摘要：针对当前物体轮廓分类方法的不足,提出一种基于物体特征轮廓的单类判别方法.首先修正了一种利用傅里叶描述子对轮廓归一化的方法;然后采用主成分分析对训练轮廓集的符号中心距离点列进行特征向量提取,生成类似"特征脸"的特征轮廓;最后根据轮廓在特征轮廓上投影所产生的截断误差不同设定阈值,进行轮廓类别判定.实验结果表明,与单类支持向量机方法相比,该方法的判别准确率提高了20%.

摘要：分析了 DIS系统的特点 ,建立了某反舰导弹武器系统 DIS体系结构 ,并应用 DR、VR技术对武器系统进行计算和仿真 .

摘要：讨论了符号产生器形成攻击画面的原理，给出了符号产生器电路及其与单片机的接口设计。

摘要：为实现攻击近岸目标过程中数据链网络高效运行,依据反舰导弹协同攻击的模型,构建了分级网络体系结构。由于建立分级网络的关键在于网络节点的分簇及其维护,为此,提出了一种基于节点地理位置信息的网络管理分簇算法;通过比较簇内节点被赋予的权值,选取分簇簇首;针对数据链网络拓扑经常变化的特点,设计了考虑作战实际的网络管理分簇维护方案。仿真实验表明,与其它分簇算法比较,该算法提高了数据链网络的稳定性和运行效率。

摘要：在导弹系统存在不确定性情况下,基于自适应反演控制技术和模糊神经网络理论,提出了一种导弹滑模控制系统设计方法。设计过程中将不确定性对系统的影响合成为一项,然后应用模糊神经逼近器来逼近系统的不确定项;考虑了已知信息,利用自适应模糊神经控制理论和滑模控制设计了控制器,应用Lypunov稳定性理论保证了闭环系统的稳定性,并推导出模糊神经逼近器各参数的自适应调节律。最后给出了BTT导弹6自由度数字仿真结果验证了该设计方法的有效性。

摘要：为了克服隐马尔科夫模型(hidden Markov model,HMM)在训练时波氏(Baum-Welch,B-W)算法易陷入局部最优解的不足,采用多智能体遗传算法(multi-agent genetic algorithm,MAGA)对其进行参数估计,设计了染色体编码方法和遗传操作方式。利用Viterbi算法的状态估计和状态回溯能力对温控放大器进行状态监测和健康评估研究,仅需建立一个HMM,大幅度减少了HMM作为分类器使用时的模型训练计算量。仿真结果表明,MAGA优化的HMM具有更好的状态监测性能,采用Viterbi算法得到的状态概率值对设备进行健康评估有效可行。

摘要：为了解决以导弹法向过载为输出的非最小相位问题,采用了输出重定义技术。根据导弹的法向过载和角加速度重新定义了新输出量。推导了系统为最小相位系统的条件。考虑到输出重定义技术的鲁棒性问题,采用了变结构控制方法设计导弹的过载控制系统以提高鲁棒性。举例进行了仿真研究,结果证明了过载控制系统的稳定性和鲁棒性。

摘要：针对最小二乘支持向量机(LS-SVM)参数估计与稀疏化问题,提出了采用多智能体遗传算法(MAGA)估计LS-SVM参数并在参数估计的过程中实现稀疏化的方法。首先,根据被估参数的特点,设计了MAGA的种群初始化方法和各遗传算子操作方式。其次,基于剪枝法的思想,设计了包含三种控制条件的稀疏化策略,能够在不明显降低回归精度的前提下实现LS-SVM的稀疏化。最后,通过实例计算验证本文方法的有效性,计算结果表明,MAGA较其它方法(自适应遗传算法、粒子群算法)能够获得更优的参数,从而使LS-SVM具有更优的回归性能,并且稀疏化策略稳定有效。

摘要：数据采集系统在测量、控制、信息处理等多学科领域有着广泛的应用,传统的以单片机为核心的多路数据采集系统原理简单、技术成熟、选型方便,但也存在的外围芯片多、电路复杂、不易升级与改进等缺点;鉴于此,提出了一种以FPGA为逻辑控制核心的多路数据采集系统设计方案,重点介绍了关键器件的选择、FPGA功能模块设计、FPGA外围电路设计;并结合部队实际需求,成功地将这一方案应用到武器装备测试系统的研制过程中,体现了较高的军事及经济价值。

摘要：针对Baum-Welch(B-W)算法易陷入局部最优解的问题,采用多智能体遗传算法对隐马尔可夫模型(HMM)进行参数优化估计,设计了染色体编码结构和遗传操作方式。为了使HMM更适合于模拟电路的故障识别和诊断,将状态转移概率矩阵改为时变矩阵,利用监测数据,通过多智能体遗传算法实现状态转移概率的更新。将改进后的HMM用于模拟电路早期故障的识别和诊断中,并采用线性判别分析(LDA)方法对测量信号进行特征提取。仿真结果表明,改进后的HMM具有更强的故障识别和诊断能力。