一种水目标识别方法：基于模糊理论的多神经网络融合分类

在应用多种方法提取目标噪声中分类特征的研究基础上,本文设计出基于模糊理论的多神经网络融合分类器,其研究重点主要包括有监督分类的模糊聚类神经网络分类、多神经网络与模糊综合分析相结合的融合分类。基于大量海试实测信号样本的多组实验表明,该分类方法具有良好的工程应用前景。     

面向目标识别的水下多传感器信息融合技术比较研究趑

对于水下作战,目标识别十分困难,因此必须走多传感器融合、多技术融合的道路,应分析研究不同的方法优缺点,取长补短,综合处理。本文比较了不确定性推理技术中主观Bayes方法与证据理论的特点,分别给出了基于2种技术的目标融合识别思想。提出了基于Bayes统计理论的身份识别和基于D-S理论融合身份识别的框架。研究了基于模糊神经网络的多传感器信息融合技术,提出了模糊神经网络信息融合紧密结合与松散结合的2种处理框架,并结合应用讨论了其特点。     

基于模糊多层感知机的模式分类方法的研究

本文着重研究应用模糊神经网络来进行模式分类的问题，提出了一种基于模糊多层感知机的模式分类方法，学习方法采用自适应ＢＰ算法，这个网络最显著的特征是能处理网络输入，输出的不确定性和不准确性，并可以进行规则解释，输入隶属函数的中心和半径根据数据分布情况处动生成，输入向量由类隶属度决定，对该方法进行检验的结果表明它是是切害可行的，其分类的精度很高，明显优于非模糊分类器。     

基于模糊多层感知机的模式分类方法的研究

本文着重研究应用模糊神经网络来进行模式分类的问题,提出了一种基于模糊多层感知机的模式分类方法,学习方法采用自适应BP算法。这个网络最显著的特征是能处理网络输入、输出的不确定性和不准确性,并可以进行规则解释。输入隶属函数的中心和半径根据数据分布情况自动生成。输入向量由类隶属度决定。对该方法进行检验的结果表明它是切实可行的,其分类的精度很高,明显优于非模糊分类器。     

面向目标识别的水下多传感器信息融合技术比较研究

对于水下作战，目标识别十分困难，因此必须走多传感器融合、多技术融合的道路，应分析研究不同的方法优缺点，取长补短，综合处理。本文比较了不确定性推理技术中主观Bayes方法与证据理论的特点，分别给出了基于2种技术的目标融合识别思想。提出了基于Bayes统计理论的身份识别和基于D—S理论融合身份识别的框架。研究了基于模糊神经网络的多传感器信息融合技术，提出了模糊神经网络信息融合紧密结合与松散结合的2种处理框架，并结合应用讨论了其特点。     

模糊支持向量机在船舶发电机故障诊断中的优化应用

对以往提出方法的优点进行总结,在故障诊断中对模糊支持向量机进行优化应用,提出一种优化诊断方法。基于模糊支持向量机进行发电机故障分类,构建模糊故障分类模型。利用故障仿真模型获取各种发电机故障的对应电流信号,将电流信号中的特征量设为模型的四维输入向量。根据模糊故障分类模型的分类结果和船舶发电机历史运行数据,建立故障诊断融合识别框架。根据建立的故障诊断融合识别框架,将故障诊断过程分为4个步骤进行船舶发电机的实际故障诊断。对模糊支持向量机的优化应用进行实例研究,测试结果证明其优化应用实现了有效的故障诊断,验证了设计方法的有效性。     

基于模糊神经网络和D-S证据理论的故障诊断方法研究

提出一种基于模糊神经网络和D-S证据理论的故障诊断方法。该方法利用模糊逻辑和神经网络的优势，通过数据融合充分利用各种信息，提高诊断的精度。经算例证明，该方法可靠、有效，对于复杂装备的故障诊断有一定意义。     

复合模糊神经网络在故障诊断中的应用研究

对于复杂的诊断对象，本文提出了一种复合模糊神经网络结构，该神经网络结构集成了一系列模糊神经子网络，来完成故障分类任务。文中以某高温硝酸冷支系统为诊断对象，以系统故障树为设置子网的基础，建立了含有多个子网的复合模糊神经网络。仿真结果表明了这种方法的可行性和有效性。     

基于模糊神经网络和D-S证据理论的故障诊断方法研究

提出一种基于模糊神经网络和D-S证据理论的故障诊断方法.该方法利用模糊逻辑和神经网络的优势,通过数据融合充分利用各种信息,提高诊断的精度.经箅例证明,该方法可靠、有效,对于复杂装备的故障诊断有一定意义.     

基于分布式模糊神经网络的船舶机电故障诊断

为了更好地保障船舶航行安全,及时准确地对船舶机电设备进行监测分析,修理出现的故障,提出了一种基于分布式模糊神经网络的船舶大型机电设备故障诊断的方法.该方法融合了模糊理论和神经网络各自的优点,能自适应从学习样本数据中提取故障模型,能实时地进行故障诊断,且网络结构简单,训练速度快,准确率高.通过对某船转子系统的故障诊断实验,证明了此法的有效性和优越性.对于大型的复杂设备,基于分布式模糊神经网络的故障诊断方法优势明显,具有很好的应用前景.     

基于图像处理和模糊神经网络理论的船舶分类研究

本文将图像处理算法和模糊神经网络分类器相结合进行船舶分类,在研究过程中,首先利用图像处理技术进行图像分割、设定阈值、边缘检测等操作,然后建立了模糊神经网络结构,在此结构基础上进行模糊神经网络分类学习,最后采集到实测数据进行船舶分类,实验结果表明了本文算法的可行性和有效性。     

基于模糊神经网络和数据融合的结构裂纹故障诊断

本文利用模糊神经网络和数据融合技术相结合,对铝板裂纹进行了故障诊断.在梁结构的振型斜率变化率的基础上,得到了板结构两个方向的振型斜率变化率裂纹诊断指标.通过对模糊神经网络诊断结果和模糊神经网络数据融合诊断结果的比较,证明模糊神经网络数据融合诊断方法对裂纹的检测、定位和性质刻画能够达到满意的精度,也证明了在所取五种裂纹诊断指标中,振型斜率变化率裂纹诊断指标对裂纹的诊断精度是最高的.     

基于小波包分析和深度学习的舰船辐射噪声识别

为提高舰船辐射噪声识别的准确率,针对辐射噪声这种非平稳、复杂的信号,提出一种基于小波包分解与多特征融合的特征提取方法.同时,引入深度学习模型,将提取到的特征作为识别分类的依据,采用卷积神经网络和长短时记忆神经网络作为分类器.对单一特征的分类结果与融合的多特征分类结果进行比较,对直接提取的特征分类结果与基于小波包分解提取的特征分类结果进行比较,对卷积神经网络、长短时记忆神经网络和机器学习的识别分类结果进行比较,结果表明,采用基于小波包分解与特征融合的特征提取方法和基于深度学习的分类识别方法能显著提高舰船辐射噪声识别的准确率.     

潜艇指挥决策控制模型及仿真研究

在分析模糊神经网络(FNN)结构的基础上,根据潜艇指挥决策控制的特点,提出了利用模糊神经网络建立潜艇指挥决策控制模型.潜艇指挥决策控制过程是一个典型的模糊过程,模糊神经网络能够较好地处理模糊信息,并具备模糊推理能力.文中给出了适应潜艇指挥决策控制特点的模糊神经网络结构,推导了模糊神经网络学习算法,并探讨了基于模糊神经网络的潜艇指挥决策控制模型在潜艇指挥控制系统中的应用.     

基于多传感器数据融合的智能探测模块研究

介绍基于多传感器数据融合技术的智能探测模块的设计思想和方法.通过构建模糊神经网络模型,并进行网络学习,得出联接权值.智能探测模块通过对温度、火苗、烟雾、压力等多元信息进行综合处理,克服单一探测系统的局限性,可有效提高探测系统的快速性、容错性和可靠性.     

基于模糊神经网络的RT-flex柴油机燃油系统故障诊断

介绍了RT-flex 60C柴油机燃油系统的常见故障类型,针对其故障类型提出了以传统的BP神经网络为主,利用模糊理论作为补充的一种智能故障诊断方法。建立了基于模糊BP神经网络的故障诊断模型,并运用MATLAB软件进行了仿真测试研究,阐明了该方法的有效性。     

基于模糊贴近度的舰船辐射噪声分类

误差反传神经网络在被动声呐目标分类中得到了广泛的应用，但该算法在搜索过程中容易陷入局部最小值，同时使用赢者独活的识别决策策略，导致识别率的下降。针对BP网络的弱点，提出了基于模糊贴近度的舰船辐射噪声分类方法，该方法能够在不对BP网络作大的改动的前提下，解决神经网络陷入局部最小值，同时使用赢者独活决策策略导致误识的弱点。实验结果证明了该方法的有效性。     

基于神经网络的航船碰撞态势模糊分类方法

本文提出一种采用神经网络技术实现船舶间碰撞态模糊分类的方法。通过对复杂问题的分解,建立了一个由三个子网构成的多级网络模型。每个子网实现一部发分类功能,仿真结果表明,该网络模型具有模糊分类功能,同时,对不正确的输入具有容错性。     

基于神经网络的船舶间碰撞态势模糊分类方法

本文提出一种采用神经网络技术实现船舶间碰撞态势模糊分类的方法。通过对复杂问题的分解,建立了一个由三个子网构成的多级网络模型。每个子网实现一部分分类功能。仿真结果表明：该网络模型具有模糊分类功能,同时,对不正确的输入具有容错性。     

基于模糊RBF神经网络的辐射源识别

针对模糊识别系统的不足,为了提高辐射源识别系统的识别正确率,构建了基于模糊RBF神经网络的辐射源识别系统,提出了一种等价型模糊RBF神经网络的结构和学习算法,采用五层神经网络结构来实现模糊系统的模糊化和规则推理,神经网络的所有节点和参数对应了模糊系统的隶属函数和推理过程.在仿真实验中,分别采用模糊识别系统、并联型模糊RBF神经网络、结构等价型模糊RBF神经网络进行辐射源识别,给出了三种算法在相同噪声环境下的仿真结果,表明等价型模糊RBF效神经网络有较高的正确识别率,具有更强的抗干扰能力,但运算量相对较大.