武器装备论证的柔性仿真建模研究

来源 :计算机仿真 | 被引量 : 2次 | 上传用户:catmaster
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
论证仿真是支持武器装备论证的重要方法和关键技术之一,如何克服领域建模仿真系统之间互操作性的缺乏,使一些模型和专业化程度高的仿真工具,在多领域、全过程协作和资源共享成为可能是装备论证工作的一项重要工作。分析了武器装备论证问题及其建模仿真方法的特点,将混合异构层次化建模思想应用到装备论证仿真建模过程当中,较好地反映了论证系统全面和多层次结构的性质。并给出了一种基于图形过程的组合模型生成建模方法,为武器装备论证这类复杂系统的仿真建模问题提供了一次有益的尝试。同时说明了这样一个结论:改进和扩展单一的建模技术
其他文献
针对倒立摆这样的典型控制问题,提出了一种在结构与规模上可生长的神经网络控制方案。网络利用细胞生长结构算法的生长机制,在工作域中实现对刺激信号的自组织模式分类,并可通过新神经元的插入,实现网络规模的生长演化。在输出域中针对控制任务采用强化Hebb学习机制,实现不同的神经元以最佳方式响应不同性质的信号刺激。最后进行了倒立摆的自学习控制的仿真实验,表明在自治地与环境的交互作用中,通过神经网络自身的发育,
Snake(主动轮廓线)模型即能量最小化运动曲线模型,最初由Kass在1987年提出,具有良好的获取特定区域内目标边缘的能力,是一种极为有效的图像分割方法。针对传统Snake模型对初始轮廓的依赖性问题,利用围绕目标形心的圆环间平均灰度差异来确定初始轮廓点,对噪声的干扰有一定的抑制作用,并减少了人工选取的工作量。通过离散Snake算法与分段DP算法的有效结合来获取图像的特征边缘点,以提高Snake算
运用强化学习的方法来对连续的倒立摆系统实现平衡控制是一直以来有待解决的问题。该文将Q学习与神经网络中的BP网络、S激活函数相结合,利用神经网络的泛化性能,设计出一种新的学习控制策略,通过迭代和学习过程,不但能够解决倒立摆系统连续状态空间的输入问题,还成功解决了输出连续动作空间的问题。将此方法运用于连续倒立摆系统的平衡控制中,经过基于实际控制模型的Matlab软件仿真实验,结果显示了这个方法的可行性