适用于全包线的航空发动机BP网络模型的动态辨识

为克服传统的发动机动态模糊辨识中存在的辨识精度低，辨识模型应用范围窄等不足，把对非线性系统具有高度逼近能力的神经网络应用于航空发动机动态特性的辨识，从而为发动机动态辨识开辟更为广阔的道路，采用均方差归一法的处理方法和BP算法的改进算法－输出端动量BP地，以某型发动机在飞行包线内某一飞行条件下的数据作为学习样本，辨识了发同的神经网络模型，在全包线范围内对该模型进行检验，结果表明，所得的发动机动态模型在全包线内都有很高的逼近精度，而且对噪声有很强的抑制能力。     

航空发动机简化实时模型仿真研究

在航空发动机数控系统研制中，由于缺乏详细的发动机部件特性数据，建立精确的航空发动机部件级模型非常困难。本文根据某型发动机地面试车稳态数据和动态数据，建立了航空发动机简化数学模型。稳态模型采用插值算法，动态模型采用动态系数法。所建立的模型框架灵活，算法简单，具有实时性。开展了发动机从起动到最大状态的稳态仿真和动态仿真，结果表明模型的稳态误差小于1％，较好地满足了发动机数控系统早期半物理仿真的需求。     

基于小波神经网络的航空发动机建模研究

提出将多个多输入单输出小波神经网络(WNN)组合构造多输入多输出(MIMO)的WNN来逼近MIMO非线性动态系统的快速而简单的实现方法，并采用高效率的初始化方法缩短了训练时间。采用某型航空发动机在飞行包线内均匀分布的工作点参数来训练，建立了全包线适用的动态小波神经网络航空发动机模型，用交叉验证的方法检验表明在全包线内有较高的精度及泛化能力。与反传算法神经网络(BPNN)、径向基函数神经网络(RBFNN)建立的动态模型在精度及泛化能力等方面做比较，结果表明WNN建立的模型训练精度高而且泛化能力强。     

基于区域极点配置的航空发动机全包线H_∞/LPV控制

根据发动机相似工作原理以及平方和(Sun of squares,SOS)规划,基于发动机全飞行包线的换算线性变参数(Linear parameter varying,LPV)模型,提出了一种基于区域极点配置的航空发动机全包线切换H_∞/LPV控制方法。根据发动机相似换算参数,建立换算状态变量模型。以高压换算转速为调度参数,利用多项式拟合得到全包线慢车以上的换算LPV模型。考虑基于区域极点配置的H_∞/LPV控制问题,将LPV闭环系统的极点配置在复平面上一个期望的区域内,并将LPV闭环系统稳定性条件转化为SOS约束,进行控制器求解。基于Lyapunov理论,设计全包线的切换LPV控制器,保证切换闭环系统Lyapunov意义下稳定。仿真结果表明,设计的切换LPV控制器能保证全包线内系统稳定且具有较好的鲁棒性能和动态响应性能。     

基于区域极点配置的航空发动机全包线/LPV控制

根据发动机相似工作原理以及平方和(Sun of squares, SOS)规划，基于发动机全飞行包线的换算线性变参数(Linear parameter varying, LPV)模型，提出了一种基于区域极点配置的航空发动机全包线切换/ LPV控制方法。根据发动机相似换算参数，建立换算状态变量模型。以高压换算转速为调度参数，利用多项式拟合得到全包线慢车以上的换算LPV模型。考虑基于区域极点配置的/LPV控制问题，将LPV闭环系统的极点配置在复平面上一个期望的区域内，并将LPV闭环系统稳定性条件转化为SOS约束，进行控制器求解。基于Lyapunov理论，设计全包线的切换LPV控制器，保证切换闭环系统Lyapunov意义下稳定。仿真结果表明,设计的切换LPV控制器能保证全包线内系统稳定且具有较好的鲁棒性能和动态响应性能。     

全包线内航空发动机参数估计的神经网络实现

介绍一种特殊的前向神经网络——自联想神经网络（Ａｕｔｏａｓｓｏｃｉａｔｉｖｅａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔ－ｗｏｒｋｓ，ＡＡＮＮ），然后将发动机参数在全包线、大范围工况下的变化规律与神经网络的非线性映射能力结合起来，开展了将ＡＡＮＮ应用于发动机全包线、大范围工况下参数估计的仿真研究。本文提出的选取测量矢量加入样本集的ＥＭＰ方法，有效地减少了样本集中样本矢量的数目，简化了网络的训练。用ＥＭＰ方法在全包线内仅用７４６组测量矢量作为样本集，在网络训练好后，任选包线内的一工况点作为算例运行发动机模型，所得各参数的稳态估计及动态估计的平均百分比误差＜０．５％。仿真结果表明，上述的参数估值方法是可行的，为进一步实现对发动机控制系统传感器的状态监视和故障诊断打下了基础。     

发动机复合模型及其在飞/推综合优化控制中的应用(英文)

研究了飞/推综合控制系统的在线优化实时性问题。提出将机载发动机复合模型与序列二次规划(Sequential quadratic programming,SQP)算法结合应用于飞/推综合优化控制的策略。首先,设计适用于全包线范围并可大幅度缩短优化时间的发动机稳态复合模型,然后基于SQP算法将该模型应用到发动机性能寻优控制中,包括最大推力和最小油耗优化模式,从而更加有效地完成各种不同的飞行任务。通过飞机巡航、平飞加速等仿真实验,表明了该优化控制方案能够在具有较好优化效果的前提下,明显提高飞/推综合控制系统的优化实时性。     

跨大气层飞行器爬升段纵向飞行控制律和制导律设计

由于火箭发动机的巨大推力，跨大气层飞行器在爬升段加速很快，重量、重心、惯量、飞行速度以及飞行高度等参数变化剧烈，无法简单地用固定控制增益参数的形式来保证整个飞行包线内的飞行品质要求。根据飞行器的爬升特点和控制难点，在爬升段的飞行包线内选择典型设计点，分别进行纵向内外回路控制律的详细设计。采用控制增益参数随动压变化进行调参的方法，对爬升段飞行轨迹进行了数字仿真，结果表明设计的控制增益参数及控制律，满足了跨大气层飞行器爬升段的预定目标要求。     

飞机座舱围护结构瞬态温度分布的数值计算

针对客机座舱围护结构的瞬态传热问题,论文以ARJ21-700型飞机为例,通过对飞行包线内的环境条件、座舱围护结构布置等内外部因素的分析,建立了相应的数学计算模型,并采用有限差分法进行温度场求解,获得了飞行包线内的飞机座舱围护结构各层温度随时间及飞行高度的变化情况.在此基础上,考察了材料层布置方式对座舱围护结构温度分布的影响,研究工作对于飞机座舱瞬态热载荷的计算具有参考价值.     

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.     

神经网络在旋翼／机身气动干扰模型中的应用

由于直升机自身的特点，旋翼／机身气动干扰呈现非线性，且受多种因素的影响，用神经网络来解决这一非线性问题是一个很好的办法。将旋翼／机身气动干扰试验数据构造的学习样本，对网络参数进行学习，可以得到旋翼／机身气动干扰神经网络模型，进而可以用该神经网络模型研究直升机机身受旋翼气流干扰时的空气动力特性。参数训练好的旋翼／机身气动干扰神经网络模型可直接用于直升机气动设计和实时仿真。笔者在对旋翼／机身气动干扰神经网络模型的建立进行论述外，还简要介绍了旋翼／机身气动干扰试验。     

基于径向基神经网络的有限元模型修正研究

设计参数型有限元模型修正属于结构动力学反问题，其理论基础是将结构的特征量视为设计参数的函数。然后依据特征量对设计参数的一阶导数信息进行迭代求解。本文提出了一种基于径向基神经网络的有限元模型修正方法，把模型修正归结为正问题进行研究。首先将特征量视为自变量．设计参数视为因变量，以径向基神经网络逼近两者之间的非线性映射关系，然后利用神经网络的泛化特性直接求解设计参数的目标值。不但无需迭代求解，而且避开了反问题所面临的复杂的非线性优化计算。GARTEUR飞机模型仿真研究的结果表明．修正后设计参数误差在2％以内，模态频率误差在1％以内。     

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。     

无人直升机自适应神经网络姿态控制

回顾了自适应飞行控制技术、反馈线性化和模型逆理论，分析了误差动力特性．设计了自适应神经网络姿态控制系统。其中，模型逆基于悬停状态，基于神经网络的自适应控制律能够确保跟踪误差和控制信号的有界。仿真结果表明：模型逆增强的非线性神经网络能够对无人直升机的不确定性和建模误差进行自适应。而且对PD控制器和鲁棒项系数变化的仿真结果进行了比较。     

一种模糊Modular神经网络模型及其应用

将神经网络模糊系统与模糊C均值聚法相结合，对模糊Modular神经网络进行研究，提出了该模糊神经网络模型的多输出结构及其学习算法，据此开发了模糊神经网络诊断系统，并将其用于某电源分系统的诊断分析，运行的结果表明，该网络模型优于一般神经网络。     

尖锥前体飞行器FADS系统的人工神经网络建模及风洞试验研究

针对一种用于尖锥前体飞行器的嵌入式大气数据传感（Flush Air Data Sensing，FADS）系统的解算模型及精度进行研究。针对尖锥外形特征，首先基于钝头体FADS系统的理论模型确定其测压孔配置；然后对确定的测压孔进行典型状态的风洞试验测试，并比对了数值计算数据与风洞试验数据；最后基于人工神经网络建模技术构建了FADS系统的网络解算模型及算法。结果表明:针对尖锥外形测压孔配置特征，基于人工神经网络建模技术的算法解算精度较好，迎角、侧滑角、静压、马赫数的网络输出值与试验值吻合较好，输出的测试误差（绝对值）分别小于0.1°、0.1°、50.0 Pa及0.01；同时也证实了人工神经网络算法在FADS系统中有进一步发展的空间。     

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。     

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     

基于相空间重构的网络流量RBF神经网络预测

应用混沌理论，分析了网络流量，用单变量的网络流量时闯序列重构与网络动力系统等距同构的相空间，进而计算了实际网络的关维数和Lyapunov指数，并证实了网络流量存在混沌特性；据此建立了基于径向基函数（RBF）神经网络的模型，并对实际网络数据流进行了预测。仿真结果表明，相对于其他前馈神经网络预测，基于混沌理论的RBF神经网络预测方法学习速度快，预测精度高。     

Dynamic Model of Hysteresis in Piezoelectric Actuator Based on Neural Networks

A dynamic hysteresis model based on neural networks is proposed for piezoelectric actuator.Neural network has been widely applied to pattern recognition and system identification.However,it is unable to directly model the systems with multi-valued mapping such as hysteresis.In order to handle this problem,a novel hysteretic operator is proposed to extract the dynamic property of the hysteresis.Moreover,it can construct an expanded input space to transform the multi-valued mapping of hysteresis into one-to-one mapping.Then neural networks can directly be used to approximate the behavior of dynamic hysteresis.Finally,the experimental results are presented to illustrate the potential of the proposed modeling method.