基于模糊模型和神经网络的某扫雷犁系统建模
基于模糊神经网络智能预测模型的设计与实现
对 n 个样本点 ( x p , y p ) , p = 1 , 2 , …, n 。 令:
Y = [ f ( x 1 ) f ( x 2 ) …f ( x n) ]′
θ = [ y1 y2 … y M ]
w ( x1 )
1 1
w ( x1 ) w ( x2 )
2
2
… w ( x1 ) … w ( x2 ) … … w M ( x n)
a = f ( Wp + b) ( 1)
的功能 , 能通过学习算法调整网络中的权值 。其目的是使 期望输出值与实际输出值之间的误差达到最小 。
图1 神经元模型
1. 2 模糊逻辑系统 模糊逻辑系统 [ 3 ] 由模糊产生器 、 知识库 、 模糊推理机 和反模糊化器 4 部分组成 ,如图 3 所示 。模糊产生器将输 入的精确量进行模糊处理 ,并用相应的模糊集合表示 。给 定论域 U , A = { x} 是给定的一个由论域 U 到 [ 0 , 1 ] 的一个 映射 :μ A :U → [ 0 , 1 ] , 该映射μ A 称为模糊集合 A 的隶属度 函数 ,μ A ( x) 越接近于 1 , 则 A 中的元素 x 属于 A 的程度越
3 0. 8 14 0. 6
4 0. 4 15 0. 6
5 0. 8 16 0. 3
6 0. 6 17 0. 6
7 0. 8 18 0. 5
8 0. 8 19 0. 5
9 0. 7 20 0. 6
10 0. 5 21 0. 5
( 6)
这里采用单值模糊产生器进行网络模糊化 ,FUZZμ 是模糊 化函数 , 即 : μ A =
1 0
x = x′ x ≠ x′ ( 7)
2. 3 模糊神经网络模型的学习算法 本系统中采用最小二乘学习算法 , 其算法流程如图 4 所示 运算 ,反模糊化采用中心平均模糊消除
《计算机仿真》2010年第27卷总目次
马 爱 民 ， 德 民 徐
朱 丽 莉 ， 兴 成 ， 永 顺 李 张
孙永侃 ， 戚学文 ， 熊正祥 ， 李雪飞
谢 植 广 ， 英 民 ， 永 峰 王 张 赵 成旺， 玉海 ， 孙 何
火控仿真器设计 及关键技术分析 脉 冲干扰直接序 列扩频 系统性能分析 基于改进的 Ｎ Ｍ Ｌ Ｐ的 自适应脉 冲噪声对消器 基于信息一 致性 的多 Ｕ Ｖ占领攻击阵位的方法 Ｕ 基于模糊模 型和神经 网络 的某扫雷犁系统建模
一
赫
赤 ， 光玲 ， 文 凯 ， 东 霏 董 解 韩
丁亚非， 李文生 王晓东 ， 王
蒋 郯 平
Ｉ
Ⅱ
复 杂 系 统 仿 真 与人 体 仿 真探 讨
应用领域仿 真
徐庚保 ， 曾莲 芝 徐庚保 ， 曾莲 芝
６ １ ２
信息时代 的数字仿真
军 事领 域 仿 真
水下 滑翔机 总体设计与运动分析 基 于 Ｂｚｒ ６ｉ 曲线的队形保 持算法研究 ｅ 子母 弹射 弹散布仿真及其射击效率计算 深 弹舵机 电动力加载控制系统的建模与仿真 基于相参脉 冲串的多普勒雷达 回波仿真 同步检波在鱼雷 电磁引信 中的应用及仿真研究
基 于 主瓣 杂 波 补 偿 的多 约 束 直 接 数 据 域 方 法
科 ， 宪章 ， 左 康
健 ， 育 奇 方
夏 卫星， 晓 东 杨 立， 刘 忠 ， 高峰 刘
田 贤峰 ， 晓 明 陈
邓丽珍 ， 常建平
张鑫鹏， 黄 勇， 阎 杰
肖 嵘 ， 成 旺 ， 护 利 ， 朝 彬 赵 王 檀
某装备扫雷犁系统的遗传神经网络建模研究
２ Ｓ ｈ ｏ ｏ ｒｆｃａ ｄＴ ａ ｓｏｔ ｉ ， ｅ ｉ ｉ ｔ ｇＵ ｉ ｒ ｔ，Ｂ ｉｎ ０ ０ ４ ｈ ａ ． ｃ ｏ ｌ ｆ ａ ｉ ｎ ｒ ｐ ｒ ｔ ｎ Ｂ ｉｎ Ｊ ｏｏ ｎｖ ｓ ｙ ｅ ｉ １ ０ ４ ，Ｃ ｉ ） Ｔ ｎ ａｏ ｊｇ ａ ｎ ｅｉ ｊ ｇ ｎ
中图分类号 ： Ｊ １ ． ； Ｐ ８ Ｔ８ ２ ５ Ｔ １３
文献标志码 ： Ａ
文章编号 ： ０ ０１９ （０ ０ ０ － ５ —７ １０ —０ ３ ２ １ ）５０ ００ ６
Ｎｅ ｒ ｌＮｅ ｗｏ ｋ Ｍ ｏ ｌ ｓ ｄ ｏ ｎ ｔｃ Ａｌ ｏ ｉｈｍ ｏ ｕ ａ ｔ ｒ ｄｅｉ Ｂａ ｅ ｎ Ｇｅ ｅ ｉ ｇ ｒ ｔ ｎｇ ｆｒ Ｍ ｉ ｅ Ｓｗｅ ｐｉ ｇ Ｐｌ ｕｇ ｆａ Ｃｅ ｔ ｉ ｅ ｐ ｎ ｎ ｅ ｎ ｏ ｈ ｏ ｒａ ｎ Ｗ ａ ｏ
ａ ｄ ｔ ｅ ｌａ ｔｓ ｕ ｒ ｔ ｄ ｉ ｕ ｉ ｚ ｄ ｔ ａ ｃ ｌｔ ｈ ｉｈ ｓ ｏ ｈ ｅ ｒ ｌｎ ｔ ｒ ｎ ｈ ｅ ｓ ｑ ａ ｅ ｍｅｈｏ ｓ ｔ ｉｅ ｏ ｃ ｌｕ ａｅ ｔ ｅ ｗｅ ｇ ｔ ｆｔ ｅ ｎ ｕ ａ ｅ ｗｏ ｋ，ｔ ｓｃ ｍｐｕａ ｉｎ ｌ ｌ ｈｕ ｏ ｔｔｏ ａ
ｔ ｅ ｍｅｈ ｄ Ｉ ｒ ｅ ｏ ｉ ｐ ｏ ｅ ｔ ｅ ａ ｃ ｒ ｃ ｆｔ ｅ ｄ ｓｇ ｅ ｄ ｌ ｅ ｅ ｉ ｌｏ ｉｈ ｉ ｕｓ ｄ ｔ ｐ ｉ ｈ ｔ ｏ ． ｎ ｏ ｄ ｒｔ ｍ ｒｖ ｈ ｃ ｕ ａ ｙ ｏ ｈ ｅ ｉ ｎ ｄ ｍｏ ｅ ，ａ ｇ ｎ ｔｃ ａ ｇ ｒｔ ｍ ｓ ｅ ｏ ｏ ｔ—
基于模糊超球面支持向量机的超宽带SAR地雷检测
（ 国防 科 学 技 术 大 学 电子 科 学 与 工 程 学 院 ，湖 南 长 沙 ４ ０ ７ ） １ ０ ３
摘要 ：机 载或 车载超 宽 带合 成孔 径 雷达 （ ＵＷＢ Ｓ ＡＲ） 以大 区域 快速 探测单 个地 雷和 雷场， 可 是 探 雷 的发 展趋 势。虚 警 太多是 ＵＷＢ Ｓ Ｒ 探 雷实用 化 的主要 问题 。本 文提 出 了模糊 超 球 面支持 向 Ａ 量 机 （ ＨＳＳ Ｆ —ＶＭ） 雷检 测 器。Ｆ —ＶＭ 在 高 维核 特 征 空 间 中构 造 封 闭 的超 球 面 区分地 雷和 杂 地 ＨＳＳ
．
ｓ ｐ ｏ ｔ ｅ ｔｒｍａｈ ｎ Ｆ — ＶＭ ）ｌｎ ｍｉｅｄ ｔｃｏ ｓｐｏ ｏ ｅ ．Ｔｈ ＨＳ Ｓ ｕ ｐ ｒ ｃｏ ｃ ｉｅ（ ＨＳ Ｓ ｖ ａ ｄ ｎ ｅｅ ｔｒｗａ ｒｐ ｓ ｄ ｅＦ — ＶＭ ｏ ｍｓａｈ ｐ ｒ ｆｒ ｙ ｅ－
ｓ ｈｅ ｅ ｉ ｈ ｇ ｉ ｅ ｓｏ ａ ｅ ｎ ｌｆ ａ ｕ ｅ ｓ ａ ｅ ｔ ｅ ｒ ｔ ａ ｄ ｉ ｎ ｌ ｔｅ ｓ ｗｈｅ ｅｔ ｕ ｚ ｐ ｒ ｎ ｔ ｅ ｈｉ ｈ ｄｍ ｎ ｉ ｎ ｌｋ ｒ ｅ ｅ ｔ ｒ ｐ ｃ ｏ ｓ ｐａ ａ ｅ ｌｎ ｍ ｎｅａ ｄ ｃｕ ｔ ｒ ｒ ｈｅｆ ｚ ｖ
维普资讯
第 ２ 卷 第 １ 期 ８ ２ ２０ ０７年 １ ２月
兵
工
学
报
ＶＯ１２８ Ｏ． ２ ． Ｎ １ Ｄｅ ２０ ｃ． ０７
ＡＣＴＡ ＡＲ Ｍ ＡＭ ＥＮＴＡＲ Ｉ Ｉ
基于 模 糊 超 球 面 支 持 向量 机 的超 宽 带 Ｓ Ｒ地 雷 检 测 Ａ
ｄ ｔ ｃ ａ ｄ ｉ ｓｏ ｉ ｆｅｄ ｖ ｒｌｒ ｅ ａ ｅ ｓ ｑ ｉｋ ｙ，ｗｈｉｈ ｉ ｈ ｅ ｅ ｔ ｔｅ ｄ ｉ ａ ｄ ｉｅ ｄ ｔ ｃ ｅ ｅ ｔｌｎ ｍ ｎｅ ｒｍ ｎｅｉｌ ｓｏ ｅ ａ ｇ ｒ ａ ｕ ｃ ｌ ｃ ｓｔ ｅ ｐｒ ｓ ｎ ｒ ｎ ｎ ｌｎ ｍ ｎ ｅ ｅ ．
某扫雷车扫雷犁电液伺服系统辨识与控制
２９ ３
某扫 雷车 扫雷 犁 的电液伺 服 系统用 于控 制正
方案 ： 先利用 基于遗 传优 化 的 Ｂ Ｐ神 经 网络进 行离
线辨识 ， 经 网络辨识模 型与实 际系统模 型接 近 当神 到一定程度 时 ， 用改 进 的快速 Ｂ 再利 Ｐ算 法 进行 在 线辨识 ， 神经 网络 预测输 出与 系统实 际输 出之 以使 差最小 。在 获得满意 的系统模型后 ， 研究 了扫雷 犁
Ｇ ０ Ｑａ ｇ ，Ｉ ｏ ｇ ， ０ ｕ ｎ１ｎ Ｊ ｉａ Ａ ｉｎ ＪＮ Ｙ ｎ Ｈ Ｕ Ｙ ａ ｏｇ ，ＩＬ． ｎ ｊ
（ ． ｃ ｏｌ ｆ ｃａ ｉ ｌ ｎｉｅｒ ｇ Ｎ Ｓ Ｎ ｎｉ １０ ４， ｈｎ ； １ Ｓｈ ｏ ｏ ｈ ｎｃ ｇ ｅｉ ， Ｕ Ｔ， ａｊ ｇ２ ０ ９ Ｃ ｉａ Ｍｅ ａＥ ｎ ｎ ｎ
进行 。仿 真研 究和样 机试 验结 果证 明 了所提 出辨 识 和控 制 方案 的有效 性和 正确性 。 关键 词 ： 雷车 ； 雷犁 ； 扫 扫 电液伺服 系统 ； 经 网络 ； 线辨识 ； 神 在 离线辨识 ； 自适应 控 制
中图分 类号 ：Ｐ ８ Ｔ １３ 文章 编号 ：０ ５ ９ ３ （ ０ ２ ０ － ２ ８ ０ １０ － ８ ０ ２ １ ） ２ ０ ３ － ７
ｎｅｗｏ ｋ； ｎ－ｉ ｅ ｍｏ ｅ ｉ ｇ； ｆ－ｉｅ ｍｏ ｅｉ ｇ； ｄａ ｔｖ ｏ ｔｏ ｔ ｒ ｏ ｌｎ ｄ ｌｎ ｏ ｌｎ ｄ ｌｎ ａ ｐ ｉｅ ｃ ｎ ｒ ｌ
收 稿 日期 ：０ １ ０ — ８ ２ １ — ４ １
修 回 日期 ：０ １ ０ － ７ ２ １ － ６ １
ｐｅｅ ｔｄ Ｔ ｅｓｈ ｍｅ ｃｎ ｏｆｒａ ｂ ｔ ｒｓｌｔ ｎ ｔ ｔｅ ｐｏ ｌｍ ｈ ｔｔｅ ｂ ｃ — ｒｐ ｇ ｔ ｎ（ Ｐ） ｅ ａ ｒｓｎｅ ． ｈ ｃ ｅ ａ ｆ ｅｔ ｏｕｉ ｏ ｈ ｒｂｅ ｔａ ｈ ａｋ ｐｏ ａ ａｉ Ｂ ｎ ｕ ｌ ｅ ｅ ｏ ｏ ｒ
基于神经网络的某扫雷犁电液伺服系统建模与控制
３Ｓ ａｅ ｙ Ｌ ｂ ｒ ｔｒ ｒ ｆ ｉ Ｃ ｎ ｒｌ ｎ ａ ｅ Ｂ Ｏ ｎ ｉｏｏ ｇ Ｕｎｖ ｒｉ ，Ｂ ｉ ｎ ０ ０ ４ Ｃ ｉａ ． ｔｔ Ｋｅ ａ ｏ ａｏｙ ｏ Ｔ ａｆ ｃ ｏ ｔ ｄ Ｓ ｆ ｔ ｆ ｏａ ｙ， ｅ ｉｇ Ｊ ａ ｔ ｉｅ ｓ ｙ ｅ ｉｇ １ ０ ４ ， ｈ ｎ ） ｎ ｔ ｊ
Ｖｏ ．３ Ｎｏ． Ｉ ５， ４ Ａｐ 。 ０ ０ ｒ２ １
火 力 与 指 挥 控 制
ＦｉｅＣｏ ｔｏ ｒ ｎ ｒ ｌ＆Ｃｏ ｍｍａ ｄ Ｃｏ ｔｏ ｎ ｎｒｌ
第 ３ ５卷 第 ４期 Ｚｌ Ｏ Ｏ年 ４月
文 章 编 号 ：０ ２Ｏ ４ ２ １ ） ４Ｏ ４ 一 ６ １ ０ 一 ６ Ｏ（ Ｏ Ｏ ０ 一 １ １ Ｏ
Ａｂ ｔ ａ ｔ Ｔｈ ｌ ｃ ｒ ｙｄ ａ ｉ ｅ ｖ ｙ ｔ ｍ ｆ ａ ｃ ｒ ａ ｎ ｍｉ ｅ ｓ ｅ ｉ ｇ ｐｌ ｇｈ ｉ ｏｍｐ ｅ ｎｌｎ ａ ｓ ｒ ｃ ： ｅ ｅ ｅ ｔ ０ｈ ｒ ｕｌｃ ｓ ｒ ｏ ｓ ｓ ｅ ｏ ｅ ｔ ｉ ｎ ｗｅ ｐ ｎ ｏｕ ｓ ｃ ｌ ｘ ｎｏ ｉ ｅ ｒ ｓ ｓ ｅ ． Ｉ ｓ ｄｉｆｃ ｌ ｏｒ ｈｅ ｉ ｅ ｒ ｍｏ ｌｏｂ ａ ｎ ｄ ｂｙ ｆｒ ｔ ｐｒｎｃｐｌ ｍｅ ｈ ｏ ｅ ｅ ｅ ｈｅ ｅ ｓ ｎ ｉ ｌ ｙ ｔｍ ｔ ｉ ｆｉ ｕ ｔ ｆ ｔ ｌｎ ａ ｄｅ ｔ ｉ ｅ ｉｓ ｉ ｉ ｅ ｔ ｏｄ ｔ ｒ ｐｒ ｓ ｎｔ ｔ ｓ ｅ ｔａ
３ ．北 京 交 通 大 学 轨 道 交 通 控 制 与 安 全 国家 重 点 实 验 室 ， 京 １ ０４ ） 北 ０ ０ ４
基于模糊神经网络的非线性动态系统建模
用
则比采用 网络在参数收敛速度及建
模精度上能够显示出更大的优越糊推理系
统 它比较易于和 控制方法以及优化 自适应
方法相结合 本文所论模型可被用于柴油机控制系
统的性能分析和控制方案设计中
参考文献!
王锡淮 肖健梅 鲍敏中 模糊神经网络和遗传算法结 合的船舶火灾探测 仪器仪表学报
的输出曲线用点划线表示
仿真结果表明 自适应神经模糊推理系统辨识
精度及收敛速度要比 神经网络好的多 因为对
而言 条件参数的初始化采取平均分割法
或者聚类法 相当于把输入空间分成多个区域 与
网络参数初始化的随机性相比 这一方法更加合
乎情理 此外
实际上是由多个局部映射组
合而成的 并且每个局部映射的参数采用线性最小
基于
柴油机非线性动态模型辨识
本文以内燃机车所用
型柴油机
缸四冲程柴油机 为研究对象 在低速正常运转情
况下对其进行动态模型辨识 辨识结构如图 所
示 在曲轴域用计算机等转角采集柴油机正常运转
的齿条位移信息和转速信息作为辨识的输入 输出
数据 采样精度为 位
采样数据如图 所示
第 层 在这一层的每一个结点是一个标以 的固定结点 它的输出是所有输入信号的积 其实质 是计算每条规则的适用度
第 层 计算输入的模糊隶属度
模糊推理系统的学习归结为对前提参数 非线 性参数 与结论参数 线性参数 的调整 通常借用 神经网络中比较成熟的参数学习算法 利用反向传 播算法或是混合最小二乘估计的反向传播算法来对 隶属度函数的参数进行估计 而结论参数采用线性 最小二乘估计算法调整 在每一次迭代中 首先输入 信号沿网络正向传递直到第 层 此时固定条件参 数 采用最小二乘估计算法调节结论参数 然后 信 号继续沿网络正向传递直到输出层 即第 层 此 后 将获得的误差信号沿网络反向传播 从而可调 节条件参数 以此方式对给定的条件参数 可以得到 结论参数的全局最优点 这样不仅可以降低梯度法 中搜索空间的维数 通常还可以大大提高参数的收 敛速度
基于鲁棒Kalman滤波的猎扫雷作战过程建模及效果评估
基于鲁棒Kalman滤波的猎扫雷作战过程建模及效果评估猎扫雷作战过程是一种高风险、高敏感性的战争行动，其中的每一个决策都关系到战斗的胜负。
为了能够有效地进行猎扫雷作战，需要建立一种精确且鲁棒的模型来预测和识别潜在的危险区域，并及时采取措施以确保作战的成功。
鲁棒Kalman滤波是一种用于处理不确定性问题的数字信号处理技术，可以在实时运行中从传感器收集的观测数据中预测出真实状态，其准确性和可靠性在猎扫雷任务中十分受欢迎。
在这种模型中，猎扫雷作战区域被抽象为一个状态空间，其中每个节点表示一个特定的位置，每个节点都有一个相应的状态变量，表示该节点是否被扫描过，是否有可能存在地雷等。
在使用鲁棒Kalman滤波之前，我们首先需要收集一定数量的数据样本，以便模型能够准确地预测未知的状态变量。
接下来，将这些数据输入到滤波器中，以便它能够计算每个节点的状态值，并根据这些状态值进行进一步的决策。
对于每个节点，当我们收到来自传感器的实时观测数据时，可以使用鲁棒Kalman滤波器计算当前状态，并基于这些结果识别潜在的威胁区域。
这可以帮助我们更好地预测潜在的危险，并指导猎扫雷作战中的行动。
通过对实现猎扫雷作战的鲁棒Kalman滤波模型进行评估，我们可以看到，其预测准确性非常高，可用于更好地理解猎扫雷作战区域的状态。
此外，当将其应用于实践中时，我们还可以看到它的稳定性和鲁棒性，其可以帮助指导并增强猎扫雷作战中的决策与行动。
最终，此模型的进一步发展可以通过进一步的实验和测试来确定其在实际应用中的效果，并可作为猎扫雷作战的重要工具来确保行动的成功和士兵们的生命安全。
在猎扫雷作战中，数据的收集和分析是至关重要的。
以下是可能收集和分析的相关数据：1. 猎扫雷作战区域的地形和地貌：包括地面高度、坡度、障碍物和植被等，这些因素可以影响地雷和其他爆炸物的布置和隐藏程度。
可以使用卫星图像或现场勘测进行收集。
2. 猎扫雷作战区域的历史数据：可以查阅地图、战报和其他文献，以了解过去的爆炸事件和雷区位置。
某扫雷犁系统GA-BP神经网络建模
某扫雷犁系统GA-BP神经网络建模钱进;陈机林【摘要】A model which concludes the electrohydraulic system of a certain mine sweeping plough was presented based on the co-simulation of AMESim and Simulink in MATLAB.On the basis of this model, the paper researches the model identification based on CA-BP neural network.Then, an experiment of offline identification was made in this nonlinear system, the results clearly show its validity.%利用AMESim和MATLAB/Simulink联合仿真,建立某扫雷犁电液伺服系统的模型,在此基础上研究了GA-BP神经网络的辨识问题,对此非线性系统进行离线辨识实验,实验结果验证了该建模方法的有效性.【期刊名称】《电气自动化》【年(卷),期】2012(034)001【总页数】3页(P8-10)【关键词】AMESim;扫雷犁;电液伺服系统;GA-BP神经网络【作者】钱进;陈机林【作者单位】南京理工大学机械工程学院,江苏南京210094;南京理工大学机械工程学院,江苏南京210094【正文语种】中文【中图分类】TP1830 引言某武器扫雷犁系统，采用犁刀将地雷翻出并推至两侧，达到清扫地雷，提高己方战场机动能力的目的。
由于传统的建模方法难以精确描述非线性特性，所以本文选用神经网络对系统进行建模。
采用误差往回传播(Back-Propagation，BP)学习算法的前馈型神经网络简称BP ［1，2］网络。
基于变步长灰色预测模糊PID的某武器扫雷梨控制系统设计
基于变步长灰色预测模糊PID的某武器扫雷梨控制系统设计庞伟;陈机林;李康;殷翰扬【摘要】分析扫雷梨自动定深系统,选用模糊PID作为主控制器,采用变步长灰色预测模糊PID控制器去实现某武器扫雷犁自动定深系统的控制.通过对系统进行建模检验该控制器的控制效果.采用联合仿真的方式实现了用Simulink中的控制器去控制AMEsim中的电液伺服系统.仿真结果表明:变步长灰色预测模糊控制器能够有效抑制系统非线性特征,鲁棒性较好,满足系统控制精度要求.%This paper analyses the weapon depth control system,chooses the fuzzy PID as the main controller and used the switching grey prediction fuzzy PID controller to control the weapon depth system.It also establishes the model of the depth control system,tests its control effect and uses simulink controller in the combination simulation method to control the hydraulic system in AMEsim.The result shows that,the switching grey prediction fuzzy PID controller can be used to overcome the nonlinear characteristics of the system better.It is of more outstanding robustness and higher control accuracy.【期刊名称】《机械制造与自动化》【年(卷),期】2017(046)001【总页数】4页(P194-196,201)【关键词】电液伺服系统;灰色预测;模糊PID;联合仿真【作者】庞伟;陈机林;李康;殷翰扬【作者单位】南京理工大学机械工程学院,江苏南京210094;南京理工大学机械工程学院,江苏南京210094;南京理工大学机械工程学院,江苏南京210094;南京理工大学机械工程学院,江苏南京210094【正文语种】中文【中图分类】TP273高新科技在军事领域的应用日益广泛，各种新式武器和高科技兵器越来越多地出现在现代战争中，但是地雷仍然在战争中起着极为重要的作用。
《模糊神经网络》PPT课件
结构上像神经网络，功能上是模糊系统，这是目 前研究和应用最多的一类模糊神经网络。
该网络共分5层，是根据模糊系统的工作 过程来设计的，是神经网络实现的模糊推 理系统。第二层的隶属函数参数和三、四 层间及四、五层间的连接权是可以调整的。
在科学发展的今天，尤其在工程研究设计领域， 模糊问题无法回避，要求对数据进行定量分析。
模糊概念
定量分析
1、模糊理论
1965年，Zadeh教授发表论文“模糊集合”（Fuzzy set）， 标志模糊数学的诞生。 ➢ 模糊集合的基本思想是把经典集合中的绝对隶属关系灵活 化，即元素对“集合”的隶属度不再是局限于取0或1，而 是可以取从0到1间的任一数值。 ➢ 用隶属函数(Membership Function)来刻画处于中间过渡 的事物对差异双方所具有的倾向性。 ➢ 隶属度（Membership Degree）就表示元素隶属于集合的 程度。
1
Y(2)51,
Y(3)00.5
0.5
Y(6)00.02
2530 60
隶属函数是模糊理论中的重要概念，实际应用中经常 用到以下三类隶属函数：
（1）S函数（偏大型隶属函数）
注：(a、b为待定参数)
（2）Z函数（偏小型隶属函数）
这种隶属函数可用于表示像年轻、冷、矮、淡等偏向 小的一方的模糊现象。 （3）∏函数（中间型隶属函数）
（3）模糊推理机（ Fuzzy Inference Engine） 根据模糊逻辑法则把模糊规则库中的模糊“if-
then”规则转换成某种映射。
基于鲁棒Kalman滤波的猎扫雷作战过程建模及效果评估
基于鲁棒Kalman滤波的猎扫雷作战过程建模及效果评估任东彦;孙明太;周利辉【摘要】针对混布雷阵在猎扫雷作战效果评估中评估精度差的问题,采用时变带未建模动态系统对猎扫雷作战过程建模,通过引入带未知时变均值和方差阵的虚拟白噪声来补偿猎扫雷作战数学模型建立过程中简化带来的未知模型误差,并采用鲁棒Kalman滤波器对作战效果进行评估.仿真结果表明,该方法可有效改善Kalman滤波器的性能,对混布雷阵有很好的评估效果,评估过程和评估效果更贴近实际.【期刊名称】《舰船科学技术》【年(卷),期】2014(036)004【总页数】5页(P143-146,155)【关键词】作战效果评估;鲁棒Kalman滤波器;虚拟噪声补偿技术【作者】任东彦;孙明太;周利辉【作者单位】海军航空工程学院青岛校区,山东青岛266041;海军航空工程学院青岛校区,山东青岛266041;海军航空工程学院青岛校区,山东青岛266041【正文语种】中文【中图分类】TJ01猎扫雷作战效果评估是衡量反水雷作战成功与否的根本标准。
研究猎扫雷作战效果评估问题时，首先必须建立猎扫雷作战过程数学模型。
在这项工作中，必须全面考虑评估需求、已知条件和评估手段，深入了解作战过程的本质和具体过程，在合理简化的基础上实现数学抽象，得到作战过程最基本的规律;其次必须针对模型及相应的观测数据，提出可靠的评估方法［1］。
将复杂的猎扫雷作战过程与现代最先进的理论算法联系起来，可以充分利用这些理论成果，从而使猎扫雷作战效果评估方法上升到理论高度。
猎扫雷作战效果评估问题，归根到底是误差处理问题。
猎扫雷作战过程中涉及的数据很多，而每个数据都多少存在误差，其中既有系统性的，又有随机性的。
如果所有数据的误差情况都分别考虑，最终将导致评估模型过于复杂，其稳定性、可靠性都难以得到充分保证，因此必须对其进行简化［2－3］。
但如果模型过于简化，必然导致评估结果不切实际，评估失去意义。
本文考虑带未建模动态 (即带未知模型误差）系统的自适应Kalman滤波问题，相应的自适应Kalman滤波器叫做鲁棒Kalman滤波器。
某扫雷犁自学习模糊神经控制系统的研究的开题报告
某扫雷犁自学习模糊神经控制系统的研究的开题报告1.研究背景和意义扫雷犁是一种可以自主清除地雷和爆炸物的机器人，自动化程度高，操作简便，适用范围广。
然而，传统的控制算法在面对复杂、不规则的环境时表现较差，难以满足动态任务的需求。
自学习模糊神经控制系统具有自适应能力和泛化能力，可以实现机器人在不确定环境中的自主决策，提高机器人的辨识和控制能力，具有较高的应用价值。
2.研究内容和方法本课题将采用模糊神经网络进行建模和控制，通过模糊化处理和神经网络学习自适应的控制策略，以提高扫雷犁在不确定环境下的控制性能，增强机器人自主决策和应对能力。
具体研究内容包括：（1）扫雷犁控制系统的分析及建模；（2）基于模糊神经网络的自学习控制算法设计；（3）算法的仿真及实验验证；（4）分析实验结果，并对算法进行优化改进。
3.研究目标和预期成果（1）建立扫雷犁的模型，并实现基本控制；（2）设计并实现基于模糊神经网络的自学习控制算法；（3）基于算法仿真和实验验证的结果，分析并改进算法，提高控制性能；（4）本研究的最终目标是建立一套可靠、高效的自学习控制系统，提高扫雷犁在不确定环境下的控制精度和适应能力。
4.研究进度安排第一阶段（1-3月）：熟悉相关文献，对扫雷犁控制系统进行分析；第二阶段（4-6月）：基于模糊神经网络的自学习控制算法设计；第三阶段（7-9月）：仿真和实验验证；第四阶段（10-12月）：数据分析及算法优化改进。
5.研究经费预算本研究所需的经费主要用于实验材料和设备的购置费用，以及实验场地租赁费用，按照现有市场计算，预计总费用为xxxx元。
6.研究对策与保障措施研究过程中，我们将建立符合安全规范和环境法规的实验室，实验中将严格遵守操作规程，遵守职业道德和科学伦理规范。
同时，我们将开展多次交流研讨并与专业学者进行沟通交流，提高研究质量和技术水平，确保研究工作的科研质量和正常开展。
基于半实物仿真的犁刀式扫雷车训练模拟器的设计
基于半实物仿真的犁刀式扫雷车训练模拟器的设计刘强;胡寿伟;蔡明【期刊名称】《计算机仿真》【年(卷),期】2005(000)0z1【摘要】犁刀式扫雷车是采用扫雷犁来清除埋设于土壤中的地雷,扫雷车驾驶员在驾驶扫雷车进行的过程中操作扫雷犁,根据扫雷犁吃土的深度和受到的阻力来加减油门,此项技术需要长时间的训练来积累经验,训练成本很高.依此需要研制了基于半实物仿真原理的犁刀式扫雷车训练模拟器,该模拟器由驾驶平台、扫雷操作平台、信号采集转换控制器、控制计算机、视景仿真计算机和视景多媒体输出系统等部分组成.系统对土壤切削过程和驾驶操作动作建立了数学力学模型,对驾驶训练和扫雷训练采用了实物物理仿真,对扫雷效果采用三维视景仿真.该系统集成了多媒体技术、自动控制技术和视景仿真技术等多种技术,实现了大型武器装备的室内训练,造价低廉,仿真训练效果好,是低成本解决高技术武器训练的一个优良方案.【总页数】3页(P471-473)【作者】刘强;胡寿伟;蔡明【作者单位】总装备部工程兵科研一所,江苏,无锡,214035;江南大学信息工程学院,江苏,无锡,214036;总装备部工程兵科研一所,江苏,无锡,214035;江南大学信息工程学院,江苏,无锡,214036【正文语种】中文【中图分类】TP393.9【相关文献】1.一种基于分布式结构的半实物仿真测试环境设计 [J], 李兆阳;陈泉根2.基于半实物仿真的舰载雷达训练模拟器软件设计 [J], 何永喜3.基于半实物仿真的舰载雷达训练模拟器软件设计 [J], 何永喜4.基于半实物仿真的某型机载电子设备训练模拟器设计 [J], 高伟;陈鸿;刘雅娟5.远火射击指挥车半实物仿真训练模拟器设计与实现 [J], 李思雨;黄少罗;孟硕;曹立军;吴巍屹因版权原因，仅展示原文概要，查看原文内容请购买。
模糊神经网络在农用机械故障诊断中的应用
模糊神经网络在农用机械故障诊断中的应用
陈步英;胡利平
【期刊名称】《农机化研究》
【年(卷),期】2010(032)012
【摘要】根据农用机械的功能原理、组成结构和现场的实际经验,结合神经网络的学习能力及模糊推理能力构建出农用机械故障诊断系统.该系统具备了神经网络的自学习能力和模糊理论处理不确定信息的能力.通过仿真和实验结果表明,该系统能有效地进行农用机械样本模式的模糊量化处理,极大地改善了神经网络训练的收敛性,有利于农用机械的故障诊断.
【总页数】4页(P169-172)
【作者】陈步英;胡利平
【作者单位】邢台职业技术学院,信息工程系,河北,邢台,054035;邢台职业技术学院,信息工程系,河北,邢台,054035
【正文语种】中文
【中图分类】TP389.1;S126
【相关文献】
1.基于旋转机械故障诊断模糊神经网络多传感器融合 [J], 周洁敏;林刚;宫淑丽;陶云刚
2.模糊神经网络在旋转机械故障诊断中的应用 [J], 卜英勇;宋子辉
3.基于组合式模糊神经网络的旋转机械故障诊断模型 [J], 陈耀武;汪乐宇;程耀东
4.RBF及模糊神经网络在旋转机械故障诊断中的应用 [J], 张吉先;钟秋海;戴亚平
5.基于知识的模糊神经网络的旋转机械故障诊断 [J], 李如强;陈进;伍星
因版权原因，仅展示原文概要，查看原文内容请购买。
基于BP神经网络和遗传算法的扫雷参数优化
基于BP神经网络和遗传算法的扫雷参数优化
孟晶;李庆民
【期刊名称】《水雷战与舰船防护》
【年(卷),期】2011(019)002
【摘要】针对扫雷作战仿真中的参数优化问题,论述了BP神经网络和遗传算法在扫雷参数优化中的应用.首先对某作战背景下的扫雷作战效能进行了详细分析,给出了雷区清扫率的计算方法;然后利用BP神经网络建立了扫雷参数与雷区清扫率之间的数学模型;最后通过遗传算法对扫雷参数进行优化研究.研究结果表明,该方法能够较精确地建立扫雷作战效能模型,并能快速搜索到最优扫雷参数组合条件.
【总页数】5页(P17-21)
【作者】孟晶;李庆民
【作者单位】海军工程大学,兵器工程系,湖北,武汉,430033;海军工程大学,兵器工程系,湖北,武汉,430033
【正文语种】中文
【相关文献】
1.基于BP神经网络与遗传算法的共轨柴油机喷油器结构参数优化研究
2.基于BP 神经网络与遗传算法的高压共轨柴油机喷油器结构参数优化研究
3.基于BP神经网络与遗传算法的高压共轨柴油机喷油器结构参数优化研究
4.基于BP神经网络和遗传算法的硫化工艺参数优化
5.基于BP神经网络与遗传算法的镍-钴合金电镀工艺参数优化
因版权原因，仅展示原文概要，查看原文内容请购买。
基于模糊神经网络ERP项目实施风险评价模型
基于模糊神经网络ERP项目实施风险评价模型摘要论文确立ERP项目实施风险评价指标体系；通过对以往风险评价方法分析，建立模糊神经网络风险评价模型，该评价模型分为模糊量化模块和模糊神经网络(FNN)模块。
评价模型具有根据具体问题情况进行调节的能力，优于神经网络完全黑箱操作的特点。
模糊神经网络风险评价模型不仅用于企业ERP实施风险，也可达到对风险管理预警的目的。
关键词 ERP项目实施模糊神经网络风险评价1 问题提出企业ERP项目实施涉及到原有工作模式、业务流程变革、组织结构调整等许多方面，因此在实施ERP过程中要认识到它的复杂性和艰巨性，要认识到它的高风险性。
然而，目前对ERP项目实施风险评价不是很多，有效性也不高。
文献分析，常用风险评价方法主要有层次分析法、神经网络评价法和模糊综合评判法等。
本文提出用模糊神经网络模型来评价企业ERP项目实施风险。
将模糊神经网络用于实施ERP企业风险问题的评价，具有一定的进步性，是一种有益的尝试，同其他方法相比，模糊神经网络风险评价方法具有科学、简洁、可操作性强等特点，而且模型的结构与方法应用前景广阔。
2 企业ERP项目实施风险评价指标体系在分析了ERP项目实施过程风险影响因素，我们考虑的是可能导致项目失败风险因素；因此要从企业实施ERP项目战略角度、实施中人为风险因素、业务流程重组、ERP实施项目管理和关键事件分析和评估。
该指标体系有三级，一级指标8个，二级指标26个，各二级指标相互独立反映了前一项指标属性内涵。
评价指标体系的风险影响因素能从不同的角度反映这些风险指标度量属性，其最终风险评价指标体系结构，如表1所示。
3 基于模糊神经网络ERP项目实施风险评价模型模糊神经网络在SPSS、Excel和Mat lab等统计分析软件工具的帮助下，使这种预测评价变得简单可行，具有很强的操作性和实用价值。
模糊神经网络作为人工智能领域一种新的技能、正向着更高层次的研究与应用方面发展。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
于Ｇ Ｋ聚类算法的 Ｔ 模糊模 型， ｓ 神经 网络建模 中采用了基于正交最小二乘 算法 的径 向基函数神经 网络。通过对 扫雷犁 电 液伺服 系统进行的建模实验仿 真， 分析 了两方法的建模 性能并 与其他建模方法 进行 了对 比， 研究结果 验证 了所提 出两种建
ｂ ｓ ｎｔ ｎ （ Ｂ ）ｎｕａ ｎｔｏ ａｅ ｎｏ ｈｇｎｌｅｓ ｓｕｒ ｅ ｏ ｓｄｉ ｅｒ ｅ ｏｋｍ ｄｌ ｇ ａｉ ｆ ｃ ｏ Ｒ Ｆ ｅｒｌ ｅ ｒ ｂ ｓｄｏ ｒ ｏｏａ ｌ ｔ ｑ ａ ｍ ｔｄ ｉ ｕｅ ｎｎｕａ ｎｔ ｒ ｏｅ ｎ． ｓｕ ｉ ｗ ｋ ｔ ａ ｅ ｈ ｓ ｌ ｗ ｉ
模方法 的有效性 。 关键词 ： 电液伺服系统 ； 建模 ； 径向基 函数神经网络
中 图分 类 号 ：Ｐ ８ ；Ｊ １ Ｔ １３ Ｔ８ ２＋． ５ 文 献 标 识码 ： Ａ
Ｍ ｏ ｅｌ ｇ ｏ ｈ ｅ ｔｏ ｙ ｒ ｕ ｉ ｅ ｖ ｙ ｔ ｍ ｆａ Ｃｅ ｔ ｉ ｎ ｄ ｌ ｎ ｆｔ ｅ Ｅｌｅｒ ｈ ｄ ａ ｌ Ｓ ｒ ｏ Ｓ ｓｅ ｏ ｒ ａｎ Ｍｉ ｅ ｉ ｃ
（ ．Ｓｈｏ ｏ ｃ ａｉ ｌ ｎ ｅｒ ｇ ａｊ ｇＵ ｉ ｒｉ ｆ ｃｅｃ ｎ ｅｈ ｏ ｇ ， ａｊ ｇＪ ｎｓ １０４， ｈｎ ； １ ｃｏｌ ｆ ｈ ｎ ａ Ｅ ￣ｎｅ ｎ ，Ｎ ｉ ｎｖ ｓｙｏ ｉｎｅａｄＴｃｎ ｌ ｙ Ｎ ｎｉ ｉ ｇｕ２０ ９ Ｃ ｉａ Ｍｅ ｃ ｉ ｎ ｎ ｅ ｔ Ｓ ｏ ｎ ａ
ｎ ｕ ａ ｅｗｏ ｋ ｍｏ ｅｉ ｇ Ｓ ｆｚ ｙ ｍｏ ｅ ａ ｅ ｎ Ｇ ｃｕ ｔｒ ｇ ａｇ ｒｔｍ ｓ ａ ｏ ｔ ｎ ｆ ｚ ｙ ｍｏ ｅｉ ｇ ａ ｄ ｒ ｄ ａ ｅ ｒ ｎ ｔ ｒ ｄ ｌ ．Ｔ ｕ ｚ ｄ ｌ ｓ ｄ ｏ Ｋ ｌｓｅ ｉ ｌｏ ｈ ｉ ｄ ｐｅ ｉ ｕ ｚ ｄ ｌ ｎ ａ ｉ ｌ ｎ ｂ ｎ ｉ ｄ ｎ ｌ
第２ 卷 第５ ７ 期
文章编号 ：０ ６—９４ ２ １ ）５—０ ２ ０ １０ ３８（０ ０ ０ ０ １— ６
计
算
机
仿
真
２０ 月 ０ 年５ １
基 于模 糊 模 型 和神 经 网络 的某 扫 雷 犁 系统 建 模
张 媛 邢 宗义 秦 ， ， 勇 贾利 民 ，
（ ．南京理工大学机械工程学院 ， Ｉ 江苏 南京 ２ ０９ ；． １０４ ２ 北京交通大学交通运输学院 ， 北京 １０ ４ ） ０ ０４ 摘要 ： 在实现扫雷犁系统准确位置控 制的研究 中， 由于扫雷犁电液伺 服系统 固有 的流量 ～ 压力特性等非 线性因素 ， 采用传统
Ｓ ｅ ｉ ｏ ｈ ｓ ｄ ｏ Ｆｕ ｚ ｏ ｌａ ｕ ａ ｔ ｒ ｗｅ ｐ ｎｇ Ｐｌｕｇ Ｂａ ｅ ｎ ｚ ｙ Ｍ ｄｅ ｎｄ Ｎｅ ｒ ｌＮｅ ｗｏ ｋ
Ｚ Ａ Ｇ Ｙ ａ Ｘ Ｎ ｏｇ— ｉ， Ｉ ｏｇ，Ｉ ｉ ｎ Ｈ Ｎ ｕｎ ， Ｉ ＧＺ ｎ ｙ Ｑ Ｎ Ｙ ｎ ＪＡ Ｌ —ｍｉ
２ ｃｏｌ ｆ ｒ ｆ ｎ ｒｎｐｒ ｔ ｎ Ｂ ｉｎ ａｔｎ ｎｖｒｉ ， ｅ ｉｇ１０４ ，Ｃ ｉａ ．Ｓｈｏ ｏ ａ ｃａｄＴａ ｓｏｔ ｉ ， ｅ ｉｇ ｉｏ ｇＵ ｉ ｓ ｔ Ｂ ｉｎ ００ ４ ｈｎ ） Ｔｆ ｉ ａｏ ｊ Ｊ ｏ ｅ ｙ ｊ
ＡＢＳ ＴＲＡＣＴ： ｈ ｎ ｗ ｅ ｉ ｇ ｐ ｏ ｇ ｓ ａ ｃ ｒａｎ ｔｐ ｆｅｅ ￣ ｈ ｄ ａ ｌ ｅ ｖ ｙ ｔｍ ｔ ｏ ｌｘ ｎ ｎ ｉｅ ｒ Ｔ ｅ ｍｉ ｅ ｓ ｅ ｐ ｎ ｌ ｕ ｈ ｉ ｅ ｔ ｉ ｙ ｅ ｏ ｌｃ ｏ ｙ ｒ ｕｉ ｓ ｒ ｏ ｓ ｓｅ ｗｉ ｃ ｍｐ ｅ ｏ ｌ ａ ｃ ｈ ｎ ｃ ａ ａ ｔｒｓｉｓｉ ｃｕ ｉ ｇｆ ｗ ｐ ｅ ｓ ｒ ｅａｉ ｎ ｔ ａ ｄ ｉ ｉ ｉ ｉ ｕｔ ｏｃ ｎ ｔ ｃ ｓａ ｃ ｒ ｔ ｄ ｌ ｙｆ ｔ ｒ ｃｐ ｅ ｈ ｃ ｅｉｔ ｎ ｌ ｄｎ ｏ ／ ｒ ｓ ｕ ｅ ｒｌ ｔ ，ｅｃ， ｎ ｓｄｆ ｃ ｌ ｔ ｏ ｓ ｕ ｔｉ ｃ ｕ ａｅ ｍｏ ｅ ｒ ｉ ｉｌ ｒ ｃ ｌ ｏ ｔ ｒ ｔ ｂ ｉ ｓ ｐｎ
ｍｅｈ ｄ ｔｏ ．Ｔ ｉ ｒ ｓ ｎ ｅ ｔ ｄ ｃ ｓ ｄ ｏ ｄ ｌ ｇ ｔ ｅ ｓ ｓｅ ｕ ｉｇ ｔ ｔ ｌ ｇ ｎ ｔ ｏ ｓ ． ．ｆ ｚ ｙ ｍｏ ｅｉ ｇ ａ ｄ ｈ ｓｐ ｅ ｅ ｔｄ ｓ ｙ ｆ ｕ ｅ ｎ ｍｏ ｅ ｉ ｙ ｔ ｍ ｓｎ ｕ ｏ ｎ ｈ ｗｏ ｉ ｅｌ ｅ ｔ ｎ ｉ ｍｅｈ ｄ ，ｉ ｅ ｕ ｚ ｄ ｌ ｎ ｎ
Ｔ ｅ ｔ ｏ ｐ ｏ ｏ ｅ ｔ ｏ ｓ ａｅ ａ ｐｉ ｄ ｔ ｅ ｅｅ ｔｏ ｙ ｒ ｕ ｉ ｓ ｒ ｏ ｓ ｓｅ ｈ ｒ ｐ ｓ ｄ ｍｅ ｈ ｄ ｐ ｌ ｏ ｔ ｌｃ ｒｈ ｄ ａ ｌ ｅ ｖ ｙ ｔ ｍ，ａ ｄ ｔ ｅ ｒ ｓ ｌ ｈ ｗ ｔ ｅ ｒｖ ｉ ｉ ｏ ｗ ｒ ｅ ｈ ｃ ｎ ｈ ｅ ｕ ｔ ｓ ｏ ｈ ｉ ａ ｄ ｔ ｃ ｍ・ ｓ ｌ ｙ ｐ ｅ ｔ ｔ ｅ ｄ ｌ ｎ ｅ ｈ ｉ ｕ ｓ ｒ ａ ｄ ｗｉ ｏｈ ｒｍｏ ｅｌ ｇ ｔ ｃ ｎ ｑ ｅ ． ｈ ｉ ＫＥＹＷ ＯＲＤＳ： ｌ ｃｒ ｈ ｄ ａ ｌ ｅ ｖ ｙ ｔ ｍ；Ｍｏ ｅ ｉ ｇ Ｅ ｅ ｔ ｙ ｒ ｕ ｉ ｓ ｒｏ ｓ ｓ ｏ ｃ ｅ ｄ ｌ ；ＲＢ ｅ ｒ ｌｎ ｔ ｏ ｋ ｎ Ｆ ｎ ｕ ａ ｅ ｒ ｗ