安全起飞和中断起飞的计算及实例分析

起飞性能的分析是确保航空公司安全和高效运行的关键。安全起飞和中断起飞的计算是起飞性能分析的主要内容。本文依据民航相关法规,提出了计算不同可用起飞距离和所需起飞距离的分段计算方法,给出了满足安全起飞和中断起飞的要求以及计算场长限重的工程方法。并以某机型在某机场跑道起飞为例,计算了各个可用起飞距离和所需起飞距离,给出了某条件下场长限重计算结果。     

障碍物对运输机起飞性能的影响及优化

运输机起飞性能分析主要是根据飞机的性能、机场相关条件计算满足规章要求的最大起飞重量及相应起飞特征速度。限制最大起飞重量的因素很多,包括跑道条件、爬升梯度、结构强度和障碍物等,其中障碍物限制往往是很多机场最苛刻的限制,因此对障碍物限制的起飞重量进行优化关系到航空公司运行的安全性和经济性。本文通过分析起飞飞行航迹的定义和运动方程,给出了计算障碍物限制的起飞重量的基本原理和流程图,分析了不同改平高度对障碍物限制的起飞重量的影响,并以空客和波音的典型机型为例给出了不同改平高度对障碍物限重影响和起飞性能优化的结果。     

一种使用BP神经网络加速的蒙特卡洛拉格朗日水滴求解器（英文）

结冰可能威胁飞行安全。拉格朗日方法被广泛应用于求解结冰过程中的水收集系数,但是其发展受到鲁棒性问题和高计算成本限制。为了弥补拉格朗日方法的缺陷,使用蒙特卡洛积分法和反向传播(Backpropagation, BP)神经网络分别用于解决鲁棒性问题和降低计算成本。基于蒙特卡洛方法的拉格朗日求解器可实现对任意模型或计算条件的无条件稳定。构建了BP神经网络用于预测水滴撞击概率,通过筛除非撞击水滴减少计算量。BP神经网络不针对特定模型提前训练,使用异步并行策略使BP神经网络训练和水滴运动同时求解,建立了广泛适用的异步拉格朗日求解器。使用GLC-305后掠三维翼型和某型发动机短舱模型对求解器进行验证,结果显示BP神经网络可以有效提升计算效率,对比没有神经网络辅助最多节省27%运行时间,同时保有同等计算精确度。本文研究为首次尝试神经网络技术与结冰数值模拟融合,为进一步发展拉格朗日方法提供有力支撑。     

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。     

基于BP神经网络的含褶皱复合材料强度预测

利用BP(Back propagation)神经网络处理多参数问题具有的非线性映射及泛化能力,构建了具有3层隐藏层的神经网络,对含纤维褶皱复合材料层合板的压缩强度进行预测。基于LaRC失效准则建立三维损伤模型,对含褶皱复合材料的压缩失效进行数值分析。将数值分析结果作为数据样本对神经网络进行训练。采用黄金分割法快速确定最佳隐藏层神经元数量区间范围,并通过分析对比不同数量神经元模型的强度预测结果及评价指标,确定具有高预测精度的隐藏层神经元数量。结果表明,所构建的神经网络预测最大褶皱角为5.6°、9.9°和11.4°的3种层合板失效强度误差分别为3.4%、4.6%和-0.01%。本文所发展的基于BP神经网络对复合材料强度进行预测的方法,为工程应用中复合材料强度评估提供了一种有效的途径。     

基于BP神经网络的城区基本用电负荷预测与验证

文章以南昌市为实证对象,用BP神经网络对城区未来十几年的基本用电负荷进行了预测,并做了验证性分析.     

基于BP和GRNN神经网络的高速铣削TC4粗糙度预测

表面粗糙度是衡量工件加工表面质量的重要指标,考虑到切削参数是能够人为控制并对零件的表面粗糙度有较大影响的因素之一,通过设计正交试验建立高速铣削TC4表面粗糙度的BP神经网络和GRNN神经网络模型,并对比两个模型的预测值与试验值的预测精度。结果表明:所建立的GRNN神经网络能够更好的预测零件表面粗糙度,预测误差在5%以内,BP神经网络的预测误差在10%以内且收敛速度较慢,GRNN神经网络具有更好的预测精度和效率,为进一步开展高速加工预测提供参考。     

喷气公务机总体参数和性能统计分析

按照飞机设计的基本原理，通过对现有喷气公务机总体参数和性能数据的统计分析，寻找它们之间可能存在的内在关系，得到了10个经验公式，包括使用空重与起飞重量、燃油重量与起飞重量、着陆重量与起飞重量、机翼面积与起飞重量、机翼面积与使用空重、机身长度与使用空重、内部容积与人重以及推力、巡航速度、后掠角、展弦比等一些组合参数之间的数学关系。另外还得到了推重比、翼载荷等常用参数的取值范围。这些统计结果为公务机概念设计提供了一些有用的数据。     

基于人工神经网络的微重力流动冷凝换热预测

微重力条件下管内流动冷凝换热系数是空间热交换器设计的基础依据,但其实验数据稀缺,故有必要建立精确的预测模型。文中提出了一种基于人工神经网络的微重力下管内流动冷凝换热预测模型。选取误差反向传播（Back propagation, BP）和径向基函数（Radial basis function RBF）两种神经网络,以水力直径、饱和温度、质流密度、干度及与工质热物性有关的参数作为网络输入,冷凝换热系数作为网络输出。结果显示,BP神经网络预测的均方根误差为237、平均绝对百分误差为4.32%;RBF神经网络预测的均方根误差为165、平均绝对百分误差为2.35%。相对于BP神经网络,RBF神经网络精度更高。基于RBF神经网络的微重力下管内流动冷凝换热模型预测值与94%的实验值和数值模拟结果的相对误差在±10%以内。     

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。     

神经网络BP算法预测可靠性增长

叙述可靠性增长的基本概念和神经网络BP算法，着重探讨BP算法用于可靠性增长预测的可能性。通过两个实例的预测结果，与常用的可靠性增长参数模型Duane，Gompertz的结果相比较。实例表明，该方法是可行的，而且是有效的，适应性强。可以预料，它不但能用于仪器设备试制过程中预测可靠性增长，而且可用于武器装备在储存过程之中可靠性下降的预估。     

基于灰色-神经网络联合模型的大型冷却塔风效应预测

基于灰色GM(1,1)模型和BP人工神经网络,建立灰色-神经网络联合的大型冷却塔平均位移和风振系数预测模型。该联合模型增强了预测结果的自适应性和准确性,能解决因气弹模型试验中测点样本数目太少而无法直接建立神经网络预测模型的局限。通过某大型冷却塔气弹模型风洞试验结果的算例分析,表明该组合模型对于平均位移和风振系数的预测结果均与试验结果吻合良好,随后基于已训练的模型给出结构风振反应精细化分析所需的输入参数预测结果。这为冷却塔结构风效应的精细化研究提供了一个新的有效方法。     

条件数与遗传—神经网络相结合的乒乓球比赛预测方法

论文针对实际比赛中经验确定的乒乓球比赛技术指标较多的情况,尝试采用条件数计算分析方法对运动员在比赛中采用的关键技术指标进行筛选,建立了遗传-神经网络乒乓球比赛预测模型,并提出了利用模糊集理论建立可信度函数对预测结果进行评价的方法。预测结果表明:采用逐步回归方法、传统的遗传-神经网络模型、改进的遗传-神经网络模型得到的预测值可信度分别为0.59、0.69、0.76,采用改进的遗传-神经网络模型对比赛预测结果的可信度较高,该方法可以为比赛技术分析提供较高可信度的决策支持。     

各向异性层合阻尼结构的BP集成神经网络模型设计

本文以各向异性层合阻尼结构为研究对象,设计一种基于BP集成神经网络的智能分析模型。该模型中的集成神经网络由两个子系统神经网络并联融合而成,学习算法主要采用Sigmoid函数。同时,该模型设计针对各向异性层合阻尼结构参数的扰动性问题综合采用结构模式归类、学习算法的改进、小波分析方法予以处理。计算结果表明:该BP集成神经网络模型,较好地解决了各向异性层合阻尼结构参数的扰动性问题,并能有效量化结构参数的变化影响。     

时滞对象的神经网络Smith预测控制

针对系统的时滞问题提出一种新的控制系统，将神经网络Smith预估器与神经元控制器通过预测误差有效结合在一起，起到预测控制目的。在神经网络Smith预估器中采用优于BP网络的IRN网络，仿真的结果表明系统的实时控制速度有了明显地提高。     

一种在轨卫星控制分系统风险等级预测方法

使用2009至2020年某卫星控制分系统质量案例数据，提出一种基于BP神经网络的在轨卫星控制分系统技术风险等级预测模型。挖掘历史相关数据，建立在轨卫星控制分系统风险评价体系。排除风险源中的冗余信息，将重要信息数据离散化后，以BP神经网络进行训练，最终得到在轨卫星控制分系统风险等级预测模型。通过试验验证该模型可准确有效预测在轨卫星控制分系统风险等级，为卫星在轨风险控制提供支持。     

基于神经网络的天然气消费量组合预测

将组合预测的方法应用到天然气消费量的预测中,并与三种单一预测方法回归分析预测方法、灰色系统预测方法和神经网络预测方法进行比较,结果表明该方法的精度和可靠性较高,为天然气合理使用计划提供了科学依据.     

基于神经网络的垂尾飞行载荷模型研究

针对现代飞机结构设计复杂、传力路径多和大载荷结构变形大等因素,提出用神经网络方法建立载荷模型.利用垂尾载荷校准试验数据建立基于神经网络的垂尾根部剪力和弯矩的载荷模型,并对多点进行载荷预测.通过与多元线性回归载荷预测结果进行对比分析,结果表明,在大载荷下神经网络预测精度优于多元线性回归,从而为测量垂尾飞行载荷提供了一种可...     

基于BSO-BP神经网络的赤潮预测模型

针对天牛须(BAS)算法在处理高维数据时容易陷入局部最优的缺陷,在BAS算法的基础上结合粒子群(PSO)群体信息共享的机制,提出一种倒S型函数的BSO-BP模型。通过建立BSO算法优化BP神经网络的复合模型对夜光藻密度进行预测,从而实现赤潮灾害预测。首先,采用核主成分分析法(KPCA)对输入变量进行降维处理,加快网络的收敛速度。接着,利用BSO优化BP神经网络初始权值、阈值。为了更好地平衡BSO算法的全局搜索以及局部搜索能力,引入倒S型函数来调整惯性权重。相对于BP、PSO-BP、BAS-BP等模型,BSO-BP具有更好的预测精度以及非线性拟合效果。     

基于BP神经网络的民航机场飞行区事故预测研究

以长沙黄花国际机场从2010年1月1日至2016年12月31日期间共96个月的样本数据对BP神经网络预测模型进行训练和检验,结果表明,目标误差率达到最低要求,证明BP神经网络应用于民航机场飞行区事故预测预报具有可行性,为研究民航机场安全预警问题提供新的思路和方法。