基于压缩感知的一维海面与二维舰船复合后向电磁散射快速算法研究

矩量法作为数值方法中积分方程方法的代表, 具有计算精度高、所用格林函数自动满足辐射条件、无须额外设置边界条件等优点. 但是在舰船目标与海面复合后向电磁散射仿真中, 传统矩量法需针对每个入射角反复求解矩阵方程组, 导致其在处理后向散射问题时计算量大, 耗时长, 仿真效率低下. 为解决上述问题, 本文提出了一种基于压缩感知技术的矩量法的改进算法. 该算法在求解复合后向散射问题时, 首先利用观测矩阵与传统矩量法中的电压矩阵相乘, 得到一组新的低维度的电压矩阵; 其次通过求解新电压矩阵下的矩阵方程组, 获得电流矩阵的观测值; 最后利用恢复算法(本文采用正交匹配追踪算法)重构出所需的原始入射源照射下的电流系数. 通过与传统矩量法的计算结果对比, 表明本文所提算法能够在保证计算精度的前提下, 明显减少计算时间, 提高计算效率.     

基于BP神经网络的LED可靠性模型研究

根据LED可靠性与相关参数的映射关系,建立拓扑结构为6-12-1的BP神经网络。以实测白光LED芯片的理想因子、结温、色温漂移等参数为输入量,以寿命为输出量,计算模型精度。研究结果表明,该模型有良好的外推能力及鲁棒性,可在短时间内成功预测LED寿命,神经网络训练结果相关系数为99.8%,检验组误差小于3%。     

基于遗传算法参数优化的PCNN红外图像分割

构造一种基于遗传算法参数优化的脉冲耦合神经网络(PCNN)红外图像分割算法。该算法首先利用PCNN的全局耦合性和脉冲同步性对输入图像进行点火处理,根据PCNN的输出结果计算熵作为遗传算法的适应度函数,并利用熵的变化量作为遗传算法的收敛依据,对PCNN模型中影响图像分割的参数进行组合优化,结合PCNN生物视觉特性和遗传算法解空间随机搜索能力来寻找关键参数的最优值。将遗传算法和PCNN进行结合可充分发挥二者优势,将本文方法与最大类间方差法(OTSU)、最大熵直方图分割算法和PCNN分割方法进行对比,通过交叉熵、区域对比度等客观指标对分割后的图像进行定量分析,结果表明无论从主观视觉还是客观指标,本文方法分割效果优于其他对比方法。     

适用于波前处理器的自适应光学系统非共光路像差补偿方法

提出了一种适合硬件形式波前处理器的非共光路像差校正方法.讨论了非共光路像差的产生原因和运用相位差异技术检测非共光路像差的方法.根据波前处理器的工作流程,推导了将非共光路像差折算到波前探测器参考点偏移量的算法,编写了实现算法的主控计算机软件模块.在望远镜光路中以光源为目标开展实验,用本文算法校正后,目标能量集中度提高了17.6%,证明了该方法的可行性.     

ITER ���򳡴���֧��U �����Լк��ӷ����Ż�

利用试验及数值模拟技术研究了ITER 极向场磁体支撑U 型韧性夹的焊接变形规律,模拟和实际测量的比较验证了模拟的准确性,从而得到了U 型夹焊缝变形的基本规律,并改进现有夹具类型。基于验证好的热力边界条件以及优化的夹具,对三种焊接方案的U 型韧性夹的焊接变形进行了计算,从而提出了极向场磁体支撑制造的优化方案。优化后的焊接方案将焊接变形控制在0.6mm 以内。     

面向星敏感器的星模式识别算法

介绍了到目前为止出现的所有面向星敏感器的星模式识别算法,它们是概率统计算法、三角形算法、匹配组算法、网格算法、奇异值分解算法、神经网络算法和遗传算法,并分两组比较了它们的性能,给出了具有指导意义的结论。     

基于自适应BP神经网络的结构损伤检测

描述基于人工神经网络的结构损伤检测的基本步骤以及该方法在实际5层钢框架结构损伤检测上的应用．提出了一种改进的BP神经网络方法，它能够解决传统BP神经网络在实际应用中存在的两个问题：收敛速度慢并存在局部极小．其基本思想是引入动态自适应算子加速传统BP算法的梯度下降速度，从而提高运算速度，通过自调节保证学习过程中每一时刻具有较大的sigmoid函数值，从而可以避免局部极小．数值仿真结果表明基于该自适应神经网络的结构损伤检测方法具有强的鲁棒性，而且与传统的BP神经网络相比，不仅提高了计算速度，并且具有很高的精度．最后，实例的应用也证明了该方法的有效性．     

一种非对称大型有限元方程组的有效分块波前解法

提出分块波前法求解非对称大型有限元方程组，该方法综合分块解法和波前法的优点，根据计算机容量和方程的阶数优化计算过程，以在经济效率和存储效率之间达到平衡。本文利用该方法求解了轮胎稳态滚动有限元方程组，表明该方法是有效、可靠的。     

基于神经网络的误差补偿滤波器在陀螺漂移误差模型辨识中的应用

用神经网络补偿非线性卡尔曼滤波器的状态估计误差，并将其用于陀螺漂移误差模型的参数辨识中，仿真结果表明该方法的有效性。     

GPS误差模型参数估计的Hopfield神经网络方法

本文首先建立了ＧＰＳ误差模型。然后，利用Ｈｏｐｆｉｅｌｄ神经网络（ＨＮＮ）方法对误差模型参数进行了估计，并给出了其硬件实现方法。将估计结果与传统的最小二乘（ＬＳ）估计进行比较，证明了神经网络方法的有效性。