一种有效的图像目标识别算法

通过提取图像7个不变矩,结合神经网络(BP)对图像目标进行识别计算.结果表明,该算法具有很好的识别效果,可以应用于图像小目标的识别.     

无人直升机纵、横向姿态建模与稳定控制

在实际飞行中设计调整小型无人直升机控制器存在很多危险,为了达到小型无人直升机的姿态稳定控制,设计小型无人直升机试验平台.通过试验,采集控制器输入信号和相应无人直升机飞行姿态角信号,提出了动态系统辨识模型,运用神经网络对所提模型进行了辨识.应用输出反馈实现姿态的稳定解耦控制,仿真结果验证了辨识模型和控制算法的有效性.     

基于ART神经网络的汉字识别

针对汉字的多样性和相似性不同于西方字母,识别相对困难的问题,提出了基于ART神经网络的汉字识别方法．在识别前,利用OpenCV（开源计算机视觉库）将汉字进行图像处理,为后续识别提供输入数据;然后经ART神经网络对输入数据进行训练识别．采用8组相似度较高的汉字作为样本进行实验,证明了方法的有效性．     

一种典型无人直升机操纵机构的建模与分析

无人直升机操纵机构的输入/输出关系复杂,传统上的设计方法有很多局限,为优化操纵系统的设计,必须对操纵机构进行精确建模与分析.针对一种典型的带伺服小翼的无人直升机操纵系统,运用分析空间机构的方法建立其运动学模型,并将整个机构其分解为3个模块,对每个模块的功用进行完整的分析并给出机构运动学方程,最后对整个机构进行数值仿真.     

一种涵道无人直升机模型参数辨识试验策略

针对样例涵道无人直升机,考虑机体振动等环境因素对输出数据的污染,提出一种样例无人直升机悬停模态下模型参数辨识方法．针对带角速率反馈的广义直升机参数辨识模型．利用直升机角速率、线加速度和操纵量依次独立辨识纵向通道模型参数Iy,Ib和Cr．首先根据传感器输出噪声方差先验信息筛选观测数据,有效剔除由此产生的部分野值样本．然后进一步采用低通滤波器对观测数据进行滤波．通过最小二乘法进行二次辨识．试验结果表明．该方法可显著提高模型参数辨识精度并降低参数估计的标准差．     

小型无人直升机建模与分析

由于小型无人直升机具有不同于大型直升机的独特特点,提出采用结构分析法推导小型无人直升机的数学模型.将小型直升机看作2个刚体（机体和主旋翼）,借助Kane方法推导了小型直升机的动力学模型,并与单刚体建模进行了比较.分析表明,2种建模方法的运动学方程和平移动力学方程相同,但旋转动力学模型完全不同.采用2种刚体所建模型的响应具有余弦规律而单刚体所建模型则呈线性规律.飞行试验验证了模型的有效性.     

基于Hu不变矩扩展的交通标志识别

交通标志的识别是智能交通系统(ITS)的组成部分之一，具有十分重要的意义，对Hu提出的区域不变矩和Chen提出的区域不变矩快速算法进行了扩展，得到一组新的描述形状特征的参数，这些参数具有平移、缩放和旋转不变性，并且具有较低的计算复杂性，具有Hu和Chen方法的综合优点．     

无人武装直升机火力控制系统技术分析

该文结合无人武装直升机的作战任务,给出其火控系统功能、组成和结构框架,对相关火控关键技术进行分析,提出在该领域应重点开展的研究项目,用于支持未来无人武装直升机火控系统的研制和作战使用.     

一种联合多神经网络分类器的融合算法

给出了一种用于目标识别的自适应神经网络 ,在此基础上 ,提出了一种联合多神经网络分类器的融合算法。舰船目标实测数据分类实验证明 ,基于该融合算法的分类系统具有可靠性高、识别率高、推广性能好等优点。因此 ,在水下目标识别系统中 ,具有重要的工程应用价值。     

一种新的掌纹特征提取算法

提出一种基于小波图像分解和不变矩函数的掌纹特征提取算法.该算法首先对掌纹ROI灰度图像进行N层二维小波分解,得到3N 1幅子带图像,分别计算每幅子图像的各阶不变矩函数作为特征向量.该算法首次将不变矩理论应用于掌纹识别,可对掌纹ROI灰度图像直接提取特征,去除了如图像增强和纹理细化等预处理算法所带来的消耗,得到的特征向量长度远小于传统算法.作者使用自行采集的数据库对该算法进行实验,获得了98.33%的正确识别率,验证了算法的有效性和准确性.     

地物波谱组合识别的神经网络模型

遥感探测是一个多参数、高混合度的综合识别问题。利用BP神经网络的全局训练特性，直接利用教师信号来训练，建立了一个多组合的地物识别模型。实例验证了这种组合识别模型具有简单性、实用性和准确分辨等特点。     

小型无人直升机悬停状态下的系统辨识

提出了一种渐消记忆的最小二乘逐状态辨识算法,相对原来利用最小二乘进行无人直升机矩阵辨识的方法,该算法能极大地减小计算量,降低计算的复杂程度以提高计算过程的稳定性.并采用该方法建立了小型无人直升机系统的ARMAX模型和MIMO模型,还通过仿真对2种模型做了对比,结果显示MIMO模型能更精确地描述小型无人直升机系统.     

基于Matlab的轻型无人直升机V带传动张紧机构分析

无人直升机因其机动灵活的飞行方式,得到了广泛应用。V带作为轻型无人直升机传动系统中的重要组件,与齿轮减速器相比,具有轻量化和传动比选择范围较宽等优势。为了提高V带传动组件的可靠性,并为直升机在线监测提供理论基础,阐述了V带张紧机构的设计原则,并对V带张紧机构进行了参数化建模。最后,采用MATLAB软件对该参数模型进行了仿真分析,结果表明V带设计参数对V带基线长度与张紧机构工作行程之间关系曲线的影响很小。     

一种基于多级神经网络分类器的沉积相识别方法

由于油层沉积特性本身的多样性和复杂性，造成了沉积相各类别之间测井曲线形态差异较小，这无疑增加了识别难度。针对这一问题，给出了一种新的沉积相识别方法，该方法通过将神经网络和多级分类器相结合，有效地提高了识别精度，最后用实例验证了该方法的正确性。     

基于动力学模型的小型无人直升机自主飞行控制算法

引入小型无人直升机简化动力学模型,阐述了简单、高效的MTC(Model and Trajectorybased Controller)控制算法.基于该算法所实现的飞行控制算法包括两部分:基于转动动力学模型的直升机姿态控制和基于二次积分关系的位置控制.所设计的MTCV算法包含具有良好鲁棒性的位置控制及速度控制功能,并可用于直升机多航点路径的不减速连续飞行控制.仿真实验和实际飞行控制实验结果表明,本飞行控制算法具有有效性和实用性.     

基于不变矩特征及BP神经网络的图像模式识别

根据图像的不变矩特征,应用BP神经网络实现了图像的模式识别.由于神经网络本身具有很强的学习能力及容错能力,且采用并行工作方式,因此,此识别方法与传统的模式识别方法相比,具有较强的抗干扰能力及较快的识别速度.本文通过实验验证了此方法的有效性.     

基于遗传算法的神经网络油水层识别

文章研究了基于遗传算法的神经网络油水层识别方法,针对神经计算存在因输入信息空间维数较大而使网络结构复杂、训练时间长,以及因冗余属性使网络拟合精度不高等缺点,提出了基于粗集属性约简方法降低了输入信息的空间维数、减少了运算量和简化了神经网络的拓扑结构,利用遗传算法提高神经网络的训练速度。实验结果表明:将混合智能计算方法应用于油水层识别中效果显著,其学习训练速度和拟合精度远优于传统BP神经网络算法。