一种基于模糊Kohonen网络的飞行数据智能处理方法

为了充分利用飞行参数记录仪 (黑匣子 )记录的数据 ,对飞行质量进行评估 ,需要把数据按动作进行分段。以是否含有标准飞行动作为分段标准 ,设计了一种飞行数据的分段模型———模糊Kohonen网络。首先对每帧飞行数据进行特征检测 ,将根据专家经验模糊处理得到的隶属度矢量作为模糊Kohonen的输入 ,经过该网络决策 ,最终得到以时间划分的标准飞行动作数据段和非标准飞行动作数据段。经实际飞行数据检验 ,该方法准确、有效。     

基于机动动作类型识别的飞行员飞行训练质量自动评估方法

飞行训练质量评估是飞行员日常飞行训练的重要组成部分，针对传统飞行训练质量评估方法评估效率低、主观性强等问题，提出了一种基于机动动作识别的自动评估方法。首先，通过构建采用多尺度特征提取的深度残差网络(multi-scale feature extraction deep residual network, MSDRN),实现了战术机动动作的准确识别，克服了传统机动动作识别方法识别准确度低的问题。然后，针对不同类型的战术机动动作，构建了飞行质量评估指标体系，在具体评估时，根据动作识别结果自动选择评估指标，并采用基于博弈论的组合赋权法计算并获得评估结果，由此构建了基于机动动作类型识别的飞行员飞行训练质量自动评估方法。所构建的动作识别方法相较于利用传统的一维卷积神经网络(one-dimensional convolutional neural network, 1D-CNN)、残差神经网络(residual neural network, ResNet)构建的分类器，识别准确度分别提升了16.2%和3.5%,识别计算时间相比ResNet缩短了23.9%。所提出的整个飞行训练质量自动评估方法摆脱...     

基于分形理论和神经网络的红外图像分割算法

针对实现红外图像的分割,快速准确地检测出红外序列中的人造目标的需要,结合分形特征和Ko-honen神经网络的特点,提出了一种基于分形技术的图像分割算法。该算法利用自然背景和人造目标的不同分形特征检测目标,提出了包括分形维数在内的7个红外图像特征,结合神经网络的自组织学习能力来进行图像分割。给出了算法实现的具体步骤。仿真试验结果表明,该算法能有效地实现红外图像的分割。     

无人侦察机实时仿真系统

无人侦察机实时仿真系统用于进行地面控制站的模拟训练。衡量模拟训练仿真系统优劣的重要指标是模拟的真实性，技术核心是飞行控制系统仿真和视景仿真实现方法的运用。利用MATLAB/SIMULINK环境对已知的飞行控制系统进行仿真，通过实际飞行数据对仿真结果进行最小二乘曲线拟合，修正飞行参数方程，实现模拟飞行的真实性；介绍了贴近真实场景的视景仿真方案的选择。仿真系统具有重要的理论价值和应用价值，为无人机模拟训练系统开发提供了借鉴思路。     

基于规则的无人机集群飞行与规避协同控制

针对已有方法在大规模集群系统控制方面的不足,提出一种基于规则的无人机集群系统飞行与规避自主协同控制方法。受群智能思想启发,定义集群内无人机成员的基本飞行规则,实现无人机集群正常飞行和队形重构,在此基础上,将规避动作作为一种新的飞行规则,通过设置相应的规则权重系数,建立整体和成员两种规避控制机制,最后基于线性反馈控制理论证明了无人机集群系统的稳定性。仿真结果表明,所提方法能够控制集群正常飞行并有效处理规避问题,同时具有良好的实时性。     

双机编队飞行自适应神经网络控制设计与仿真

飞机编队飞行控制的关键技术就是保持编队队形并且跟踪指定的飞行路径.考虑到编队飞机之间的相互影响,根据相对位置和全局坐标系统(编队中心)采用混合控制结构对编队飞机进行控制,使用神经网络自适应控制技术使得两机具有良好的模型跟踪能力,以便于僚机实现良好的跟踪,保持编队之间的相对距离;同时设计三通道神经网络混合PID控制器使得飞行控制系统快速跟踪指令,保持编队队形.以两架无人机为研究对象进行仿真,结果表明设计的编队飞行控制系统具有较强的稳定性和自适应跟踪性能.     

基于深层卷积神经网络和双谱特征的雷达信号识别方法

针对复杂电磁环境下利用人工提取特征识别雷达信号存在的主观性强、特征冗余的问题,提出了一种基于深层卷积神经网络的识别方法。该方法首先提取雷达信号的双谱信息作为深层卷积神经网络模型的输入,然后利用模型的自学习能力提取深层特征,实现对不同调制样式雷达信号的识别,最后对不同结构网络模型的识别结果进行对比。仿真实验结果表明,相比传统雷达信号识别方法,该方法对于不同调制类型信号的识别效果优异,并且在识别率、抗噪性上都有所提升。     

基于神经网络的辐射源识别系统设计

针对当前辐射源识别系统中存在的问题,提出了一种结合神经网络技术的辐射源识别新方法。该方法可以快速高效的识别各类辐射源,既有基于统计分析的辐射源识别系统的快速性,又有基于专家系统的辐射源识别系统的自适应性和准确性。实际仿真结果表明该方法是有效的,尤其对于参数不全、参数畸变的雷达辐射源,其识别率和识别置信度都有较大提高。在本文方法的基础上,设计出一种结构简单、快速有效的辐射源识别系统,具有一定的推广价值。     

基于World Wind的RNP飞行程序三维可视化仿真

针对所需导航性能(RNP)飞行程序的虚拟现实验证问题,结合RNP飞行程序的特点重点解析了航线及RNP隧道的结构和计算方法。利用World Wind三维地理信息系统的二次开发功能,提出了一种RNP飞行程序三维可视化及模拟飞行的方法,实现了高分辨率地理环境下飞行航迹、包容区隧道的三维可视化及动态的模拟飞行。最后利用该方法对典型的RNP飞行程序进行了仿真,结果表明该方法能够方便快速地完成RNP飞行程序三维仿真,可用于RNP飞行程序的设计及验证。     

复杂装备多因素耦合安全性QHS-ESN度量

针对装备安全事故耦合机理不明确、危险因素关联复杂的问题,提出场景分割耦合方法。将危险因素分割为危害故障、人为失误、致命环境、危险属性4个分量,从危险分量之间的非线性耦合关系拟合角度进行装备安全性度量;在此基础上,利用量子和声算法较强的全局寻优能力,构建一种新的量子和声搜索回声状态网络(quantum harmony search echo state network, QHS-ESN)模型及其算法。并将其应用到某型飞机低空大表速飞行安全性度量中。仿真结果表明,该模型比原有的回声状态网络模型、和声神经网络模型在低空大表速飞行场景危险分量非线性耦合关系拟合上,兼顾拟合精度和稳定性能,具有更好的装备安全性度量效果。     

面向LVC训练的蓝方虚拟实体近距空战决策建模

真实-虚拟-构造为近距空战对抗训练提供了有力支撑。针对课题对蓝方虚拟实体的实际决策建模需求, 在对比分析深度强化学习与经典智能优化方法的基础上, 从优化理论的角度对神经网络的权值空间和结构空间进行定义, 提出基于智能优化的进化神经网络决策模型及其求解方法。首先，分析近距空战战术特点, 战机飞行运动模型, 实际决策建模需求。其次，分别设计战机关键飞行状态、动作空间、适应度函数, 实现蓝方端到端感知与决策。最后, 给出基于经典遗传神经网络的决策模型及求解示例。结果表明, 所提方法可实现蓝方战机通过对抗数据来学习对手作战特点的功能, 验证了模型及方法的有效性; 同时所提方法对目前智能优化及其改进算法, 以及不同结构神经网络具有通用性。     

基于NMF与CNN联合优化的声学场景分类

针对声学场景分类任务中复杂声学环境的特征表示问题, 提出一种联合训练特征提取和分类模型的优化算法。将非负矩阵分解与卷积神经网络的训练相结合, 利用网络的损失值实现对特征提取和网络参数的共同更新, 以学习到更具判别性的有监督特征。在TUT2017数据集上提取对数声谱图作为基础特征, 搭建深度卷积神经网络进行实验验证。仿真结果表明, 所提算法的识别准确率相比优化前提升3.9%, 且优于其他两种常用声学特征, 证明该算法能够有效提升整体分类效果。     

基于模糊小波网络的防空导弹自动驾驶仪设计

针对防空导弹的飞行控制问题,提出一种基于模糊小波网络的导弹自动驾驶仪设计方法。该方法利用模糊小波网络良好的学习和参数自调整能力,因而使建立的系统辨识器及控制器能够很好地近似系统动态特性,逼近最佳控制效果。给出了应用该方法的具体实现步骤,结合导弹飞行的全弹道典型特征点参数,通过仿真实验说明了设计方法的有效性。     

基于神经网络的声场景数据声谱图提取方法

在复杂环境声场景识别任务中, 梅尔频谱作为输入的深度卷积神经网络有良好的识别能力, 然而梅尔滤波器组依据人耳生理特征设计, 对于声场景识别并非最优滤波器组。针对此问题提出声谱图提取神经网络取代传统梅尔频谱提取过程, 通过训练该网络使声谱图自动适应声场景数据集。声谱图提取神经网络连接ResNet50作为声场景识别架构, 在DCASE2019声场景数据集上进行训练与测试, 实验结果表明该架构比传统模型有更高的识别率, 能够有效调整频率曲线、滤波器幅值以及滤波器形状。     

基于混合智能技术的非线性对象优化控制模型

提出了一种工业过程优化建模的系统化方法 ,即利用模式识别优化技术 ,对生产过程数据进行优劣分区 ,选取其优区和可控区数据 ,利用结合遗传算法的人工神经网络建立对象的数据驱动模型。实验结果表明 ,该模型有较好的适应能力 ,能很好地解决复杂系统的优化控制问题。     

基于卷积神经网络的串行空时分组码盲识别算法

针对多输入单输出(multiple input single output, MISO)系统中的空时分组码(space-time block code, STBC)盲识别问题, 提出了一种基于卷积神经网络(convolutional neural network, CNN)的串行STBC识别方法。首先, 结合STBC识别问题提出了基本CNN (CNN basic, CNN-B)框架; 然后在分析STBC相关性的基础上, 针对空间复用和Alamouti信号混叠问题, 设计了基于相关性的CNN (CNN based on correlation, CNN-BC)模型; 最后将STBC数据集输入到网络模型中, 完成网络的训练和识别测试。仿真结果表明, 相比于基于特征提取的传统算法, 该方法将可识别的STBC扩展到了6种, 并且在低信噪比下的识别准确率更高, 识别过程可控制在微秒级别, 具有较高的工程应用价值。     

基于粗糙神经网络的航空电子传感器故障诊断

针对航空电子传感器系统是由多个子系统所组成的复杂大系统且很难量测系统输入,传统故障诊断方法难以评估这类系统的问题,提出了一种基于粗糙神经网络的航空传感器故障诊断方法。该方法首先运用Kohonen网络对航空电子传感器测量得到的连续数据进行离散化,然后用粗糙集理论进行知识规则的提取,最后用提取的知识作用于一步预测神经网络,用该网络预测结果与航空电子传感器实际输出进行阈值比较,进而进行故障检测。仿真实验和实际应用表明,该方法可行并能有效地检测传感器故障,且故障诊断率高。     

基于模糊神经网络的气动参数拟合

鉴于模糊神经网络可以充当万能逼近器，以任意精度逼近任何非线性函数，本文用模糊神经网络对气动参数进行高精度拟合。在飞行器轨迹计算中用拟合得到的计算公式计算气动参数，可大大节省计算机时和存贮单元，提高计算精度，仿真实验亦表明了这一方法的有效性和可行性，这在飞行器的轨迹计算中是值得采用和推广的方法。