势，提出了基于案例推理的磨矿粒度软测量方法，开发了相应的粒度软测量软件。实际应用效果表明该软件简单、实用，能够较好地实现磨矿粒度的在线软测量。     

桥门式起重机吊重摆角软测量及仿真研究

为了解决工程中起重机吊重摆角和摆角角速度不易测量的问题,通过利用小车位置信息设计状态观测器,小车吊重系统和观测器构成软测量系统。通过引入观测器输出与小车吊重系统输出之间的差值并经过观测器的增益向量负反馈至观测器的输入端,将观测器的极点配置在负实轴上,实现系统对摆角和摆角角速度稳定、快速软测量。仿真研究表明：软测量系统具有较强的鲁棒性;随极点增大,软测量系统对吊重和绳长变化具有更宽的适应范围;当极点确定时,软测量效果对绳长变化比吊重变化敏感。     

基于SVR的回转窑烧成带温度软测量方法的研究

提出了一种新的回转窑烧成带温度的软测量方法.首先利用大津方法从烧结图像中分割出物料区和火焰区,并提取相应的特征值,然后采用最速下降法选择支持向量回归(SVR)模型的参数,基于这些参数建立了烧成带温度的软测量模型,最后利用前向滑动平均进行滤波提高拟合优度.将该方法应用于中国铝业公司山西铝厂的3#回转窑的氧化铝烧结过程,通过大量实验,验证了烧成带温度的软测量结果与实测值的拟合优度达到0.927,表明了该方法具有很强的实用性和准确性.     

高精度多目标运动参数估计

针对连续波体制的测量雷达的应用场合,提出了一种多目标运动参数(速度、加速度)高精度的测量方法。该算法运用快速傅里叶变换和解线性调频(dechirping)补偿谱分析精确测速度和加速度,对加速度搜索步长的选择问题采用了逐次逼近法,则可在保证测量精度的同时,运算量大为减少,因而易于实时处理和工程实现。给出了应用该方法的具体工程实现,通过仿真实验证明该算法的有效性。     

基于姿态修正的目标RCS动态测量方法

相比于暗室和固定雷达平台的目标雷达散射截面(radar cross section,RCS)精确测量方法,提出了基于姿态修正的目标RCS动态测量方法。该方法适用于机载、艇载、球载等移动雷达平台,以有源标准目标作为参考目标,创建了雷达天线方向性因子修正方法、有源标准目标天线方向性因子修正方法、极化不一致性估算方法以及空间几何关系计算方法,实现对目标RCS的动态测量。利用S波段机载雷达对方法的有效性进行验证,结果表明:该方法具有较高的测量精度和试验可操作性,可为外场目标RCS的动态测量提供重要的技术支持。     

基于贝叶斯-神经网络的动态回归建模与预测

结合贝叶斯网络和神经网络，提出了一种建立数据驱动型的动态线性回归系统模型的方法。基于这种模型采用自然连接型的知识分布，形式化各种各样的信息，结合贝叶斯方法，执行贝叶斯网络的持续学习过程；采用指数寿命型的连接权值改进径向基神经网络，优化输入数据，提高计算速度；采用改进的遗传算法，实现神经网络的动态自适应。基于上述方法，实现了线性回归系统动态建模与实时预测。仿真试验说明该方法是有效性。     

基于社会网络分析的技术创新网络中创新主体中心性测量研究——对波纳西茨中心度的改进

研究将社会网络分析中对中心性的测量方法——波纳西茨中心度应用于对技术创新网络中创新主体的中心性测量研究中,并结合了对创新主体间关系的分析,提出了耦合中心度的测量方法。案例研究表明,耦合中心度比波纳西茨中心度更加适合于技术创新网络中创新主体的中心性测量。     

包延迟测量中泊松采样低估效应的仿真研究

采样是网络测量的基础，泊松采样是一种无偏的采样方法的观点被人们普遍接受，也使其在主动测量领域得到了广泛应用。用户流包性能测量已成为主动测量领域的一个重要问题，然而泊松采样的无偏性仅针对网络状态，目前尚无研究工作研究其对于用户流的包性能的测量效果。利用真实的Internet流量数据进行了仿真试验。系统定量地研究了该问题得到如下结论：泊松采样系统低估了用户流包延迟性能；低估程度不受泊松采样频率的影响且随着网络链路利用率的升高而下降．定性分析和解释了泊松采样测量用户流包延迟性能时的低估现象。     

粗糙集-神经网络集成在编队空战中的应用

为了提高空战决策的实时性和准确度,将粗糙集理论和神经网络引入到编队协同空战战术决策研究中,提出了应用SOM网络—粗糙集—BP网络集成进行编队协同空战战术决策的方案:应用SOM网络离散化决策系统输入数据的连续属性值;利用粗糙集数据分析方法,从数据中提取出规则将输入映射到输出的子空间上;在这个子空间上用BP网络进行逼近。2∶4编队空战实例仿真结果验证该方案的可行性,在数据充分的条件下,该方案可以推广应用于其它空战决策系统。     

用模糊BP神经网估算小卫星成本

提出了用BP神经网对卫星成本进行二维估算 ,即先求出样本点集扩散到控制点集中的模糊数 ,然后将对应同一控制输出变量的控制输入变量的模糊数作为学习样本 ,让BP神经网进行学习。学习后的BP神经网就能在给定输入变量的情况下 ,估算出输出变量。最后 ,给出了小卫星成本的质量和定点精度模糊BP神经网估算的实例 ,取得了满意的结果。     

基于变尺度优化方法的快速神经网络学习算法研究

本文提出一种基于变尺度优化方法的多层前向神经网快速学习算法（ＭＤＦＰ），实验结果表明，这种算法对于加快网络的收敛速度有着显著成效     

基于BP神经网络与小波的控制研究

本文利用ＢＰ神经网络对被控对象进行在线辨识以及利用ＢＰ神经网络与小波对被控对象进行控制，通过某电厂过热器汽温为对象仿真验证此方法比一般ＢＰ神经网络效果好     

基于BP神经网络的弹炮结合系统作战效能评估

以拦截巡航导弹为例,针对抗击低空目标特点,提出了弹炮结合防空武器系统作战效能评价指标体系,简要分析了指标选取的理由。然后,采用专家打分的方法取得了几组训练样本,并对所构造的三层BP神经网络进行训练,当训练精度达到要求后,再运用BP神经网络对几种典型的弹炮结合防空武器系统对巡航导弹的作战效能进行了评估。结果表明,在选定指标的基础上,用训练好的BP神经网络评估弹炮结合防空武器系统作战效能是合理的,减少了评估中的人为因素,使评估的结果更为可信。研究结果可为在现有武器装备的基础上开发和研制新型弹炮结合防空武器系统提供理论参考。     

基于一种改进的RBF神经网络的直接甲醇燃料电池建模

针对直接甲醇燃料电池(DMFC)系统过于复杂，难以数学建模。应用一种改进的RBF神经网络对DMFC系统进行辨识建模。模型以甲醇的浓度和流速为神经网络辨识模型的输入量，电池电压／电流密度为输出量，利用1000组实验数据作为训练和测试样本，建立了不同甲醇浓度和流速下电池电压／电流密度动态响应模型。应用仿真对建模的有效性和精度进行了检验，并与BP神经网络辨识的效果进行了对比。仿真结果证明RBF神经网络比BP神经网络收敛得快，建模精度高，从而为设计DMFC实时控制系统奠定了基础。     

基于混合遗传BP神经网络的城市系统作战能力评估

针对现有城市系统作战能力评估方法较少的问题,利用反向传播(back propagation,BP)神经网络在能力评估方面所具有的自适应、自学习、强容错性和泛化映射等优势,建立了评估指标体系并给出了指标的隶属函数。通过模拟退火遗传算法(simulated annealing and genetic algorithm，SAGA)优化 BP 神经网络的连接权重和阀值,弱化了指标评价中的人为因素,提高了评价结果的准确性、客观性和权威性,有效解决了传统遗传算法和 BP 神经网络易陷入局部极小值、收敛速度慢和抗干扰能力差等问题。仿真实例验证了该方法对城市系统作战能力评估的可行性和有效性。     

MPSO-RBF优化策略在锅炉过热系统辨识中的仿真研究

提出了基于改进PSO算法的RBF神经网络混合优化（MPSO-RBF）方法，并将其应用到非线性系统的辨识中。该方法将改进PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相融合，克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点。经典型非线性系统仿真试验，并与GA-RBF和RBF辨识效果进行了对比，结果表明基于MPSO-RBF的混合优化方法较GA-RBF和RBF优化速度快、逼近性能好，可以达到更优的辨识精度。最后，通过对火电厂的过热汽温动态特性的辨识实例，同样证明了MPSO-RBF方法具有更好的性能指标。     

汽轮机转速与功率同步控制新方法的仿真研究

经典的汽轮机调节系统在实现功率跟踪负荷变化的同时会不可避免地引起转速的变化，从而引起电网频率的变化。应用线性系统极点配置的方法，提出了一种既能使汽机功率跟踪负荷，同时又能对汽机转速按指令曲线进行控制的新方法。用这种方法设计的调节系统就能省去二次调频的环节。计算机仿真的结果证明了本文所提出方法的正确性和有效性。     

基于径向基函数神经网络的燃料电池温度非线性建模与预测

针对现有的熔融碳酸盐燃料电池（MCFC）模型过于复杂的弊端，本文应用RBF神经网络辨识方法建立了MCFC的温度非线性模型。简要分析了MCFC电堆的温度特性，讨论了应用RBF神经网络进行多输入／多输出非线性系统建模的主要问题，并详细给出了其辨识结构，算法和模型训练方案，应用仿真对建模的有效性和建模精度进行了检验，并与BP神经网络辨识的效果进行了对比，仿真结果证明RBF神经网络远比BP神经网络收敛得快，应用RBF神经网络辨识方法对MCFC电堆建模是可行的，它避免了用复杂的微分方程组来描述MCFC，通过神经网络可快速地得到其输入同特性，它为MCFC温度的在线预测和在线控制奠定了基础。