罗兰C地波传播的ASF修正研究

罗兰C信号地波传播ASF（附加二次相位因子）是其定位误差的主要来源,对ASF进行修正可显著提高其定位精度。针对ASF修正进行了理论和实验研究,给出地波在不同传播路径上传播时延的计算方法,并把ASF的理论预测值和实测值进行比对。研究表明,采用理论预测和实测修正相结合的方法,建立罗兰C覆盖区ASF修正数据库是可行的。     

基于单片机的罗兰-C导航系统信号发生器设计

根据罗兰-C信号的基本特征,以单片机为主体,利用查表方式输出数字量,再经过DA转换模拟产生罗兰-C导航系统标准信号.输出信号包含了该台链中主台和副台的完整信号,另外针对导航台发射信号的环境,还添加了天波信号,同频干扰信号,噪声等干扰信号.信号发生程序完全按照主副台发射标准,以及奇偶周期的不同相位编码,对输出的脉冲进行时间上和相位上的控制.     

罗兰-C／GPS组合接收机应用分析

本文在概述罗兰-C（LORAN-C）远程导航系统与导航星全球定位系统（GPS）组合应用优点基础上，以国产船用XN-969型罗兰-C／GPS组合接收机为例，分析了罗兰-C导航系统与GPS导航系统组合接收设备的主要技术指标、工作原理、导航功能和基本操作使用方法。     

波形匹配法识别罗兰-C信号周期

提出一种新的周期识别算法,以满足数字化罗兰-C接收机软件实现的需要.借助MATLAB工具模拟天波干扰下的罗兰-C信号,对算法进行了有效性验证.该算法通过比较接收到的罗兰-C采样脉冲与模板信号的相似程度来识别第三周过零点.仿真结果表明在一定的信噪比条件下,该方法初步实现了罗兰-C信号周期识别的数字化,具有一定的实用性.     

基于罗兰-C自主授时系统的研究与设计

文章研究了利用罗兰-C附加调制信道实现数据调制发播方法,设计了罗兰-C授时系统,实现罗兰-C系统自主授时功能。     

基于BP神经网络的虚拟故障诊断的实现

针对电子设备故障诊断与维修训练的需求,以某型通信设备电源模块为例,探讨复杂电子设备元件级虚拟故障诊断的设计方案,重点研究了BP神经网络的实现、Delphi与Matlab的混合编程以及电路仿真在虚拟故障诊断中的应用,开发出某型通信设备的元件级虚拟故障诊断系统。实践证明,该系统实现了故障仿真和诊断以及虚拟拆装演示,具有较好的交互性,能够很好地解决虚拟维修过程中遇到的实际问题。     

基于ECDIS的ASF修正研究

此文分析了劳兰C系统定位误差的组成及相应的修正方法,比较了目前两种ASF修正算法的特点,提出把大地电导率数据叠加到ECDIS上,由计算机解算劳兰C导航台对到测量点地波传播的附加相位和平均相速,进而从理论上计算任意位置点的 ASF,建立ASF修正表。     

基于BP神经网络的空袭目标识别

通过介绍BP神经网络用于目标识别的基本原理,对目标不完整或不确定数据进行分析、推理。提取空袭目标的速度、高度、机动加速度和雷达反射面积等有用特征,并运用定性、定量相接合的方法,对目标特征进行归一化处理,作为输入层数据。根据目标识别的具体要求确定各层神经元数,建立了BP神经网络目标识别模型。通过对样本数据训练、检验、输出结果的分析,表明在缺乏识别先验知识时,运用该方法识别空中目标简单有效。     

基于BP神经网络的客滚船营运风险评估

随着客滚船运输行业的兴起,客滚船的营运安全日益受到各方面的关注。文中利用BP神经网络评价方法,由人、船、环境、管理四要素所构成的客滚船营运风险进行评估,最终确定某客滚船具体航次的营运风险。经过验证,基于BP神经网络客滚船营运风险评估方法与实际相符,为客滚船风险评估提供一条新的途径。     

基于BFGS法的BP神经网络算法研究

在把ＢＦＧＳ法运用于ＢＰ神经网络权的训练中,通过基于不同算法的神经网络对实际问题进行了学习,并根据学后获取的非线性机理结合预测的实例进行对比分析,表明基于ＢＦＧＳ法的ＢＰ神经网络算法对加快网络训练速度,提高网络预测的能力方面是有效的。     

基于BP神经网络的复杂布局管道泄漏检测研究

对基于BP神经网络的复杂布局管道泄漏检测与定位进行研究,确定实验方案和研究内容,介绍BP神经网络的输入参数、训练目标和隐含层节点个数,阐述基于BP神经网络的复杂管道泄漏检测研究。研究表明：用BP神经网络来预测复杂管道发生泄漏后的泄漏量大小是完全可行的;用其对是否发生泄漏进行状态辨识,则还要进行数据的二次处理;由于训练样本过少,用BP网络进行泄漏定位时会产生较大的误差,建议增加训练样本数,从而提高泄漏定位精度。     

基于BP神经网络的煤矿电机故障诊断预测

电机软故障辨识诊断一直是困扰电机维修工程师一大难题。引入BP神经网络概念,利用采集到的样本数据训练BP神经网络,得出最优网络模型。通过典型故障状态参数测试新方法的辨别能力。结合对煤矿电机参数的训练测试,通过仿真实验验证了这种新方法对电气故障诊断的有效性。     

基于BP神经网络的SAR干扰效果评估

将BP神经网络引入SAR干扰效果评估过程,根据干扰效果评定诸因素构造合适的指标作为网络输入,网络输出为干扰效果所对应的等级划分,然后利用训练样本对网络进行学习和训练。仿真结果表明,这种方法是可行的,减少了评估过程中人为因素的干扰,使得评估结果更为准确、可靠。     

基于改进BP神经网络的船舶操纵性能预报

以某单桨大型船舶在海上的回转性能为例，探讨了应用改进的BP神经网络（Back-pmpagation Neural Network）建立船舶操纵性预报数学模型的方法，并利用matlab语言对其进行了仿真。研究结果表明，改进的BP算法有更快的收敛速度和更好的计算精度。     

基于BP神经网络的船舶企业员工综合评价模型

为了保障船舶工业企业内部对其员工的使用管理和评价上的客观性和准确性,提出基于BP神经网络的综合评价方法,在建立了员工评价的指标体系基础上建立了基于BP神经网络的评价模型,将评价员工综合素质的指标值作为模型的输入量,评价结果作为模型输出量,用样本对神经网络进行训练,利用收集的中国船舶工业集团某造船企业管理执行层员工信息,使用MATLAB对模型进行模拟仿真训练,用验证样本对评价模型检测,检测结果是仿真输出与期望输入基本一致,说明网络合理,评价模型能够较好对船舶企业员工的综合素质进行评价.     

基于 BP 神经网络的通信训练考核评估方法

针对通信训练评估问题,分析了影响通信训练质量的基本因素,并建立了多级通信训练考核评估的指标体系模型。应用 BP 神经网络评价方法,构造了多级指标体系模型数值计算模型。最后,以通信台的通信训练评估为例,进行了数值计算分析。数值计算结果表明,采用 BP 神经网络对通信训练进行评估具有可行性和较高准确度。     

基于BP神经网络自适应控制系统的改进与优化

本文针对BP(Back Propagation)神经网络在控制系统应用中存在的一些诸如收敛速度慢、局部极小点等不足,提出了附加动量法以及自适应的学习速率法等算法,并对该算法的原理模型以及工作流程进行了研究和设计,同时对该算法在PID自适应控制系统中应用进行了改进和优化.     

基于BP神经网络的桥梁技术状态评估

用养护规范中17个评价指标作为输入层网络神经元,把桥梁损伤等级参数作为输出层神经元,建立了桥梁评估3层BP神经网络模型。选用湖北省110座旧桥的评估数据作为训练样本,后10个作为测试样本,经过2068次迭代运算的网络训练,得到了误差满足精度要求的收敛网络。将待评估的桥梁参数输入训练好的网络,得到评估桥梁的技术状态等级。