基于神经网络的无线通信系统RF电路设计方法

典型的无线通信系统RF电路由大量的线性和非线性元器件组成。建立这些微波电路元器件的模型在现代RF电路的设计中至关重要。采用一种神经网络来学习非线性电路的动态特性,并建立相应的模型。神经网络模型可以对原始电路的模拟特性进行整体预测,可用于高层电路的仿真和优化。以功率放大器为例验证了神经网络模型的实用性,表明神经网络模型可以极大地提高无线通信系统RF电路的建模精度和速度。     

基于中点误差的紧固件刚度曲线优化方法

在飞机结构设计中,结构静强度是飞机结构设计成功的基础,在满足性能指标的基础上实现对结构轻量化的优化目标是飞机结构工程师不变的追求。 紧固件作为飞机结构零件之间的机械连接方式,其高载下弹塑性刚度变化的准确表达将影响复杂模型非线性仿真结果的准确性。 以某型飞机机翼盒段为研究对象,利用商用软件 ABAQUS 进行非线性有限元仿真模拟,用 FASTENER 单元对飞机盒段模型中的紧固件进行表达,同时加入紧固件的刚度曲线,并对非线性计算过程当中,由刚度曲线定义的不合理性所导致的迭代收敛性问题进行了研究,得到了基于中点误差的刚度曲线优化方法,并最终完成了复杂的非线性仿真分析。 仿真结果实现了对试验的较好仿真,为实现复杂模型下自动化添加大量非线性紧固件提供了基础。     

基于改进拟合法的涡扇发动机状态变量模型建立方法

为解决拟合法建立涡扇发动机状态变量模型时初值难以选取的问题和有效提高模型的精度,研究了一种改进的优化拟合方法.针对拟合法初值难以选取的问题,采用改进偏导数法获得的优化迭代初值;根据发动机稳态工作点线性化模型的动态响应与该点处的非线性模型动态响应一致的原则,采用线性最小二乘优化拟合法建立某型涡扇发动机状态变量模型.通过在不同状态工作点、采用不同模型结构,与改进偏导数法和非线性部件级模型仿真结果相比较表明:该方法能有效保证模型收敛性,具有较高的建模精度,并适用于高阶系统建模.     

考虑依赖性的多部件系统状态维修优化仿真建模

针对多部件系统状态维修决策建模存在的不足以及现有模型难以推广到实际应用的问题,提出考虑经济、结构和随机3种依赖性的多部件系统仿真建模和优化方法.首先,利用Gamma退化过程对部件退化进行描述,并给出模型参数估计方法.然后,结合多部件系统的维修作业流程、组成关系和故障历史等信息,分别提出经济依赖性强度矩阵、结构依赖性可达矩阵和随机依赖性概率矩阵对3种依赖性进行建模.最后,同时考虑部件级和系统级决策,构建多部件系统期望周期费用仿真模型,并针对该仿真模型特点,提出了用单纯形算法(NMA)改进的遗传算法(GA)优化求解的过程.某电传系统实例仿真结果表明:多部件系统的3类依赖关系对维修决策的影响不可忽略,考虑依赖性和成组维修的存在能够节省平均维修费用,且使得维修决策优化更加符合实际,验证了所建模型和优化方法的有效性.     

基于ANN逆模型的非线性系统内模控制结构方案及仿真研究

基于逆模型的非线性系统控制器设计方法已得到了快速发展,并成为设计控制系统的一种重要方法。但对大量复杂、未知和不确定的非线性对象,建立具有一定通用性的逆模型控制器,在实际非线性系统设计中是非常困难的。文中基于系统内模控制（IMC）原理和神经网络（ANN）的非线性映射、大规模并行处理等特性,设计了非线性系统的ANN正模型辨识器及逆模型控制器,基于IMC原理和ANN理论建立了非线性系统的IMC结构方案。大量仿真研究表明,设计的基于ANN逆模型的IMC结构方案是有效的,ANN逆模型控制器具有良好控制性能,且其结构简单,具有一定通用性。     

飞机装配生产过程的仿真与工艺优化

针对飞机装配产品结构、生产工艺复杂,装配过程离散,数据量庞大多变,难以建立产品化的信息化解决方案的问题,探索出一种基于Petri网模型建立的模拟装配生产线的模型.通过对离散数据的分析与处理,建立装配过程中相关联变量之间的关系网络,运用时延Petri网TdPN模型具有的成熟的数学分析方法,对装配过程进行模拟分析,从而找到最优的人员、工艺、质量、设备和管理资源的配置,达到装配生产过程的优化.最后,通过对某型号飞机外翼的装配过程进行仿真优化,验证了建模仿真和优化算法的可行性.     

飞机大迎角非定常气动力建模研究进展

准确建立非定常气动力数学模型,是飞机大迎角飞行控制律设计、飞行动力学分析和飞行仿真的基础与前提。鉴于此,对大迎角非定常气动力建模研究进展,包括数学建模方法和人工智能建模方法两类进行了系统综述。其中：数学类建模方法是以对非定常流动现象和机理认识为基础的,主要有气动导数模型、非线性阶跃响应模型、状态空间模型、微分方程模型、非线性阶跃响应与状态空间混合模型以及迎角速率模型等;人工智能方法回避了复杂流动机理,属于黑箱非线性系统建模,主要有神经网络模型、模糊逻辑模型和支持向量机模型等。对于每种气动力模型,阐述了其建模思路和方法,给出了典型应用情况,并对其特点和局限性作了简要评述。最后,指出了当前大迎角非定常气动力建模研究工作存在的问题和未来研究方向。     

基于分层思路的动态非线性气动力建模方法

很多非线性气动力模型难以精确预测系统的小扰动线性特征。针对这一局限,提出了一种非线性分层模型,用于辨识跨声速非线性非定常气动力。分层建模需要同时提供微幅振荡和大幅振荡两套训练样本,首先通过线性模型(如带外输入的自回归(ARX)模型)对微幅振荡样本进行建模,而后采用非线性模型(如径向基函数神经网络(RBFNN))对大幅振荡的样本与线性模型的差量进行建模,进而把线性模型和非线性模型的输出相叠加,得到分层非线性动力学模型。算例表明建立的分层气动力模型与单一自回归径向基函数(AR-RBF)神经网络模型相比不仅具有更高的数值精度,可以精确预测大幅运动中的非线性特征,而且在小扰动状态下自动退化为线性模型,能够精确刻画结构微幅振荡下的线性动力学特性。     

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

非定常气动力的结构自适应神经网络建模方法

讨论了非线性非定常气动力的结构自适应神经网络模型建模方法,该方法具有同时进行结构辨识与参数辨识的优点;利用纵向大振幅强迫振荡风洞试验数据,验证了建模方法及所建模型的有效性,结果表明:结构自适应神经网络模型对非定常气动力有很好的逼近能力,由于采用飞行参数的时间离散数据作为输入量,模型可直接应用于飞行仿真研究。     

基于滑模神经网络的自主飞艇姿态控制

针对自主飞艇飞行环境的不确定性,提出了一种基于自适应滑模神经网络的姿态控制系统.平流层高空飞行环境对飞艇控制产生了许多不确定性因素,利用自适应变结构控制和神经网络方法设计了飞艇的俯仰通道控制器.非线性仿真结果表明:控制器能够适应对象结构参数及外部扰动的大范围变化,满足姿态控制稳定性要求,同时也消除了变结构控制系统的抖振,具有良好的鲁棒性和动态性能.     

混沌时间序列的神经网络预测研究

研究了一类特殊非线性系统——混沌系统的预测问题。混沌是一种普遍存在的非线性动力学行为,混沌时间序列难以预测和控制,文章先是通过重构系统状态相空间分析混沌时间序列,然后采用多层前向神经网络对其进行预测。对典型的Lorenz和Mackey-Glass混沌序列预测结果表明,如果训练样本足够多,网络结构简单适当,训练后的网络具有很好的泛化性能,说明神经网络预测方法具有较好的工程实用价值。最后分析神经网络初始权值设置对预测性能的影响,指出改进方向。     

自适应PSO网络整定的航空发动机全程滑模控制

针对现代航空发动机是一个具有不确定性的强非线性系统,提出了一种基于自适应PSO网络整定的航空发动机全程滑模控制方法。设计了一类全程滑模面非线性函数,函数中含有变参数指数函数,其参数由一种新的自适应粒子群学习算法(PSO)结合RBF神经网络来整定。全程滑模控制保证了控制系统的全程鲁棒性,同时,由稳态误差收敛速度和滑模抖振幅度建立参数优化指标,用自适应PSO神经网络快速搜索当前的全局最优点。仿真结果表明,所设计的控制器取得了良好的效果,削弱了抖振。     

基于神经网络补偿动态逆的飞翼布局无人机姿态控制方法

将动态逆控制技术应用于飞翼式布局无人机的姿态控制回路,以适应飞翼布局无人机控制系统要求。介绍了动态逆控制器解耦控制原理,以及神经网络补偿结构的作用和设计方法,并基于无人机非线性姿态运动学和动力学模型设计了基于神经网络补偿的动态逆控制器。在强耦合、强非线性的飞翼布局无人机模型上,通过数学仿真验证了系统具有良好的动态性能和稳态特性,控制器具有很强的鲁棒性。     

基于RVM回归误差补偿的航空发动机分布式控制系统多步预测控制

针对具有随机有界双侧时延的航空发动机分布式控制系统,提出了一种基于多步预测和关联向量机(RVM)回归误差补偿的控制方案.首先建立航空发动机分布式控制系统(DCS)的神经网络非线性自回归滑动平均(NARMA)模型,利用当前的系统输出和控制量对N步之后的系统输出进行预测;其次用改进的RVM回归多步预测算法估计NARMA模型的的预测误差,并对预测结果进行误差补偿;最后利用补偿之后的预测值和设定值对控制参数进行滚动优化,设计系统的神经网络逆控制器实现系统的自适应控制.仿真结果证明该控制策略能够避免随机有界双侧时延对控制系统的影响,实现对设定值的稳定跟踪,且控制器具有较好的实时性和鲁棒性.低压转子转速阶跃响应的稳态绝对误差小于0.04%,响应时间小于0.3s.      

基于神经网络模型的动态非线性气动力辨识方法

 在标准径向基函数（RBF）神经网络模型的基础上发展了带输出反馈的RBF神经网络。将计算流体力学(CFD)方法计算的时域气动载荷作为输入信号,建立跨声速非定常非线性气动力模型,并进一步运用CFD方法验证模型的精度。算例表明带输出反馈的RBF神经网络较标准RBF神经网络精度更高,能更准确描述跨声速激波大幅振荡时的非线性和非定常特性,并可推广用于多自由度运动的动态非线性气动力建模。用多级信号训练,预测简谐信号输入下的气动力算例表明带输出反馈的RBF神经网络能够预测不同振幅、不同频率的信号激励下的非线性气动力。     

基于QDRNN网络的航空发动机多变量解耦控制

针对航空发动机非线性模型的复杂性,通过对准对角递归神经网络(QDRNN)及梯度下降法(GMD)的分析,研究了基于QDRNN网络的航空发动机多变量解耦PID控制系统.阐明了该算法的结构和原理,通过对设计点及非设计点的仿真.研究表明,QDRNN网络结构相对简单,易于构造训练算法,较好地解决了双变量控制系统中变量之间的耦合作用.      

一种基于承载效率准则的复合材料机翼结构布局优化方法(英文)

提出一种针对大型复合材料机翼结构的二级布局优化策略。系统级根据结构形变调整设计指标,子系统级优化结构布局以满足系统级约束。将机翼壁板中各种临界失效载荷的接近程度作为评判结构效率的标准,通过将结构效率作为优化目标,保证了所求解问题的连续性。加筋壁板通过等效的正交异性板模拟,并根据能量原理预测总体失稳载荷。讨论了加强筋支持弹性对于蒙皮抵抗局部失稳性能的影响,并通过神经网络代理模型对其进行逼近。采用解析模型对失效特性做出评估,减少了计算资源的占用。最后以一种大型机翼结构的综合优化作为算例,计算结果满足设计要求,验证了该方法的可行性。     

神经网络模型在TDNS准则中的应用研究

时域Neal-Smith（TDNS）准则源于频域Neal-Smith（FDNS）准则和阶跃目标跟踪准则,被广泛应用于纵向驾驶员诱发振荡（PIO）趋势的预测研究。在该准则采用的人机闭环系统中,广泛运用结构简单且能反映飞行员基本行为特征的拟线性驾驶员模型。但在实际情况中,驾驶员的行为通常具有高度的非线性,为了更精确地描述驾驶员的非线性特性,采用神经网络方法建立驾驶员模型。利用某机的试飞数据对神经网络进行了训练和测试,生成了神经网络模型。针对TDNS预测准则,建立了相应的仿真模型,通过仿真运算,得到了该飞机的P10预测结果。研究表明：相对于传统的驾驶员模型,神经网络模型能够更好与真实驾驶员相匹配;在TDNS评估准则中运用神经网络模型具有实际的意义。