前馈神经网络泛化性能力的系统分析

通过对多层前馈网络的运行机制的系统分析 ,指出影响前馈网络泛化能力的根本原因是训练网络用的样本 ,包括样本质量、样本数量和样本代表性三个方面 .针对复杂系统给出了一种提高前馈网络泛化能力的途径 ,并通过对仿真算例的计算验证了得出的结论 .     

面向对象的图形化自动建模系统的研究

随着系统复杂程度的不断提高,手工建模方法已越来越不能适应人们的需求,将逐渐被自动建模方法所代替。本文采用了先进的图形化方法,借助了面向对象的设计思想,开发了一个具有高度开放性的自动建模环境,利用它可以方便地实现复杂系统仿真模型的自动生成,并已成功地应用于电站热力系统,流体网络和控制系统的仿真研究。     

一种时空联合约束的多源航迹相似性度量模型

针对传统方法无法有效度量多源异步航迹时空相似性的问题,该文提出了一种适用于多源异步航迹的相似性度量模型。基于时间和空间联合约束下寻找近似时空特征匹配点的思想,通过设置时间和空间阈值上寻找符合要求的匹配点,并通过空间相似函数度量匹配点的相似性,确定最优匹配点并计算多源航迹间的航迹时空相似度。实测数据表明,该模型可以有效度量异类传感器航迹的相似性,且时间性能较优。基于该模型的航迹关联算法在仿真的复杂多目标环境中的关联准确性优于现有算法,且在对海雷达误差估计中得到了应用。     

一种判断矩阵的不一致性调整方法

针对判断矩阵的不一致性调整问题,考虑标度在因素重要性描述中的模糊性,提出了一种基于扰动矩阵的层次分析法(analytic hierarchy process,AHP)中各要素排序权值计算新方法(BDA-CAHP)。该方法将判断矩阵分解为一致性矩阵与扰动矩阵,基于扰动矩阵调整的理论分析,得到了不一致性调整步骤。实例说明了该方法的有效性。     

基于模糊集的故障检测方法

针对limit checking故障检测方法的缺点,提出了一种基于模糊集的故障检测方法。该方法基于传感器测量值的不确定性和门限值具有模糊的客观属性,在检测值所有可能值的论域上划分模糊子集,将检测值偏离门限值的程度用隶属函数与模糊子集报警权重表示。考虑到时间因素对检测结果的影响,提出采用时间窗函数的方法计算时间窗内的报警权值之和作为模糊检测决策依据。仿真结果表明,基于模糊集的故障检测方法相比于持续性计数(Persistence Counter)方法具有更好的检测性能。     

基于飞行体间精确测距的动态相对定位方法

飞行体间的精确相对定位是实现飞行体协同工作的重要技术基础。提出了一种将飞行体惯导信息与相对距离测量信息相结合、实现两飞行体间精确动态相对定位的算法。首先利用较为精确的相对距离测量信息对两飞行体惯导系统的相对误差进行单次修正,提高了两飞行体间的单次相对定位精度。然后,利用相对距离信息进行相对机动状态的检测,并根据检测结果对状态滤波模型进行选择和切换,实现飞行体间的动态相对定位。仿真结果表明,本算法具有较高的相对定位精度和稳定性。     

满足使命需求的武器装备系统组合方案搜索算法

武器装备系统组合是武器装备体系构建的基础。武器装备体系需求建模与仿真的一项基础工作是获得满足使命需求的可行武器装备系统组合方案,从而为武器装备体系需求模型构建提供基础数据支持。本文针对使命需求到装备系统之间的三层映射关系,利用改进的向量运算提出了一种满足武器装备体系需求建模与仿真的需要的装备系统组合方案搜索算法,通过实验证明算法具有便于编程实现、实用性强、可靠性高的特点。     

基于DPSO最小碰集算法的掩盖故障识别

针对可测性分析中掩盖故障识别的难点,提出一种掩盖故障存在性的判定及计算其冲突集方法;并将离散粒子群算法(discrete binary particle swarm optimization,DPSO)用于求解冲突集的最小碰集,实现掩盖故障最小碰集的求解;为克服DPSO易陷入局部最优的缺点,还比较了惯性权重对DPSO算法性能的影响。实例验证表明:与求解掩盖故障的其他方法相比,惯性权重线性变化的DPSO算法不仅提高了算法效率,而且避免了其他算法求解时容易出现"计算爆炸"的问题,尤其适合于识别大型复杂系统的掩盖故障。     

UWB通信系统中的窄带干扰检测算法研究

针对改进的多带并发UWB通信系统的干扰检测算法和干扰抑制性能进行了分析.鉴于传统多带UWB调制方案的不足,对改进的多带并发UWB通信系统进行了数学分析和描述.在此基础上,提出了一种新的低采样率的共存干扰检测算法——并发子带干扰检测算法,并对该算法进行了数学分析和系统仿真.分析和仿真结果表明,该算法可在信号帧速率的采样量级上,完成对共存窄带干扰的有效检测,并与多带并发UWB系统的干扰抑制处理相结合,可对共存干扰进行有效抑制,明显改善共存UWB系统的误码率性能.     

基于BFM算法的空间有形目标识别方法

为了对具有复杂边缘的目标进行更准确的检测识别,提出了一种基于边界片段模板(boundary frag-ment model)训练模式的目标识别方法.方法首先提取目标的边界片段组成弱分类器,然后使用AdaBoost算法将它们提升训练成为强分类器,并用其进行检测和识别目标.仿真实验表明,该方法对有形目标,特别是对具有复杂边缘的空间有形目标有较好的识别效果.