层合顺序对各向异性层合阻尼结构动态性能的影响

本文将各向异性设计引入层合阻尼薄板中，主要对几组阻尼层交替层合与集中阻尼芯层层合的各向异性阻尼结构的内耗和刚度的温频特性进行实验研究。为各向异性层合阻尼结构理论和轻量化高阻尼设计奠定基础。实验结果表明：在实验温度（0-70℃）和频率（1～200Hz）范围内。交替层合度影响不一定，结构的内耗和刚度的温度特性均优于集中阻尼芯层结构；而频率对结构内耗和刚与具体结构参数和结构总层数有关。     

层合阻尼薄板之各向异性参数对损耗因子的影响分析

运用各向异性层合阻尼结构理论分析方法和正交试验等分析方法。着重考察了各层纤维铺设角度。纵、横剪切模量和纵、横拉伸模量等各向异性参数对各向异性层合阻尼薄板阻尼性能参数——损耗因子的影响。结果表明：各向异性参数在不同的模态下对层合阻尼薄板损耗因子的影响力不同，其中。各向异性层纤维铺设角度的影响较为复杂。其影响力在不同层合阻尼结构、不同的模态下差异较大；而纵、横剪切模量、纵、横拉伸模量的影响力随着模态的升高逐渐增大。此外，通过对各向异性参数的变化影响进一步分析表明：各向异性参数的变化影响各有特点，具有结构优化的潜能。     

各向异性层合阻尼结构理论及其阻尼特性分析

本文将各向异性设计引入层合阻尼结构中，从理论上分析了各向异性层合阻尼结构的阻尼特性及其控制机理，从而验证了建立约束阻尼层合结构各向异性优化设计新体系的可行性。     

一种基于粗糙集理论的粗糙神经网络构造方法

提出在BP神经网络中使用粗糙集理论网络的设计，由于粗糙集理论有强大的数值分析能力,而BP神经网络具有准确的逼近收敛能力和较高的精度，所以通过两者的结合，可以得到一种可理解性好，计算简单，收敛速度快的神经网络模型，这种神经网络的算法的主要过程为：首先利用粗糙集能力去发现给定数据集的一些规则，然后根据这些规则构造神经网络稳含层的神经元个数，最后用BP算法迭代求了网络的各种参数，完成网络的设计，本文最后给出了一个三维非线性函数的实例进一步验证了网络的正确性。     

一种新型人工神经网络的实现与改进——概率逻辑神经网络

概率逻辑神经网络模型是一新兴的神经网络模型,它不仅具有较快的训练速度,而且具有“自退火”性能,并易于硬件实现,从而成功地克服了误差反向传播(BP)模型的训练时间长,易于陷于局部最小点的弱点。本文将给出概率逻辑神经网络(PLNN)的一般结构、学习算法及其模拟实现的情况。并由此推广到多层联想网络的实现与分析,最后给出了PLNN与BP的比较结果。     

复合材料低速冲击损伤面积神经网络估算方法

损伤面积是复合材料层合板在受低速冲击后其损伤严重程度主要表征参数之一。本文基于3层拓扑结构的BP人工神经网络,以冲击能量和凹坑深度作为输入参数,建立了损伤面积的快速估算模型。利用试验样本数据对BP神经网络模型训练后,选取样本数据进行仿真验证。对比分析说明该损伤面积估算模型具有良好的试验数据内在联系发掘能力,估算准确性与效率较高。本文研究为复合材料层合板低速冲击损伤面积估算提供了一种新的有效方法。     

航空高强度碳纤维单向层合结构复合材料在切削过程中的各向异性行为研究

单向层合结构的高强度碳纤维增强树脂基复合材料已逐渐发展成为航空承力结构件的主要材料,相关的切削加工需求也越来越多。由于显著的各向异性,单向层合结构的碳纤维复合材料易在切削加工中形成缺陷,难切削加工性明显。采用直角自由切削试验的方法,得到了T700航空高强度碳纤维单向层合结构复合材料在不同纤维方向角下的切削力、切削比能、切削温度、切削加工表面。基于试验结果讨论了碳纤维单向层合材料在切削过程中力热行为的各向异性,得到了不同切削参数条件下的切削比能图谱以及碳纤维复合材料的切削热源和传导模型。通过扫描电子显微镜(Scanning electron microscope,SEM)分析了典型切削加工表面的特征,得到了不同纤维方向下的表面形成规律。     

基于轻量级卷积神经网络的人证比对

在证件审核场景中,常规的深度学习人脸识别方法人证比对精度低且在嵌入式设备运行效率差。为解决上述问题,本文提出了改进的轻量级卷积神经网络Lightnet,并采用了迁移学习方法。Lightnet是结合深度可分离卷积、线性瓶颈结构和注意力模块构成的轻量级卷积神经网络模块,引入附加角度裕量的损失函数AM-Softmax监督训练后,网络模型能够保持较高的验证精度,并有效解决标准卷积神经网络参数冗余、计算量大的问题。迁移学习通过冻结预训练模型的卷积层权重,并在自制的人证数据集微调,提高了网络模型的人证场景的识别性能。实验结果表明,所设计的轻量级人证比对算法在验证精度、参数量以及运行效率等方面取得了很好的效果,且对生活场景有较好的鲁棒性。     

神经网络在直升机空空导弹攻击中的应用研究

应用神经网络方法研究了直升机发射空空导弹的一些问题。文中首先介绍了直升机空空导弹攻击的火控系统原理；其次，对复杂且不稳定的直升机飞行运动模型设计了模糊神经网络控制器；然后，用BP网络实时计算了直升机发射空空导弹的空中攻击包线；最后，设计了综合火／飞控制系统，并对所设计的整个攻击系统进行了仿真，通过仿真证明满足系统设计要求。在神经网络设计中，采用了变尺度优化算法，提高了算法的速度和精度，对空战的实时应用提供了重要的参数价值。     

机械展开式再入飞行器气动性能分析与优化

机械展开式再入飞行器由于气动面积较大,可以有效地进行气动捕获和气动减速,但需研究分析主要气动外形参数对气动性能的影响并通过优化进一步提高减速效果。针对计算流体力学（Computational fluid dynamics, CFD）开展再入飞行器外形优化计算量大、耗时多的问题,提出了一种基于反向传播（back propagation, BP）神经网络的气动性能优化方法。在对再入飞行器参数化建模的基础上,首先采用正交试验设计生成样本,通过CFD方法进行高精度气动力性能计算,对样本计算结果进行方差分析;再利用BP神经网络对生成的样本集进行非线性拟合,构建神经网络气动性能近似模型;最后使用多岛遗传算法和BP神经网络模型开展阻力最大的气动外形设计优化,并对优化结果进行参数灵敏度分析。结果显示,该优化方法可以快速准确地求解优化模型,在保证精度的同时大幅提升了计算效率,可为未来工程设计和应用提供参考。     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

基于小波神经网络的多模型故障检测

提出了一种利用小波神经网络辨识非线性系统多模型故障的方法。证明了状态估计误差渐近收敛到零，同时证明了如果激活函数满足持续激励条件，辨识器参数将趋于理想辨识器参数。分析了多模型辨识结构，并将小波神经网络作为辨识器应用于多模型故障检测。给出了小波神经网络进行非线性系统逼近的实例，用小波神经网络辨识器对多故障模型检测进行了仿真，证明了此方法的正确性和可行性。     

用人工神经网络模拟三维编织复合材料的力学性能

三维编织复合材料由于其材料结构及编织工艺的复杂性和众多工艺参数的影响，目前尚未建立成熟的力学模型。本文采用人工神经网络ＢＰ算法，将编织工艺参数作为人工神经网络的输入，将弹性模量及强度性能作为输出，建立了编织工艺参数与力学性能的人工神经网络关系模型，并讨论了ＢＰ算法及网络结构。这种人工神经网络关系模型对于三维编织复合材料的实验、生产和应用。工艺参数的选取以及理论模型的研究都有重要的参考价值。本文最后     

基于神经网络模型预测的水声对抗子母弹跌落冲击仿真

为了评估水声对抗子母弹在不同跌落冲击条件下的可靠性,应用LS-DYNA对母弹在不同跌落参数下的冲击响应进行了数值仿真研究。在有限元计算结果作为样本的条件下,运用BP神经网络模型建立了母弹跌落冲击影响参数与子弹应力峰值的非线性映射关系。结果表明:弹体各子结构在跌落高度、角度及跌落面条件下具有不同的冲击响应规律;母弹体头螺、壳体结构冲击变形较大,内部子弹冲击应力值变化幅度较小;网络模型较准确预测子弹的应力峰值,可极大地降低仿真次数,提高跌落测试效率。     

基于BP神经网络的冰形特征参数预测

机翼结冰影响了飞机飞行的气动特性,严重时将会引起事故,对冰形特征参数进行预测对翼型气动特性研究以及后续防除冰措施具有重要的意义。本文利用BP神经网络,建立翼型冰形特征参数预测模型,并采用k折交叉验证进行网络结构选择,以气象与飞行条件作为输入,结冰极限、冰角高度和角度等冰形特征参数作为输出。结果表明:预测的冰形特征参数（除下冰角高度外）与数值结果相对误差低于5%,证明该方法具有较好的预测效果。     

一种基于模糊聚类的组合BP神经网络数据挖掘方法

介绍了一种基于模糊聚类的组合BP神经网络的数据挖掘方法，并给出了该方法的模型和启发式BP改进算法Heuristicbp。且将其应用于数学函数值预测中，取得了学习时间短和预测精度高的效果，证明该方法是有效的，具有较高的实际应用性。     

采用BP神经网络的惯导初始对准系统

针对随机系统，提出了基于多层神经网络的滤波器，并将其用于惯导初始对准中。采用ＢＰ网络替代初始对准系统中的闭环卡尔曼滤波器，可以确保系统的误差状态始终为小量，实现了惯导初始对准中的滤波与校正功能。仿真结果表明，这种方法简化了系统运算的代数结构，提高了系统状态估值运算的实时性，而对准系统的精度又与原来采用滤波器的精度相当。     

基于神经网络的航空发动机全包线PID控制

提出一种基于神经网络的航空发动机全包线PID控制器参数整定方法,在全包线内选定若干离线整定点,在这些点离线整定PID控制器参数kp,ki,kd.以离线整定点参数为训练样本,离线训练BP神经网络,该网络可映射高度H,马赫数Ma与kp,ki,kd的非线性关系,便可用该网络在线整定包线内任意点的kp,ki,kd.用发动机非线性部件级模型为被控对象的数字仿真表明,用上述方法设计的发动机PID控制器在全包线内,都能获得理想的动静态品质.该方法简单易行,效果好,具有实用价值.