SLFM网络及其学习算法的改进

介绍了一种新型的人工神经网络--有监督线性特征映射(SLFM)网络,它综合了BP网络的可监督性和SOM网络算法简单的优点,具有学习速度快、精度高、扩展能力较强的优点.文中讨论了SLFM网络的拓扑结构和学习机制,并对网络的学习算法进行了改进,对比实验表明,改进后的SLFM网络其性能得到了进一步的提高.     

Robust Design of Supercritical Wing Aerodynamic Optimization Considering Fuselage Interfering

Robust optimization approach for aerodynamic design has been developed and applied to supercritical wing aerodynamic design. The aerodynamic robust optimization design system consists of genetic optimization algorithm, improved back propagation (BP) neural network and deformation grid technology. In this article, the BP neural network has been improved in two major aspects to enhance the training speed and precision. Uniformity sampling is adopted to generate samples which will be used to establish surrogate model. The testing results show that the prediction precision of the improved BP neural network is reliable. On the assumption that the law of Mach number obeys normal distribution, supercritical wing configuration considering fuselage interfering of a certain aerobus has been taken as a typical example, and five design sections and twist angles have been optimized. The results show that the optimized wing, which considers robust design, has better aerodynamic characteristics. What's more, the intensity of shock wave has been reduced.     

遗传寻优神经网络在平台温控系统建模中的应用

温度直接影响惯性仪表及惯性平台的使用精度,而高精度温控系统的设计依赖于准确的平台加温模型,针对平台系统中多种惯性仪表加温过程复杂度高,当前采用的阶跃响应辨识方法存在模型适应性差、精度不高等情况,且针对基于梯度下降的BP学习算法存在局部收敛的问题.采用基于遗传算法寻优的神经网络辨识的方法,对惯性仪表加温模型进行建模,试验验证通过遗传寻优后的BP神经网络学习算法,提高了网络的学习精度,进而提高了平台系统中惯性仪表加温过程数学模型的精度,模型适应性较高,为后续惯性仪表的加温控制方法的设计提供了必要的条件.     

应用反推神经网络检测液体火箭发动机多维故障

基于可测参数所构成的参数模式对应着一定的发动机故障模式, 应用反推神经网络检测发动机多维故障, 方法的有效性由只有泵效率下降和喷注器阻塞同时发生的数值仿真得到验证      

A neural network approach to pulse radar detection

A multilayer feedforward neural network is applied to pulse compression. The 13-element Barker code and the maximum-length sequences (m-sequences) with lengths 15, 31, and 63 b were used as the signal codes, and four networks were implemented, respectively. In each of these networks, the number of input units was the same as the signal length while the number of hidden units was three and the number of output units was one. In training each of these networks, backpropagation learning was used and the number of training epochs was 500. Using this approach, a more than 40 dB output peak signal-to-sidelobe ratio can be achieved. These fault-tolerant neural networks can provide a robust means for pulse radar detection     

基于神经网络的滚动轴承故障包络信号的自动识别方法

介绍了一种基于神经网络的滚动轴承故障包络信号的自动识别方法。将从包络信号的时域和频域信息中提取的反映滚动轴承故障的特征信息作为BP神经网络的输入,用BP算法对该网络进行训练。利用BP神经网络的智能性来实现滚动轴承故障的智能诊断。     

基于人工神经网络的手写体数字识别方法

数字识别是人工神经网络中的一项基本又重要的应用研究领域。为此提出了一种用简单BP神经网络识别手写体数字的方法。利用BP神经网络的良好监督学习功能,并结合提取的降维数字字符图像的灰度特征进行网络训练,提出了一种基于统计特征分类的手写体数字识别方法。实验结果表明,该方法简单且有较好的识别效果。     

OLS算法在无人机传感器故障诊断中的应用

在故障诊断领域,神经网络故障诊断方法以其优良的特性正得到越来越广泛的应用。本文针对无人机的特点提出一种基于RBF神经网络故障诊断方法,通过建立神经网络预测器来实现无人机机载传感器的故障诊断,其中网络学习算法的选取将直接影响神经网络故障诊断的性能。正交最小二乘算法(OLS)以其在设定网络参数方面的优点常用来作为RBF神经网络学习算法。本文将介绍OLS算法的原理和实现步骤,通过VC 6.0编程实现OLS算法,并利用无人机机载传感器数据来验证OLS算法的有效性。     

神经网络在经济预测中的应用

阐述了针对BP神经网络在经济预测应用中存在的网络学习速度缓慢、计算量大、网络容易陷入局部极小、学习步长需要通过实验由人工来设置和调整等问题,提出将自组织理论、扩展Kalman滤波、模糊算法、小波理论等与神经网络相结合,构成新的网络结构或改进学习算法,以克服BP神经网络自身不足的思路。     

Sensor validation using hardware-based on-line learning neuralnetworks

The objective of this document Is to show the capabilities of parallel hardware-based on-line learning neural networks (NNs). This specific application is related to an on-line estimation problem for sensor validation purposes. Neural-network-based microprocessors are starting to be commercially available. However, most of them feature a learning performed with the classic back-propagation algorithm (BPA). To overcome this lack of flexibility a customized motherboard with transputers was implemented for this investigation, The extended BPA (EBPA), a modified and more effective BPA, was used for the on-line learning, These parallel hardware-based neural architectures were used to implement a sensor failure detection, identification, and accommodation scheme in the model of a night control system assumed to be without physical redundancy in the sensory capabilities. The results of this study demonstrate the potential for these neural schemes for implementation in actual flight control systems of modern high performance aircraft, taking advantage of the characteristics of the extended back-propagation along with the parallel computation capabilities of NN customized hardware     

一种通用神经网络模型及其应用研究

提出了一种新型模拟生物神经网络的性能特征通用人工神经网络模型。该模型含有跨层连接和反馈连接,在这些连接上设有选择性开关,能够控制网络模型做出相应的变换。并给出了相应的学习算法。     

程序调参飞行控制律的神经网络实现

为保证飞行品质,现代飞机中多采用程度调参飞行控制律,由于调参规律的高度非线性,使得控制律的工程实现相当困难。为此,对程序调参飞行控制律的神经网络实现方法进行了研究。通过应用ＢＰ神经网络逼近非线性调参规律。探讨了用ＢＰ网络实现程序调参飞行控制律的一般方法,给出了网络的结构及其优化算法,并以某型飞机电传操纵系统倾斜阻尼通道的程序调参控制律为例,对该实现方法进行降验证。结果表明,实现精度符合工程要求。     

基于BP人工神经网络的GPS／SINS组合导航算法

基于扩展Kalman滤波的GPS／SINS组合导航算法，需要对原始的非线性连续系统模型进行线性化和离散化处理，要求系统噪声和测量噪声为零均值的高斯白噪声，且易于出现滤波器发散。BP人工神经网络毋需对所求解的问题建模，能够很好地逼近系统非线性特性，获得较高精度的导航定位信息；还具有计算过程稳定，不涉及矩阵求逆，不需要迭代逼近，以及容易实现并行处理等优点。本文设计适用于GPS／SINS组合导航系统的BP网络模型，并在标准的BP算法基础上，采用共轭梯度法改进网络训练速度及精度。最后，通过仿真算例说明BP网络方法用于GPS／SINS组合导航计算的可行性。     

人工神经网络技术在舱外航天服自动温控系统中的应用

介绍了舱外航天服手动温度控制存在的问题,分析了已有的航天服自动温控方案。采用人工神经网络的反向传播算法,以氧气的消耗量、全身出汗量、心率、液冷服的出口水温及出入口的水温差等５个参数作为输入,以液冷服冷却水的入口温度为输出,建立了舱外航天服的自动温控系统的人工神经网络模型。并讨论了反向传播算法及网络构造。结果表明,人工神经网络技术为解决舱外航天服自动温度控制提供了一条新途径。     

利用模态编码进行结构损伤位置识别的自联想储存器神经网络方法

 提出了一种基于自联想储存器神经网络的结构损伤识别方法,该网络的训练数据为经编码后的结构模态向量。和传统BP网络相比,这种方法收敛性能较好且不易陷入局部极小值。另外,为判断识别结果的正确性,提出了一种基于向量间距离的可靠性分析方法。最后,以一个悬臂梁为算例验证了该方法的有效性和可行性。     

组合BP神经网络在数据挖掘中的应用

在吸收了人工神经网络解决非线性问题优点的基础上,针对数据挖掘的特点,提出了一种组合BP神经网络的数据挖掘方法。该方法是按照一定方式将n个BP网络组合成一个复杂的BP网络模型,并运用改进的启发式BP算法以实现有用模式的挖掘,能够大大缩短训练时间和提高挖掘精度。     

利用神经网络诊断火箭发动机的故障

首先简要地介绍了人工神经网络(以下简称神经网络)的BP学习方法。然后将BP学习算法用于火箭发动机的故障诊断。仿真实验的结果表明,神经网络完全可以用于发动机的故障诊断。     

BP神经网络在火灾烟气危害性分级中的应用

建筑物发生火灾时，燃烧产生的高热和有毒、有害气体对人构成很大威胁。本文利用ＢＰ神经网络对火灾烟气危害性进行分级，介绍了神经网络模型的结构、学习过程和算法。实例计算表明：利用神经网络对烟气危害性分级是合理可行的，具有一定的实用价值。     

基于人工噪声神经网络BP算法的火箭发动机故障仿真与检测

研究了用于液体火箭发动机故障仿真与故障检测的神经网络ＢＰ算法。在ＢＰ算法中采用了加噪声等技术来避免系统误差陷入局部极小，训练出精度高（误差小于０．０２）的神经网络，试验表明：神经网络ＢＰ算法成功地用于故障仿真与故障检测。     

基于功率反馈的涡轴发动机神经网络PID控制研究

通过对功率平衡关系进行分析,提出了利用功率反馈设计智能神经网络PID控制器的方法。基于BP（Back Propagation）神经网络,将功率信号作为神经网络的输入层信号,并改进了网络权值的学习规则。通过在线整定PID参数,控制器能够根据功率误差信号的变化实时调整控制参数,从而使系统自主寻找到功率平衡点,具有良好的稳态和动态响应特性。仿真结果表明：该方法可以使涡轴发动机在全包线范围内具有理想的控制性能。