空间坐标转换技术的分析与研究(一)

系统分析了空间坐标转换的不同形式及其相互关系,运用旋转矩阵理论作了较为深入的探讨,指出了使用中应注意的问题。提出了齐次矩阵,微分算子及雅可比阵矩等有用概念,作为例子,讨论了这些概念在机器人学中的应用。     

关于矩阵的定义及其运算的新思路

在当前流行的线性代数教科书中，大都直接给出矩阵及其运算的抽象定义，并没有给出这些定义的实际背景和具体应用，使学生理解和接受起来有很大的困难。本文通过具体实例引出矩阵及其运算的概念，这不但使学生很自然地理解矩阵及其运算的定义，而且也加强了学生解决实际问题的能力。     

关于几种特殊矩阵逆的求法

在n阶方阵求逆的方法上,研究了三类特殊矩阵逆的求法,不仅丰富了矩阵逆理论的内容,而且方便了矩阵论在运筹学、控制论以及工程领域中的应用。     

偏振稳定器的理论分析与实验研究

对于高速率(40Gb／s以上)的光纤通信系统，其偏振相关特性显得尤为重要。推导并验证了偏振控制器的琼斯矩阵及穆勒矩阵，对于任意输入光偏振态，实验得到了任意希望输出的偏振态。分析并设计了以偏振控制器为核心器件的偏振稳定器，通过实时地控制偏振控制器．使稳定器输出端的偏振态不随输入端偏振态的扰动而改变，并且不受环境因素的干扰。     

群决策的统计处理方法——序数法

本文给出了一种目标无法量化时的群决策方法，通过一系列的统计处理可以方便地将群中成员的偏好集结为群的偏好，最终对气有可行方案给出体现群体意志的排序来。     

基于遗传算法的产品拆卸序列规划研究

拆卸序列规划(Disassembly Sequence Planning,DSP)是民用飞机维修规划的一个重要内容,也是在设计阶段对民用飞机产品维修性的一个评估.为了能以较高的效率求解出产品拆卸序列的方案,本文首先根据拆卸特点构建了产品拆卸混合图模型.该模型描述了零部件之间的连接关系和优先关系,然后通过分析产生产品的拆卸序列.在此基础上建立目标函数并利用遗传算法的计算速度和灵活性的特点对拆卸序列进行优化.最后,通过一个实例,验证了本文方法的可行性及其计算效率.     

计算滑动轴承动特性系数的有限元法

提出了一种快速求解8个轴承动特性的系数有限元法。该方法不仅比以往的有限元法计算速度快, 而且与其他方法具有同样的计算精度。      

人工神经网络在飞行控制领域中的应用及发展

综述了近年来人工神经网络在飞行控制领域中的应用研究概况。首先从人工神经网络的发展历史出发，介绍了在飞行控制系统中常用的神经网络及其研究现状；而后论述了与其它智能技术的结合与发展情况，并针对当前飞行控制领域所遇到的重点和难点问题，分析了人工神经网络的具体应用；最后指出了今后主要的工作方向。     

分数阶Cohen-Grossberg神经网络的Mittag-Leffler稳定性

在整数阶 Cohen-Grossberg神经网络与分数阶理论及分数阶神经网络的基础上,提出了分数阶 Cohen-Grossberg神经网络。为了研究该类型神经网络,引入 Mittag-Leffler函数并利用 Mittag-Leffler函数及分数阶导数的相关性质,进而通过构造 Lyapunov函数的方法,研究了分数阶 Cohen-Grossberg神经网络的 Mittag-Leffler稳定性,并最终给出了相应的充分性条件。最后,通过实例仿真验证了结论的正确性。     

时滞Hopfield神经网络稳定性测试方法研究

利用Lyapunov泛函方法，研究了具有时滞的Hopfield神经网络稳定性的测试问题，得到了网络全局渐近稳定性与滞量无关的测试方法，这对于时滞神经网络的设计与检验具有普遍应用的意义。     

贝叶斯正则化BP网络在机翼载荷分析中的应用

采用贝叶斯正则化与BP网络相结合的方法,构造了一个分析飞机机翼载荷的三层BP网络。贝叶斯正则化方法提高了BP神经网络的泛化能力,且能考虑非特征化的非线性影响。使用某型飞机对称机动和滚转机动的试飞实测数据作为载荷激励来训练神经网络,并用这个训练完的网络预测了该飞机机翼的飞行载荷。最后将神经网络预测结果与实测结果进行了比较,结果表明该方法能够准确地实现飞机机翼载荷预测,对新机研制和飞行试验有较高的参考价值。     

基于神经网络的鲁棒制导律设计

 基于神经网络理论对寻的导弹鲁棒制导律进行了优化设计。建立了制导系统非线性运动学方程和鲁棒性能函数,并将鲁棒性能函数转化成了微分对策的极小极大化问题。采用伴随 BP技术,将微分对策的两点边值求解问题转化为 2个神经网络的学习问题,训练后的 2个神经网络分别作为对策双方的最优控制器在线使用,避免了直接求解复杂的鲁棒制导律问题,仿真结果表明了该方法有效性。     

自组织神经网络航空发动机气路故障诊断

 为克服学习样本依赖于发动机精确模型的问题,提出了一种基于自组织神经网络的发动机智能故障诊断的方法,并运用故障特征提取的数据预处理方式,成功地对航空发动机气路部件的几种典型故障做出正确诊断。为验证网络的抗噪性能,引入了自联想神经网络。研究表明,自组织网络可以脱离发动机模型,并且对测量噪声有良好的鲁棒性,能基本满足航空发动机故障诊断的要求,具有较好的工程应用前景。     

基于神经网络的火箭发动机动态过程建模

简要介绍了神经网络的基本理论, 分析了神经网络与非线性建模问题。基于对液体火箭发动机动态过程的研究, 提出了用神经网络建模的一般思路和基本方法, 从而为发动机参数研究找到了新的建模途径。建模结果表明, 将神经网络应用于液体火箭发动机动态过程的研究是十分成功的。      

复合正交级数神经网络模型在飞控中的应用

针对现有神经网络逼近快变非线性函数能力低、结构复杂等问题,提出了复合正交多项式模型和一种改进的正匀多项式神经网络模型。这两种模型综合了正交级数和神经网络的结构特点,便于工程实现。理论研究和仿真计算表明,使用此模型构造快变非线性函数时,可使神经网络的节点数成倍减少,神经网络的训练次数成倍降低。飞行器非线性控制的应用表现,此方法可用来解决一般非线性系统的控制问题。     

子波分析和ART神经网络在复合材料板冲击定位中的应用

将子波分析和神经网络技术用于复合材料的无损监测,利用子波分析良好的时频特性从强噪声中提取特征信息。并对复合材料受到冲击时的信号进行了实验处理,提出了一种改进的自适应共振理论 (ART)神经网络结构聚类算法。实验结果表明,能实时监测复合材料受到冲击时的冲击位置和冲击大小。     

Neural networks: implementations and applications

Artificial neural networks, also called neural networks, have been used successfully in many fields including engineering, science and business. This paper presents the implementation of several neural network simulators and their applications in character recognition and other engineering areas