基于GA-BP贝叶斯算法的可靠性分析近似模型

研究了GA-BP(Genetic Algorithm-Backpropagation)贝叶斯算法在可靠性仿真中的应用.GA-BP贝叶斯算法是一种新型前馈神经网络训练算法,它建立在遗传算法(GA)、L-M(Levenberg-Marquardt) BP算法以及贝叶斯方法这三者的基础上.由于该算法的训练目标是获取对应于后验分布最大值的权值向量,并且在搜索过程中融入了遗传算法,因此能够使前馈神经网络具有更佳、更稳定的泛化性能.在可靠性仿真中,采用GA-BP贝叶斯算法来构造前馈神经网络近似模型,再用它来替代复杂费时的数值仿真程序进行Monte Carlo模拟,就能够在计算成本得到有效控制的同时获取随机输出变量的概率分布情况.     

基于连续小波变换的飞行器结构模态参数辨识

给出了一种基于连续小波变换的多输入多输出MIMO(Multiple-Input Multiple-Output)飞行器结构模态参数的辨识方法.对结构离散运动方程进行连续小波变换建立了小波域内的系统AR(Auto Regression)模型,AR模型的系数矩阵决定着系统的动力学特性,可以通过最小二乘法求得.模态参数可以通过求解由AR系数矩阵构成的特征矩阵的特征值来获得.与已有基于小波变换的模态参数辨识方法相比,该方法应用了连续小波的时移共变性和小波变换的滤波能力来确保辨识的效率.在辨识过程中,采用优化算法提高了辨识的精度和稳定性.算例仿真结果表明该方法具有较高的计算精度和稳定性,能用于飞行器结构模态参数的辨识.      

基于IFA-ELM的航空发动机自适应PID控制新方法

针对大涵道比涡扇发动机强非线性、变参数的特点,提出了一种基于优化极端学习机(ELM)对发动机参数进行预测的自适应PID控制方法.为提高ELM的预测精度和实时性,采用适用于多峰值寻优的改进萤火虫算法(IFA)优化ELM网络参数,形成优化的ELM训练方法IFA-ELM.该算法在保证预测精度的前提下,有效简化了网络规模,并提高了其泛化能力.利用该算法建立发动机风扇转速预测模型,基于该模型,采用梯度下降法在线调整PID参数,提升发动机动态性能.数字仿真验证表明,与常规PID控制相比,基于IFA-ELM的自适应PID法调节时间减少了0.2~1.4s,超调量降低了0.2%~1.5%,验证了该控制方法的有效性.      

基于参数矩阵计算全体极小碰集的方法

极小碰集计算是基于模型诊断的关键步骤之一.针对参数化求解方法的局限性,以及大型系统诊断中由于状态空间规模增加导致诊断能力下降甚至无法诊断等问题,研究了一种非参数化极小碰集求解算法M-MHS(Matrix-based Minimal Hitting Set)算法.该算法利用参数矩阵描述元素与集合的关系,通过矩阵分解将原始问题逐步分解为多个子问题,并采用有效的剪枝规则避免对无解子问题的计算.仿真结果表明:该算法能够计算全体极小碰集,且在进行较大规模碰集计算时性能优于HSSE(Hitting Set-Set Enumeration)算法和去参数化后的BNB-HSSE(Branch and Bound-HSSE)算法,并对不同规律数据能够维持性能稳定,从而为大型系统基于模型诊断提供了可行方法.     

基于ARMA时序模型的结构参数识别集员算法

研究在时域内利用含噪声观测数据识别结构参数问题.建立了与结构振动微分方程等价的自回归滑动平均(ARMA, Autoregressive Moving-Average)时序模型,将结构参数识别问题转换为ARMA模型参数辨识问题.在不确定但有界(UBB, Unknown-But-Bounded)噪声假设下,基于线性时不变系统参数集员辨识的区间算法,寻求与观测数据和噪声相容的参数的最小超长方体(或区间向量),进而得到结构参数的估计值.通过数值算例,将本文算法与最小二乘算法进行了比较,显示了其可行性和有效性.      

基于BP神经网络的飞行绩效评价模型

为实现飞行绩效的客观评价,利用眼动数据,建立了拓扑结构为6-14-3型的BP(Back Propagation)神经网络模型.已有的实验数据和随机插值法得到的数据作为建模的数据来源,数据分为训练集和测试集并归一化.基于Matlab的神经网络工具箱,利用经验公式和实验比较法确定了BP网络模型的隐含层节点数;对BP算法的各种改进算法进行了优化选择;将训练集数据和测试集数据先后输入网络模型进行学习训练和仿真测试;对3个技术水平的飞行员的飞行绩效进行了预测和评价.研究表明,眼动数据的BP神经网络模型可以较为准确地评价飞行绩效,评价方法可以为飞行训练提供参考.     

旋翼多维振动最优调整方法

针对直升机旋翼系统非线性、难以建模的特点,采用径向基函数(RBF,Ra-dial Basis Function)神经网络建立直升机旋翼动平衡调整模型.根据约束条件以直升机机身振动值作为目标函数建立适应度函数,以旋翼系统的调整参数为优化变量,进行神经网络学习和优化.利用粒子群优化(PSO,Particle Swarm Optimization)算法对适应度函数进行寻优,获得当直升机振动最小时的桨叶的调整参数.实验结果表明:PSO算法寻优效率方面高于遗传算法;RBF神经网络和PSO算法相结合可以有效地实现直升机旋翼动平衡调整.     

教练机训练效能计算方法改进

教练机训练效能对飞行学员掌握飞行技能和战术水平有重要作用,量化评估教练机训练效能是优化训练体制和评估飞行训练大纲的前提.典型的教练机训练效能计算模型对飞机的航空电子系统、操纵系统考虑不足,对飞行参数选择有局限性.利用层次分析法原理改进的教练机训练效能评估模型弥补了这些不足,同时对飞行科目权重给出了新的选择方法.改进模型能够很好地适应第三代战斗机飞行员训练效能评估,为现代飞行训练大纲和飞行训练体制评估提供了基础,算例结果证明改进模型更为合理可行.      

粒子群优化在直升机旋翼动平衡调整中的应用

传统的直升机旋翼调整方法没有考虑调整参数与振动信号之间的非线性关系,针对这一缺点,提出将广义回归神经网络(GRNN,General Regression Neural Network)和粒子群算法相结合的旋翼调整方法,采用GRNN网络建立旋翼动平衡调整模型,以桨叶的调整参数作为神经网络的输入,以旋翼转轴和机身的三向的加速度测量值作为网络输出,建立调整参数与直升机振动信号间的模型.以直升机振动作为目标函数,采用粒子群优化算法对桨叶的调整参数进行寻优,获得当直升机振动最小时的桨叶的调整量. 飞行实验结果表明,此方法可通过飞行测试获得的新数据对神经网络进行更新,使系统在使用过程中不断完善,并可在较少的飞行调整下完成旋翼的动平衡调整.      

无人飞行器自主着舰实时场景的仿真实现

为给垂直起降无人飞行器视觉自主着舰算法研究提供经济可行的解决方案,实现了无人机自主着舰场景的软件仿真以提供算法研究中所需的合格场景图片.基于机器视觉理论,通过分析无人飞行器机载摄像机在自主着舰时考虑了透镜畸变参数的针孔成像模型,给出了无人飞行器着舰靶标的成像公式,并介绍了软件仿真中畸变模型实现时出现的问题及解决办法.为了使仿真图像更逼真,综合考虑了无人飞行器着舰实时场景中所存在的主要干扰,如光照不匀,运动拖影及电气噪声和大气流动和海面悬浮颗粒造成的白噪声等,在C+ +和Windows环境下实现了无人飞行器自主着舰的仿真图像和数据的实时生成.最后展示了部分仿真结果.     

一种水下航行体运动参数测量系统的设计

针对航行体水下试验的要求,设计了一种水下航行体运动参数测量系统。从该系统的原理算法、硬件设计和软件设计等方面进行了详细的阐述。该系统以采用硅微传感器的姿态测量系统（以下简称MTi）作为惯性测量组合,导航计算机采集MTi中的加速度计、陀螺和磁力计的原始传感器数据,结合捷联惯导四元数算法更新姿态矩阵,对航行体的姿态、速度、位置进行实时解算并存储解算结果,试验结束后通过上位机对试验数据进行读取。该测量系统多次应用于航行体的水下试验,获得了航行体水下运动参数。经试验验证,该测量系统性能可靠,可以满足水下航行体的运动参数测量的需求。     

极地科考小型无人飞行器

针对小型无人飞行器在极地科考中的抗风扰动问题,通过神经网络改进卡尔曼滤波算法,提高小型无人飞行器对环境的适应性.基于小型无人飞行器自身状态信息与误差信息,在线调整系统的量测噪声和估计参数,提高信息融合精度;利用矢量域方法构建轨迹跟踪控制算法,基于目标航迹在线调整航向,提高小型无人飞行器在顺风、逆风、转弯的飞行品质和压航线精度.经过大量的仿真试验、实际飞行试验验证了方法的有效性,改进的卡尔曼滤波算法可以提供长时高精度信息,小型无人飞行器可以在野外6级风源扰动的情况下,实现稳定飞行,平均误差不超过10m.小型无人飞行器在南极实地科考中得到成功应用.     

基于测速定轨的轨道参数精度分析

利用误差传播关系,比较了测速体制下逐点定轨算法和多项式定轨算法的精度,为多项式和样条算法在测速定轨体制中的应用提供理论依据。利用逐点及多项式算法对两条典型轨道进行性能计算,结果表明:多项式算法能获得比逐点算法更高精度的轨道参数,且该算法数据结构简单、具有一定的实时性。     

便携式现场低频振动校准装置

针对大型结构的谐振频率低，用于其模态测试的振动通道多，系统复杂的特点。本文系统介绍了一种频率范围为0.1Hz～20Hz可用于现场低频振动测试系统校准的振动校准装置。可以有效地解决运载火箭等大型结构模态试验的振动测试系统的现场整体校准问题，对于提高模态试验的效率，节约送检时间等起到了重要的作用。     

旋转弹的神经网络变质心姿态控制

研究了旋转弹变质心控制系统的姿态控制问题.建立了内部带有n个可移动滑块的导弹系统仿真数学模型,分析了滑块与弹壳间的相对运动对系统运行产生的耦合影响.利用神经网络的自学习性以及自适应特性,设计了基于神经网络控制的姿态控制律来计算系统质心的期望位置.利用最优原理确定了各滑块的期望偏移以实现系统质心位置的改变,从而达到改变导弹飞行姿态的目的,提高了系统的动态响应品质.以带有2个滑块的旋转弹姿态控制系统为例进行非线性仿真,证明了所设计控制律的有效性.      

车载GPS/DR组合导航系统的数据融合算法

建立了车载GPS/DR(全球定位系统/航位推算)组合导航系统自适应联合Kalman滤波的数学模型,研究了综合运用子系统状态评估、自适应信息分配、误差补偿、迭代扩展Kalman滤波、抗野值干扰、U-D协方差分解滤波等技术来提高精度和可靠性的融合滤波算法;针对滤波发散的问题,引入了一种在线估计观测噪声统计特性的自适应滤波方法.理论分析和半物理仿真结果表明,所设计的算法在精度、可靠性、适应性、实时性等方面效果都很好.      

考虑认知不确定的雷达功率放大系统可靠性评估

高可靠性部件短时间内很难得到足够的性能数据,致使对部件退化规律的认知存在一定不确定性,无法准确估计系统的可靠性。为实现对系统可靠性准确估计,假定部件性能参数的分布参数为区间变量,建立了基于区间变量的部件性能参数分布模型,给出了部件状态概率的计算方法。对状态性能区间边界进行补偿,定义了区间通用生成函数及其运算法则,提出了考虑认知不确定性的多态系统可靠性评估方法,并对某型雷达功率放大分系统的可靠性进行分析。本文方法克服了性能参数分布信息缺少、无法准确建立状态性能参数分布模型的不足,具有很强的通用性和工程应用价值。