基于神经网络的无源多传感器属性数据关联

采用引入动量项、自适应调整步长，Levenberg-Marquardt优化方法对基本的BP神经网络进行改进，以提高学习速度，改进的BP神经网络学习算法用于对无源多传感器获得的雷达辐射源参数进行属性数据关联，能够自适应地调整阈值，即根据训练数据调整关联的门限值，与确定门限的属性关联算法相比，有着很高的关联正确率。     

Prediction Method of Vessel Maintenance Outlay Based on the BP Neural Network

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＦｏｒｍｅｒｌｙ ,ｔｈｅｍａｎａｇｅｍｅｎｔｏｆｖｅｓｓｅｌｏｕｔｌａｙｕｓｅｄｔｏｐａｙｍｏｒｅａｔｔｅｎｔｉｏｎｔｏｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｖｅｓｓｅｌｅｑｕｉｐｍｅｎｔａｎｄｔｈｅｉｎｖｅｓｔｍｅｎｔｉｎｐｕｒｃｈａｓｉｎｇ ,ｂｕｔｉｇｎｏｒｅｓｏｍｅｐｒｏｂｌｅｍｓｏｆｔｈｅｏｕｔｌａｙｓｐｅｎｔｏｎｔｈｅｕｓｅ ,ｍａｉｎｔｅｎａｎｃｅ ,ｅｔｃ .ｏｆｔｈｅｅｑｕｉｐｍｅｎｔ .Ｉｎｇｅｎｅｒａｌ,ｔｈｅｔｉｍｅｏｆｕｓｉｎｇｖｅｓｓｅｌｅｑｕｉｐｍｅｎｔｉ…     

基于进化ANFIS的制导炸弹智能控制系统研究

针对目前制导炸弹命中精度低的问题,首次提出一种基于进化自适应神经模糊推理系统(ANFIS)的制导炸弹智能控制系统。该系统不基于数学模型,用独特的空间分层方法建立若干模糊推理系统,依靠专家经验来获取控制信息。规则库是通过系统对训练数据进行自学习,并在自学习的过程中引入遗传算法进化调整系统结构和参数而建立的。通过计算机仿真,该智能控制系统具有精度高、泛化功能强且实现了调整智能化等优点。可以预见,这种智能控制系统在军事上有很好的应用前景。     

基于BP神经网络的海洋声学仪器信号识别方法

分析了几种常用海洋声学仪器信号的基本特征,提出一种基于误差反向传播(back propagation,BP)神经网络,以实现对信号特征参数进行分类、识别的方法.该方法采用短时傅里叶变换提取信号特征参数,运用Levenberg-Marquardt算法训练BP神经网络.以实测海洋声学仪器信号的特征参数进行训练后,采用实测和仿真样本对BP神经网络的识别能力进行测试.实验结果表明,BP神经网络能够有效地区分不同海洋声学仪器的信号,识别准确率达到95%以上,且虚警率低于5%.该研究成果可用于识别海域中不同海洋声学仪器,检测海洋中声学仪器的工作状态.该识别方法对于其他海洋声信号的识别研究也有一定的参考价值.     

基于BP网络的PID控制器参数整定法研究

将神经网络和PID参数的整定相结合,提出了基于误差反传神经网络的PID参数整定方法,通过神经网络的自学习和权值调整寻找最优的PID参数。该方法适用于非线性系统和时变系统,实现了PID参数的在线整定。     

基于GA-BP算法的隧道围岩力学参数反分析

建立智能位移反分析系统,用其确定隧道围岩的力学参数.针对BP神经网络易陷入局部极小值和训练时间过长等缺点,利用遗传算法全局寻优能力优化BP神经网络的权值和阈值.结合均匀设计法在围岩力学参数初始域范围内设计实验方案,这样不仅减少了迭代时间和次数,还提高了预测精度.通过对绿春坝隧道围岩力学参数的反演,验证了该方法的可靠性及适用性.将反演得出的围岩力学参数代入到数值模型中进行计算,结果表明,数值计算值与现场实际监测值的误差分别为-8.9%和4.5%.     

基于BP神经网络的中文分词算法研究

简要探讨了BP神经网络的学习过程与主要参数,分析了基于BP神经网络的中文分词算法,并在用joone-editor建立的神经网络模型中加以实验。     

基于网络响应面的多目标优化方法

为提高多目标优化算法的收敛性以及Pareto解的分布均匀性,构建了基于网络响应面的多目标优化方法.将前馈（BP）网络以及自适应共振（ART）网络的优点相结合,充分利用各子目标每1次独立优化时获得的最优解,并将其作非占优判断后作为初始样本自适应地构建网络响应面,从而提高了Pareto解的收敛性以及多样性指标.对网络获得的每个新类进行各子目标值计算,同时对该子目标值做相似度计算,进一步剔除相似度高的样本,从而提高了Pareto解的分布性指标.通过常用的多目标优化测试函数验证该方法,并与改进的非支配排序遗传算法（NSGA-Ⅱ）以及随机权和算法作对比,结果表明该方法能明显改善多目标优化方法的各性能指标.     

基于熵权法的飞机燃油流量全航程组合预测

在复杂的航班运行中,影响各飞行阶段的主要因素不尽相同。以当前使用范围较广的B737NG飞机所使用的快速存取记录器(Quick Access Recorder,QAR)的大量数据进行研究,将航段划分为巡航、爬升、下降等阶段,利用熵权法确定不同预测模型的权系数,建立全航程组合预测模型。利用Pearson相关性系数分析筛选建模数据,以平稳小波Rigorous SURE的方法对数据进行预处理、滤波去噪。针对BP神经网络(误差反向传播网络)在飞行状态复杂的下降及地面阶段预测效果不理想,引入回归模型进行修正。以熵值法确定动态权系数,即结合飞行阶段进行分段预测,以飞行参数为基础建立燃油流量(FF)的全航程组合预测模型。通过仿真分析,并选取航班中普遍且具代表性的情况验证预测模型的精确度,误差范围均在±3.5%内,证明该模型合理且具有较广的适用范围。     

神经网络在填石路堤沉降计算中的应用

通过对我国近年来所取得的填石路堤的沉降观测资料进行整理分析,提出了填石路堤沉降计算的新方法,即BP神经网络模型计算方法。采用BP神经网络较强的非线性映射能力和学习能力,提出了基于BP神经网络的填石路堤沉降预测的新方法。