基于神经网络的战时装备维修保障能力评估

介绍了神经网络的概念,阐述了BP神经网络的基本原理与方法,在系统分析战时装备维修保障系统的基础上构建了战时装备维修保障系统能力评估指标,设计了BP神经网络模型,通过Matlab仿真软件对结果进行计算分析表明,BP神经网络具有很强的解决非线性问题能力,适用于战时装备维修保障能力评估。     

基于小波神经网络辨识的PID神经MRAC研究

提出了一种基于小波神经网络辨识的PID神经网络模型参考自适应控制方法。该方法采用小波神经网络作为辨识器,PID神经网络作为控制器在线调节。由于小波变换具有良好的时频局部特性,神经网络具有强大的非线性映射能力,自学习、自适应等优势,采用规范正交的小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力,自学习、自适应能力等优点,仿真结果表明用该方法构成的控制系统收敛速度快,逼近精度高,鲁棒性好,优于一般的BP网络控制。     

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。     

基于神经网络的体视PIV空间标定模型

体视粒子图像测速（SPIV）中的空间标定精度对SPIV的测试结果精度有较大影响。为研究标定模型对输入误差的处理能力,定义了一个无量纲参数——误差衰减系数,来评判空间标定模型对误差的响应。在此基础上针对SPIV两相机空间标定的误差产生和传播特性,发展了一种基于神经网络的且具有联合标定能力的SPIV空间标定模型。使用仿真实验手段,证实了该神经网络模型在很大的参数空间内均具有对输入误差的抑制能力,而传统的多项式模型或小孔模型并不具备这一能力;此外,神经网络模型在高光学畸变情况下的表现也优于多项式模型及小孔模型。因此,神经网络具备替换传统空间标定模型的能力,有助于提高SPIV的测量精度。最后在实验中证实了神经网络标定模型的空间定位误差仅为传统模型的1/4。     

基于PSO-BP的APU智能故障诊断方法研究

针对BP神经网络故障诊断稳定性差、精度低的问题,提出了一种基于PSO-BP神经网络的故障诊断方法。结合粒子群算法的全局搜索能力和BP神经网络反向传播的特性,不仅提高了故障诊断的准确性和稳定性,而且缩短了训练时间。仿真结果表明,PSO-BP神经网络算法比传统的BP神经网络故障诊断结果具有更高的精度、更快的诊断速度和收敛速度。     

航空发动机反馈神经网络自适应控制方法

根据反馈神经网络控制方法在发动机控制系统中的应用研究,建立了基于反馈网络的发动机控制系统。采用反馈神经网络辨识发动机模型参数,用动态自适应算法对神经网络权值进行了调整,并在飞行包线内各工作点对整个控制系统进行了仿真。结果表明,使用神经网络建立的发动机控制系统具有良好的控制品质和较强的自适应能力。     

一类基于神经网络技术的软件故障静态测试方法

对测控软件可靠性增长模型的现状进行了分析,提出了基于神经网络的可靠性增长模型,选用了具有良好泛化能力和强大的非线性逼近能力的 BP 神经网络,对测试软件进行拟合,并对软件故障数进行静态预测和验证,实验表明,该模型具有很高的预测精度和良好的对非线性映射的逼近能力。     

基于TS模型的模糊神经网络光伏MPPT控制

为了克服传统最大功率点跟踪(MPPT)方法的一些缺点,使光伏系统更加快速准确地工作在最大功率输出点,提出了基于模糊控制和神经网络控制相结合的自适应控制方法。该方法充分利用模糊神经网络处理非线性问题的优点,通过模糊控制来改变步长,利用神经网络的自学习能力来快速达到平衡,使光伏MPPT在跟踪速度和稳定性之间达到一个较优的平衡。仿真和试验结果表明,基于模糊神经网络自适应控制的MPPT方法具有较强的鲁棒性和自适应能力。     

基于神经网络及专家系统的混合诊断法

本文将神经网络与人工智能专家系统结合起来,利用神经网络的联想记忆能力对发生过的故障进行直接记忆和联想。利用专家系统的反向推理能力对联想产生的侯选故障进行验证。据此原理开发了一种更接近人类思维过程的诊断系统。      

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。     

基于自联想网络的发动机传感器解析余度技术

本文提出了一种基于自联想神经网络的传感器解析余度技术。在这种网络中,冗余传感器的信息被压缩、重组进入网络的第一部分,网络的第二部分将压缩信息恢复出来。基于数据融合原理,若一个传感器发生故障,其它传感器仍可提供足够的信息代替发生故障的传感器。理论分析和用于涡轴发动机的仿真结果表明,这种特殊结构的自联想网络具有良好的过滤噪声和故障信号的作用,特别适合于用作不易建模的复杂对象的传感器信号重构     

航空发动机多变量三层神经网络控制

提出了一种发动机多变量神经网络控制方法。采用三层前向神经网络对非线性项进行补偿,神经网络权重自适应律采用在线学习算法。控制系统的设计不需要知道精确模型,适应于全飞行包线。仿真研究表明发动机多变量神经网络控制具有良好的动、静态性能。      

概率神经网络在识别带有噪声字母中的应用

字符识别是模式识别中的一个应用,通过训练网络可以教会计算机如何识别字符,这在票据处理方面可以大大地提高效率。该文中所建立的神经网络为具有局部响应的高斯函数的三层概率神经网络,它以牢固的插值理论为基础,具有学习速度快,不易陷入局部极小等优点。本文介绍了概率神经网络的学习算法和一个三层概率神经网络对带有噪声的26个英文大写字母的识别。其中利用MATLAB编写仿真程序对概率神经网络进行训练,仿真结果表明,训练的概率神经网络可以对给定的带有噪声的字母作出正确的识别。     

基于Adaline网的航空发动机自适应控制

根据发动机模型非线性、关系式呈隐性和具有不确定性的工作特点，提出了一种基于Adaine网的发动机自适应控制方案，该方案中的神经网络辩识器和神经网络控制器均采用两层线性Adaline网，权值采用Widrow-Hoff δ学习规则更新。仿真结果表明这种方法具有方案简单、稳定性好、实时性好等优点，可在全飞行包线内对发动机进行在线控制。     

使用神经网络的末制导方法

选择具有常值加速度的目标作为一个简化但有代表性的目标模型,以拦截弹的△ｖ最小为性能指标,得到了一定初始拦截距离下的训练数据,并使用ＢＰ算法对神经网络进行了训练,在有目标机动加速度估计误差的情况下,将神经网络制导获得的拦截精度和变轨机动速度增量同用扩展比例导引得到的结果进行了比较,结果表明,神经网络导引法能够保证对目标的拦截精度,具有很强的适应性。     

故障诊断的神经网络观测器法

以神经网络的自学习代替故障诊断观测器法中的解析计算,提出了一种新的故障诊断方法,从而解决了具有模型不确定性系统的故障诊断问题。对某型航空发动机控制系统传感器故障进行了仿真研究,该方法不仅具有传统观测器法报警及时准确、易于实现容错控制的优点,又不需要获得系统精确的数学模型,对具有模型不确定性系统的故障诊断与容错很有效     

故障诊断的神经网络多重模型自适应方法

将神经网络与故障诊断的多重模型自适应方法相结合,提出了故障诊断的神经网络多重模型自适应方法,并对某型航空发动机控制系统传感器故障进行诊断仿真。仿真表明,该方法能够用来解决具有模型不确定性系统的故障诊断问题,同时,对未知的故障模态具有自学习能力     

扩压器叶片形线逆命题设计的一种新方法

应用遗传算法结合神经网络技术通过对候选叶片表面速度分布与目标速度分布之间误差的极小化,求解给定表面速度分布下的扩压器叶片形线。叶片形线利用Bezier曲线参数化表示,候选叶片形线的流场分析由BP神经网完成。      

基于神经网络的火箭发动机动态过程建模

简要介绍了神经网络的基本理论, 分析了神经网络与非线性建模问题。基于对液体火箭发动机动态过程的研究, 提出了用神经网络建模的一般思路和基本方法, 从而为发动机参数研究找到了新的建模途径。建模结果表明, 将神经网络应用于液体火箭发动机动态过程的研究是十分成功的。      

加快神经网络训练速度的方法在旋转机械故障诊断中的应用

根据一双跨转子实验台,模拟了转子与静子在轮盘处及轴颈处碰磨、轴系不对中及转子不平衡故障,通过一个信号自动处理装置记录下转子正常振动信号及发生各种故障时的信号,然后利用研制的人工神经网络系统对故障示例进行学习。通过在实际中诊断故障,证明这种是可行的。本文还针对人工神经网络(BP算法)存在的训练速度慢的问题,提出了一个加快网络训练速度的新方法(ARBP算法),较大提高了网络的训练速度。