基于UKF的自组织模糊神经网络训练算法

如何生成最优的模糊规则数及模糊规则的自动生成和修剪是模糊神经网络训练算法研究的重点,针对这一问题,提出了基于无迹卡尔曼滤波（unscented Kalman filter, UKF）的自组织模糊神经网络的训练算法。分析了模糊神经网络的非线性动力系统表示,并用递推最小二乘法（recursive least square, RLS）和UKF分别学习线性和非线性的参数,给出了模糊规则生成的准则和参数更新的策略;然后,用误差下降率方法作为模糊规则修剪的策略,删除作用不大的规则。通过典型的函数逼近和系统辨识实例,表明所提算法得到的模糊神经网络的结构更为紧凑,泛化性能更佳。     

高弹改性沥青混合料低温性能试验研究

选用高弹改性沥青制备沥青混合料,通过劈裂试验和小梁低温弯曲试验研究沥青用量、纤维掺量对高弹改性沥青混合料低温性能影响规律。研究表明,高弹改性沥青混合料低温性能优于SBS改性沥青混合料,纤维掺量一定时,沥青质量分数每增加0.2%,混合料劈裂强度和弯拉强度分别提高2.0%～5.1%、2.3%～4.6%;纤维质量分数由0.3%依次增加0.1%,混合料劈裂强度平均分别提高2.8%、7.5%、1.8%,弯拉强度平均分别提高3.1%、8.8%、0.8%。对此,建议高弹改性沥青混合料低温性能最佳配比是沥青质量分数5.2%、纤维质量分数0.5%。     

基于内聚度理论的反导作战任务结构评估

为了构造内聚度适宜的任务模块,该文提出了基于内聚度理论的反导作战任务结构评估方法。定义了基于约束结构的内聚度形式化概念,分析任务组成及其约束结构。建立了基于任务关联矩阵的内聚度度量模型,实现任务模块的内聚度定量计算,提高任务分解的快速性和准确性。最后,根据任务分解的评估准则,通过实例说明该方法的可行性和有效性。该方法可实现任务结构的柔性控制,为评估作战任务分解方案提供有效指导。     

反导任务规划的重叠模式分析

针对反导任务规划的高时效性难题,建立重叠模式的时间收益模型,并探讨了其优化规律。首先,界定重叠模式的概念和机理;其次,应用信息累积函数,度量信息累积的进展情况,利用返工函数量化返工率的动态变化,综合权衡有效工作时间和返工时间,建立时间收益模型;最后,以提高时间收益为切入点,揭示关键参数与时间收益的关系,讨论重叠模式的优化规律。重叠模式谋求信息与火力整体作战效能最大化,对提高反导体系作战能力具有一定的指导意义。     

基于鲁棒自适应控制理论的导弹纵向逆控制

针对高机动导弹纵向运动数学模型具有严重非线性、不稳定、多变量耦合以及模型不确定等特点,提出了一种基于鲁棒自适应控制理论和动态逆相结合的导弹纵向控制系统设计方法。该方法以非线性动态逆控制为基本控制律,能够在复杂的飞行条件下,实现对高机动导弹的精确线性化,解除了多变量之间的耦合关系;并引入鲁棒自适应控制律,以抑制模型参数变化的摄动和外部干扰的影响,保证了导弹的纵向稳定性及其纵向飞行品质。仿真分析验证了控制方法的有效性。