Simulation of Control and Guidance System for the Spinning Missile

Ｓｉｍｕｌａｔｉｏｎ　ｏｆ　Ｃｏｎｔｒｏｌ　ａｎｄ　Ｇｕｉｄａｎｃｅ　Ｓｙｓｔｅｍ　ｆｏｒ　ｔｈｅ　Ｓｐｉｎｎｉｎｇ　ＭｉｓｓｉｌｅＭｅｎｇＤａｉｋｕｉ（ＣｈｉｎａＣｈａｎｇｆｅｎｇＳｙｓｔｅｍＥｎｇｉｎｅｅｒｉｎｇＣｏｒｐｏｒａｔｉｏｎ，Ｐ．Ｏ．Ｂ...     

The Uniqueness of Market Economy in China

ＴｈｅＵｎｉｑｕｅｎｅｓｓｏｆＭａｒｋｅｔＥｃｏｎｏｍｙｉｎＣｈｉｎａＤＥＮＣＳｈｕｈｕｉ；ＪＩＮＸｉｎｇ；ＣＨＥＮＢｉｎ（ＩｎｓｔｉｔｕｔｅｏｆＳｙｓｔｅｍｓＳｃｉｅｎｃｅ，ＡｃａｄｅｍｉａＳｉｎｉｃａ，Ｂｅｉｊｉｎｇ１０００８０，Ｐ．Ｒ．Ｃｈｉｎ...     

EM Scattering from Rough Surface

ＥＭＳｃａｔｅｒｉｎｇｆｒｏｍＲｏｕｇｈＳｕｒｆａｃｅＬｕＧｕｉｚｈｅｎ＆ＭａｏＺｈｉｊｉＰ．Ｏ．Ｂｏｘ２９，ＢｅｉｊｉｎｇＢｒｏａｄｃａｓｔｉｎｇＩｎｓｔｉｔｕｔｅ，１０００２４，Ｐ．Ｒ．Ｃｈｉｎａ（ＲｅｃｅｉｖｅｄＪｕｌｙ９，１９９６）Ａｂｓｔｒ...     

QUASI-CONCAVE MULTIPLE OBJECTIVE PROGRAMMING WITH CONE STRUCTURE

ＱＵＡＳＩ－ＣＯＮＣＡＶＥＭＵＬＴＩＰＬＥＯＢＪＥＣＴＩＶＥＰＲＯＧＲＡＭＭＩＮＧＷＩＴＨＣＯＮＥＳＴＲＵＣＴＵＲＥ￥ＨＵＡＮＧＺｈｉｍｉｎ；ＬＩＳｕｓａｎＸ．（ＳｃｈｏｏｌｓｏｆＢｕｓｉｎｅｓｓａｎｄＢａｎｋｉｎｇ，ＡｄｅｌｐｈｉＵｎｉｖｅｒｓｉｔ...     

Using Genetic Algorithms to Improve the Search of the Weight Space in Cascade－Correlation Neural Network

ＵｓｉｎｇＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓｔｏＩｍｐｒｏｖｅｔｈｅＳｅａｒｃｈｏｆｔｈｅＷｅｉｇｈｔＳｐａｃｅｉｎＣａｓｃａｄｅ－ＣｏｒｒｅｌａｔｉｏｎＮｅｕｒａｌＮｅｔｗｏｒｋ￥Ｅ．Ａ．Ｍａｙｅｒ，Ｋ．Ｊ．Ｃｉｏｓ，Ｌ．Ｂｅｒｋｅ＆Ａ．Ｖａｒｙ（...     

Forecasting Practice from Box-Cox Transformation Models

ＦｏｒｅｃａｓｔｉｎｇＰｒａｃｔｉｃｅｆｒｏｍＢｏｘＣｏｘＴｒａｎｓｆｏｒｍａｔｉｏｎＭｏｄｅｌｓＧａｏＲｅｎｘｉａｎｇＩｎｓｔｉｔｕｔｅｏｆＡｐｐｌｉｅｄＭａｔｈｅｍａｔｉｃｓ，ＡｃａｄｅｍｉａＳｉｎｉｃａ，Ｂｅｉｊｉｎｇ１０００８０，Ｐ．Ｒ．...     

Building up Multi－Layered Perceptrons as Classifier System for Decision Support

ＢｕｉｌｄｉｎｇｕｐＭｕｌｔｉ－ＬａｙｅｒｅｄＰｅｒｃｅｐｔｒｏｎｓａｓＣｌａｓｓｉｆｉｅｒＳｙｓｔｅｍｆｏｒＤｅｃｉｓｉｏｎＳｕｐｐｏｒｔ￥ＣａｔＪｕｎ，ＺｈａｉＦａｎ＆ＦｅｎｇＳｈａｎ（Ｉｎｓｔ．ｏｆＳｙｓ．Ｅｎｇ．，ＨｕａｚｈｏｎｇＵｎｉｖｅｒ...     

The Electromagnetic Scattering by Buried Complex Objects

ＴｈｅＥｌｅｃｔｒｏｍａｇｎｅｔｉｃＳｃａｔｅｒｉｎｇｂｙＢｕｒｉｅｄＣｏｍｐｌｅｘＯｂｊｅｃｔｓＬｕＳｈｕ，ＣｈａｎｇＭｅｉ＆ＸｕＰｅｎｇｇｅｎＤｅｐｔ．ｏｆＲａｄｉｏＰｈｙｓｉｃｓ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，４３００７２，Ｐ．Ｒ．Ｃｈｉｎ...     

Bilevel Programs with Multiple Potential Reactions

ＢｉｌｅｖｅｌＰｒｏｇｒａｍｓｗｉｔｈＭｕｌｔｉｐｌｅＰｏｔｅｎｔｉａｌＲｅａｃｔｉｏｎｓＷＡＮＧＱｉａｎａｎｄＷＡＮＧＳｈｏｕｙａｎｇＩｎｓｔｉｔｕｔｅｏｆＳｙｓｔｅｍｓＳｃｉｅｎｃｅ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅ．Ｂｅｉｊｉｎｇ...     

A Dynamic Model of Sensibility Analysis in Project Evaluation

ＡＤｙｎａｍｉｃＭｏｄｅｌｏｆＳｅｎｓｉｂｉｌｉｔｙＡｎａｌｙｓｉｓｉｎＰｒｏｊｅｃｔＥｖａｌｕａｔｉｏｎＹＥＭｉｎｑｉａｎｇ（Ｄｅｐｔ．ｏｆＩ．Ｂ．Ｍ．，ＨｕａｑｉａｏＵｎｉｖｅｒｓｉｔｙ，Ｑｕａｎｚｈｏｕ，Ｆｕｊｉａｎ３６２０１１，Ｃｈｉｎａ）Ａ...     

基于神经状态空间的非线性系统建模研究

提出了一种基于神经状态空间的非线性系统建模方法.神经状态空间(NNSP)具有系统的拟线性特性,许多线性系统控制器设计方法均可以扩展到NNSP模型.本文采用了增广卡尔曼滤波方法进行神经状态空间的参数辨识,高阶校验模型用于验证非线性系统神经状态空间的模型的有效性.将本法应用于典型的化学过程的建模,结果表明本方法正确有效.     

精英遗传改进的非线性灰色神经网络算子与军费开支多目标组合预测应用

军费开支属于复杂经济系统下具有宏观经济特征的一类非线性时间序列。在多目标组合下的军费开支预测问题研究背景下,提出了一种基于精英遗传算法(elite genetic algorithm,EGA)改进的非线性灰色神经网络计量组合预测模型,给出了总体建模思路与非线性灰色神经网络算子分系统和EGA分系统设计方法,解决了多准则目标优化的NP完全问题,并对模型的预测效果进行比较分析。采集美国27年间(1990-2016年)军费开支时间序列进行实证检验,分析结论认为非线性灰色神经网络算子能够有效提高模型精度,EGA算法在收敛速度与精度上优于标准遗传算法,采用所建立的预测模型进行军费开支预测精度更高,效果更好。     

基于智能优化灰色模型的电子固废预测

针对已有电子固废产生量预测时存在的建模机理复杂、建模精度低等问题,提出一种分数阶多元灰色模型与神经网络补偿模型相混合的智能建模     

过程控制中的智能集成建模方法

针对复杂工业过程中广泛存在的对象难于辨识的问题,本文讨论了过程控制中的一类集成建模方法.通过研究铅锌冶炼过程的两个对象,分别建立了预测烧结块成分的集成模型和鼓风炉透气性模型.然后阐述了以神经网络为基础,结合其它方法的智能集成建模策略,这种方法由于充分利用了对象的各类信息,能够有效解决复杂对象的建模问题.     

基于回归神经网络的氧乐果合成过程建模与仿真

氧乐果合成过程具有非线性、时变和不确定性的特点，难以采用常规的建模方法建立模型。BP网络可用于非线性系统的建模，但不能很好的反映实际系统的动态特性。提出了一种静态BP神经网络加多分头延时(TDL)环节构成回归神经网络建立系统动态模型的方法，用于氧乐果合成反应温度控制过程的建模与仿真研究。结果表明，该方法建立的模型误差较小、网络泛化能力较强，能较好的反应实际系统的动态特性，从而为培训操作人员的控制水平提供了低成本的仿真手段，也为自动控制算法的研究提供了仿真模型。     

基于动态小波神经网络的非线性动态系统辨识

一种隐层由小波基组成的神经网络被用来实现非线性系统的输入输出之间的映射关系.为描述系统的动态特性,在网络中引入了自回归连接结构.本文给出了详细的用小波神经网络进行系统辨识的算法和步骤.本文提出了一种FC+GD算法以提高训练神经网络的收敛速度.最后,将所提出的方法用于CSTR模型的辨识,并与RBF和MLP网络相比较.     

带推力矢量空空导弹的神经网络控制与仿真

对于新型空空导弹为了使导弹获得更高的的机动性、敏感性和更高的导引精度，大多采用推力矢量控制方案，因为神经网络控制对于系统非线性变化具有很强自适应能力，因而在解决带推力矢量空空导弹的控制问题时有较明显的优点，本文在给出推力矢量空空导弹数学模型的基础上，提出了两种适用于带推力矢量空空导弹的神经网络控制方案，并采用其中的双网络逆动态学习控制方法进行了自动驾驶仪设计，为进一步改善该神经网络的学习效果。还引入基于学习经验的模糊规则。数字仿真表明所提出的神经网络控制对于系统内参数非线性变化具有很强的适应性。     

基于深度网络的蓝军装备模型参数生成方法研究

蓝军装备的建模仿真是构建对抗仿真环境不可缺少的部分。针对蓝方系统可获取的参数有限、具有“贫信息”“小样本”特性的问题,提出一种基于深度网络的蓝军装备模型参数生成方法。通过设定信息注入蓝军装备的仿真模型,生成仿真数据,利用数据训练深度神经网络。得到的网络对该型装备的未知参数预测具有一定的泛化能力,可直接用于预测或作为迁移学习的源模型。以蓝军某型拦截弹的建模仿真为例对该方法进行应用验证,使用了多层感知机和循环神经网络2种网络对比例导引系数进行学习与预测,均获得了较好的效果。     

基于递归小波网络的直升机动力学模型研究

提出一种基于递归小波网络建立直升机动力学模型的方法,给出了模型结构并利用粒子群优化算法对小波网络权参数进行调整。这种网络模型利用内部状态反馈来描述系统的非线性动力学特性,不必事先确定系统模型的类别和阶次,直接建立操纵量与加速度、角速度等变量之间的对应关系,从而避免了建立复杂的气动系数、气动导数模型的过程。与传统的机理模型相比,该模型具有结构简单、并行解算程度高、运算速度快的特点。在某型直升机飞行模拟器中取得了良好的应用效果。     

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。