混沌时间序列的自适应正交小波神经网络预测

针对非线性混沌时间序列预测问题,提出一种基于正交小波神经网络的自适应预测算法.根据来自非线性序列模型的期望输入输出数据,利用小波框架理论建立初始的小波神经网络.采用正交化逐步选择方法对于初始小波神经网络进行结构优化,从而建立最精简的网络模型.同时引入在线学习算法在线修改网络权值和小波神经元的参数,从而提高模型的自适应能力和泛化能力.通过对时滞Mackey-Glass超时间序列和时变Lorenz混沌序列的预测,证明了算法的有效性.     

多个多弹头在轨武器平台的目标分配优化

为了解决多个多弹头在轨武器平台目标分配优化计算量较大的问题,提出了一种离散粒子群算法与禁忌搜索相结合的目标分配(discrete particle swarm optimization-taboo search, DPSO-TS)算法进行局部操作。首先建立了基于遗传算法的单个多弹头在轨武器平台拦截轨道优化模型,确定了拦截所需的速度增量和消耗燃料的质量;其次提出了以打击目标数目和单个多弹头在轨武器平台剩余燃料的最小值作为优化指标,建立了基于DPSO TS算法的目标分配优化模型;最后仿真结果表明DPSO-TS算法在保持DPSO算法收敛精度的前提下,收敛速度更快,该方法能够快速有效地解决多个多弹头在轨武器平台的目标分配优化问题。     

最小二乘支持向量机在多层金属膜厚度检测中的应用

利用多频激励的单一电涡流传感器对工件表面两层金属膜厚度及传感器探头与被测工件之间间隙进行检测,采用多项式拟合法及最小二乘支持向量机技术对系统分别建模.实验结果表明,采用多项式拟合建立的预测模型可以使得传感器的最大位移灵敏度系数由1.03mm-1下降至0.27mm-1,对系统性能有一定的改善;采用最小二乘支持向量机技术建立的预测模型可以使传感器的最大位移灵敏度系数趋于零.传感器测量间隙对铝膜厚度及铜膜厚度测量的交叉敏感得到了有效的抑制,从而提高了系统模型的预测精度.因此采用最小二乘支持向量机建立的回归模型具有较好的预测能力及分析优势.     

基于ARIS的战时备件需求仿真模型研究

为了准确预测战时备件需求,依据目前我军的维修保障机制和运行过程,采用ARIS方法,对战时装备维修过程进行了分析,建立了战时备件需求的仿真模型。     

基于GA-Fuzzy的混沌系统辨识研究

提出用遗传算法优化的Takagi-Sugeno-Kang(TSK)模糊模型对未知或不确定的混沌动力学系统进行辨识。在辨识未知混沌系统的TSK模型过程中，只需利用未知混沌系统的输出时间序列。首先，采用模糊聚类分析方法从训练数据建立其初始TSK模糊模型。然后采用实数编码的遗传算法对初始模型进行优化设计。同时为防止破坏模糊规则的语义属性，对遗传搜索空间采取了适当的限制。用辨识模型重建吸引子方法定性地评价辨识模型，通过计算辨识模型的Lyapunov指数定量地评价辨识模型的性能。仿真结果表明，该辨识模型能很好地逼近原混沌动力学系统，准确地体现原混沌系统的动力学特性。     

基于ActiveX控件的网络虚拟仪器实验室

探讨一种如何利用ActiveX控件创建网络虚拟仪器实验室的通用方法，并创建了网络虚拟仪器实验室，整个系统基于浏览器／服务器构架，在VB6．0环境下采用ActiveX控件技术设计出虚拟仪器，并将其制作相关的网页通过Internet向外发布，用户通过浏览器向Web服务器提交命令和参数，远程控制实际的仪器设备，实时观察结果。     

基于中心极限定理的备件需求量计算模型

备件需求量的确定是进行备件科学合理储备的关键。针对基层部队武器装备的现状,为满足部队作战和训练所需,利用中心极限定理构建了装备备件需求量的计算模型,并通过实例证明了该计算模型的可行性。