应用神经网络诊断航空发动机气路故障的前景

介绍了近几年来国内外应用神经网络对航空发动机气路故障进行诊断的基本方法和研究进展。对单一故障进行定性的诊断已经取得了试验验证，结果表明神经网络具有较高的诊断准确率。对反映发动机气路部件健康状况的气流量、效率等参数的多故障、定量的诊断则取得了一些仿真研究成果。相对于基于发动机气动热力学数学模型的方法而言，神经网络方法具有更大的工程应用潜力。     

基于自适应神经网络的飞行控制律设计方案

介绍了一种自适应神经网络控制方法，利用李亚普诺夫稳定性定理推导了神经网络权值的自适应规律，保证了闭环系统的稳定性。设计了针对滚转通道的神经网络，并应用某型号飞机进行了非故障和故障状态的仿真。结果表明，自适应神经网络控制方法补偿作用显著，相当于系统具有一定的重构功能。     

两种神经网络应用于数控系统故障诊断

介绍了双向联想记忆（ＢＡＭ）学习算法神经网络和误差后向传播（ＢＰ）神经网络在数控系统故障诊断中的应用实例。这两种神经网络在数控系统故障诊断方面都有着重要的应用价值，都能实现故障的联想、容错、自学习等功能。但因为各自具有的特点不同，又使得ＢＰ网络更适于故障样本多的情况，而ＢＡＭ则适于要求对错误的故障征兆进行纠错的故障诊断系统     

一种鲁棒的非线性飞行控制律设计

介绍了一种反馈线性化方法——逆系统方法，用以解决非线性飞行控制。针对逆系统方法存在的误差，介绍了一种鲁棒控制方法——基于RBF神经网络直接自适应控制方法，利用李亚普诺夫稳定性定理推导了神经网络权值的自适应规律，保证了闭环系统的稳定性。设计了针对滚转通道的神经网络，并应用某型号飞机进行了非故障和故障状态的仿真，结果证明，自适应神经网络控制方法补偿作用显著，相当于系统具有一定的重构功能。     

风场中基于神经网络的炸弹弹道落点拟合分析

介绍了两种炸弹弹道落点拟合神经网络模型,对各模型的优缺点以及处理结果进行了分析。提出了采用广义回归神经网络来处理炸弹弹道落点拟合问题,弹道的落点参数、初始投放条件与风场可通过神经网络的阈值和权值来表现。仿真结果表明,应用广义回归神经网络进行弹道落点拟合,具有算法可行性好、拟合精度高、速度快等优点,而且运算简单;该方法在实战中有很高的参考价值和工程实用价值。     

一种小波神经网络与遗传算法相结合的优化方法及其在内流中的应用

本文提出一种基于小波神经网络（Wavelet Neural Networks，简称WNN）理论与Pareto遗传算法相结合的优化方法，并用于内流的数值优化计算。小波神经网络是将小波分析与人工神经网络（Artificial Neural Networks，简称ANN）理论相结合而产生的一种新型神经网络模型。它通常由输入层、隐含层和输出层所组成。本文在隐含层用Morlet小波母函数取代了BP神经网络中常用的Sigmoid激励函数。Pareto遗传算法具有很好的全局寻优能力和良好的优化效率，在通常情况下它总可以得到均匀分布的Pareto最优解集。内流（其中包括超声速射流元件以及叶轮机械内部流动）优化问题的典型算例表明：小波神经网络具有很好的自学习功能和容错能力，可以快速、高效、高精度的完成非线性函数的逼近与映射，并且其泛化能力（generalization ability）很强。在数值优化中还发现，WNN比常用的响应面方法在样本的要求方面更灵活、更高效。将WNN与Pareto遗传算法相结合可以得到工程中较为满意的优化解。     

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。     

基于深度强化学习的空战机动决策试验

空战智能决策将极大改变未来战争的形态与模式。深度强化学习决策机可以挖掘飞行器潜力，是实现空战智能决策的重要技术范式，但其工程实现鲜有报道。针对基于深度强化学习的双机近距空战机动智能决策的工程实现问题，开发了适于应用的深度神经网络在线机动决策模型，发展了通过飞行控制律跟踪航迹导引决策指令的机动控制方案，并进一步开展了软硬件实现工作与人机对抗飞行试验，实现了智能空战从虚拟仿真到真实飞行的迁移。研究结果表明基于本文发展的近距空战机动决策及控制方法，智能无人机在与人类“飞行员”的对抗中能够迅速做出有利于己方的动作决策，通过机动快速占据态势优势。研究结果显示了深度神经网络智能决策技术在空战决策中的潜在应用价值。     

基于遗传算法和神经网络的调参控制律设计

飞控系统的设计一般采用调参控制器，针对目前广泛使用的调参控制律增益设计，提出了采用遗传算法计算，然后应用神经网络逼近调参曲线的方法，该方法可以克服传统方法中试凑和插值带来的缺点，对工程应用有一定的参考价值。     

基于神经网络时延预测的航空发动机内模控制器设计（英文）

针对航空发动机分布式控制系统中时延不确定问题，提出了一种基于神经网络时延预测的航空发动机内模多变量控制设计方法。首先分析了分布式控制架构下网络时延产生的原因及影响因素。然后设计了内模控制器，包括基于神经网络的时延预测模块、内模主控制器模块、执行机构小闭环控制模块以及与发动机起动过程开环控制计划相结合的切换控制模块。在理想和扰动条件下，从理论上分析了基于预测时延的内模控制系统的稳定性能，并对所提控制策略下允许的最大时延进行了说明。最后进行了全数字仿真和硬件在环仿真试验。结果表明，所设计的神经网络时延预测模块具备高精度预测能力，内模控制器的稳态误差不超过0.5%，具有良好的抗干扰能力、并满足实时性要求，具有一定的工程应用价值。     

三种用于加工特征识别的神经网络方法综述

加工特征自动识别技术是智能化设计与制造的关键支撑，已有的实用性算法普遍存在学习能力差、识别范围有限和识别速度慢等共性问题。神经网络方法在计算机视觉和模式识别领域获得了巨大成功，其自学习与自适应能力和高速计算等优势也已在加工特征识别中得到初步的展现。对加工特征识别中具有应用潜力的三种不同的神经网络方法进行了研究，剖析了神经网络识别加工特征中的预处理与编码和神经网络结构设计等关键性问题，分析了不同神经网络方法的异同点，总结了当前神经网络识别加工特征的发展方向，为相关领域的研究提供一定的理论指导与技术支持。     

ANN和GA混合算法在故障诊断中的应用

介绍了ANN和GA的混合诊断算法,采用双重GA循环优化神经网络的结构和连接权重。设计提出了ANN和GA的混合方法的计算机流程图,运用三层前向神经网络执行诊断功能,并给出了混合算法在某型导弹自动驾驶仪故障诊断中的应用实例分析。     

进化神经网络响应面法在结构可靠性中应用

针对传统可靠性分析方法的缺点,研究了网络拓扑结构和权值自适应调整的进化神经网络响应面,以用于实现隐式功能函数的全局映射。给出了基于遗传算法的神经网络响应面的构建步骤和样本点的选取方法。用训练好的神经网络代替可靠性分析中的有限元计算,大大提高了计算效率。通过工程实例与蒙特卡罗法、传统响应面法进行了对比分析,证明了该方法的有效性和实用性,为大型复杂结构的可靠性分析提供了一条高效的途径。     

导弹纵向神经网络自动驾驶仪设计

在导弹俯仰通道中存在输入未建模动态情况下，提出了一种基于RBF神经网络和反演控制技术的神经网络自动驾驶仪的设计方法。首先应用两个RBF神经网络对输入未建模动态设计了神经网络逆补偿器，然后利用反演控制技术设计了导弹纵向自动驾驶仪。最后给出仿真结果显示了该设计方法的有效性。     

基于ANFIS的涡轮发动机风车工况建模仿真

小样本情况下神经网络模型泛化能力不足的缺陷限制了其在涡喷发动机风车工况建模中的应用。在十组风车工况实验数据的基础上建立了涡喷发动机风车工况的神经网络模型，并且利用人们对涡喷发动机动静态、相似参数以及剩余功率与加速度的关系等先验知识不断对神经网络的输入变量进行变换，逐次减少神经网络的训练样本数目，最终只用一组训练样本就可以训练出泛化能力较强的神经网络模型，大大提高了小样本情况下神经网络的泛化能力。仿真结果表明，该方法简单有效。     

导弹非线性自适应鲁棒控制系统设计

提出了一种基于全调节RBF神经网络的导弹非线性自适应鲁棒控制系统的设计方法，应用全调节RBF神经网络在线辨识系统中存在的不确定性，利用反演和鲁棒控制技术设计了导弹控制系统，成功地处理了非匹配不确定性，并在虚拟控制中引入了微分阻尼项，有效地改善了系统动态性能。最后，应用Lyapunov稳定性理论推导出RBF神经网络各参数的调节律，并证明了系统状态全局渐近收敛于原点的一个邻域，仿真结果验证了该设计方法的有效性和可行性。     

麦道转包生产中工程更改预审的动态跟踪系统简介

在分析转包生产特点及工程更改预审工作的基础上，介绍了工程更改预审动态跟踪系统的建立过程，主式应用功能。     

基于卷积神经网络的深度学习流场特征识别及应用进展

深度学习架构的出色性能使得机器学习在流体力学中的应用得到新的发展,可以应对流体力学中诸多问题和需求。卷积神经网络（CNN）强大的非线性映射能力以及分层提取信息特征的功能,使其成为当下流场特征研究不容忽视的工具。围绕这一研究前沿与热点问题,概述和归纳了这一研究领域的进展与成果。首先,对深度学习在流体力学中的发展以及卷积神经网络进行了简单的回顾。然后,从卷积神经网络能够识别特征出发,先后介绍了基于卷积的深度学习特征识别在流场预测、流动外形优化、流场可视化精度提升和生成对抗等应用方面的研究进展。最后,对深度学习在流场识别领域的应用进行了展望,为后续的研究提供参考。     

模糊自组织神经网络在航空发动机故障诊断中的应用

介绍了模糊自组织神经网络在航空发动机故障诊断中的应用方法,并通过实例验证了该方法在发动机故障分类中的实用性。该方法具有结构算法简单、无监督自学习和侧向联想等功能。它有很好的应用前景,可以广泛应用于发动机的故障诊断。      

基于遗传算法的神经网络优化

针对神经网络结构的设计基本上依赖于人的经验的缺点，提出了一种利用遗传算法优化神经网络的算法。该算法结合了神经网络的快速并行性和遗传算法的全局搜索性，对神经网络的连接权和结构进行了优化，剔除整个网络冗余节点和冗余连接权，提高了网络的处理能力。通过实例证明该算法具有很高的精度，在机械故障诊断中具有良好的应用前景。