爬山法与模式蚁群法混合的贝叶斯优化算法

针对传统贝叶斯优化算法进化效率低及收敛速度慢的情况,提出一种新型混合贝叶斯优化算法.该算法利用适应度遗传及个体的局部搜索方法,使种群个体趋向于全局最优解,提高了进化效率.为提高贝叶斯优化算法中贝叶斯网络结构学习的效率,提出一种爬山法和模式蚁群算法相结合的网络结构学习方法,同时对新型贝叶斯优化算法的收敛性进行了分析.利用典型的函数对提出的新型混合贝叶斯优化算法进行了仿真分析,证明了所提出的方法可以有效地加快算法的收敛速度和收敛精度.将该算法应用于目标分配问题中,仿真证明了所提算法的有效性和优越性.     

MIMO网络控制系统建模与稳定性分析

针对被控对象为多输入多输出(MIMO)的网络控制系统,假设传感器与控制器均采用时间驱动,执行器采用片上执行机构,同时考虑到网络控制中存在的时延、数据包丢失和多包传输问题,依据数据寄存和静态调度两种方法,分别建立了多包传输MIMO网络控制系统的模型,基于李雅普诺夫稳定性理论和线性矩阵不等式方法,分别推导出了MIMO网络控制系统渐近稳定的充分条件.通过Matlab中LMI工具箱实现了控制器的设计,仿真结果验证了此方法的有效性,且说明网络控制方法选取与网络的传输条件存在着紧密联系.     

非匹配不确定交叉严反馈超混沌系统神经网络反演同步

针对一类具有非匹配不确定性的交叉严反馈超混沌系统,提出一种基于多层前向神经网络的反演自适应同步设计方法.利用神经网络估计系统中的不确定性,运用滑模控制和交叉自适应反演控制处理系统中的非匹配不确定性及神经网络的逼近误差, 当虚拟控制项系数不过零时可保证系统的同步误差趋向于零,过零时可保证同步误差有界. 数值仿真证明了提出的控制方案的有效性.     

基于贝叶斯网络的某机载雷达电磁损伤评估

针对机载雷达面临越来越严重的电磁脉冲武器威胁的现实问题,开展了机载雷达的电磁损伤评估.通过对雷达结构的分析和简化以及由抢修时间来确定网络参数的方法,建立了雷达电磁损伤评估的贝叶斯网络模型;利用贝叶斯网络推理评定雷达的电磁损伤等级;在定义了期望抢修效率的基础上给出雷达抢修决策的方法.仿真结果显示:在距离100m,辐射功率10GW,波束中心对准机载雷达的条件下,高功率微波弹MK84将对某机载雷达造成中等损伤,给出了该条件下雷达的抢修顺序.该方法对于开展机载雷达电磁损伤抢修和电磁加固具有一定的军事应用价值.     

多层前向神经网络的RLS修正训练算法

提出了一种修正的基于递推最小二乘算法的多层前向神经网络的快速学习算法,对两个系统进行了辨识,并与ＲＬＳ训练算法和标准反向传播算法进行了比较,仿真结果显示,本文提出方法的鲁棒性和有效性。