侵蚀燃速辨识

本文将控制论中的辨识技术用于确定固体推进剂火箭发动机装药的侵蚀燃速关系式,对燃速辨识方法作了较为全面和详细的研究.通过对假想发动机作燃速辨识,对该方法的可行性作了充分的论证.用燃速辨识法对真实型号的发动机作了侵蚀燃速辨识,获得了同一发动机装药在不同初温下侵蚀燃速关系式.由于燃速辨识仅需利用一条发动机试车压力一时间曲线,并且在电子计算机上用最优化方法给出结果,因而该方法具有迅速、经济、准确等优点,能更实际地研究固体火箭发动机工作状态下的装药侵蚀燃烧特性.而且便于观察过去实验研究做得较少的初温对侵蚀燃速的影响.这是一种在工程应用上确定装药侵蚀燃速的切实可行的方法.     

基于人工神经网络的燃速相关性研究

采用基于误差反向传播算法(BP算法)的人工神经网络技术,通过一维模型的分析计算,表明了该方法应用于燃速相关性研究是可行的,且具有更好的稳定性;初步建立了的燃速相关性二维模型,考虑了发动机尺寸效应对燃速的影响,并利用试验数据进行了验证,结果表明二维模型有较高的燃速预示精度。可以利用该方法开展燃速相关性分析。     

利用锥形内孔装药发动机和燃速辨识方法确定推进剂的基本燃速

通过锥形内初装药发动机试验的压力-时间曲线,利用燃速辨识方法获得了高低两个压强范围装药的基本燃速表达式,比较了考虑c~*、k随燃烧室压强P变化和不考虑其变化所得的基本燃速表达式及其对内弹道予示的影响.结果证明,用本方法获得的燃速比燃速仪获得的燃速高5～8%,预示的内弹道曲线也与发动机实测曲线基本吻合.     

气相和粒子冲刷速度对丁羟推进剂燃速影响分析

基于试验获得的气相和粒子冲刷条件下的固体推进剂燃速数据,采用误差反向传播算法(BP算法)的人工神经网络技术开展了推进剂的燃速特性分析。网络训练和预示结果表明,利用BP算法开展冲刷条件下的燃速影响因素分析的精度在4%以内。分析结果表明,气相和粒子冲刷速度都会影响固体推进剂的燃速。在低气相速度条件下,推进剂燃速对粒子冲刷速度的变化更为敏感。粒子冲刷对固体推进剂燃速的影响存在界限效应,当粒子冲刷速度大于某一界限值时,推进剂燃速增加幅度增大,并由粒子冲刷主导。     

固体火箭发动机瞬变参数辨识

叙述了固体火箭发动机参数辨识的方法, 以反喷管打开后瞬变过程中推进剂瞬变燃速、打开函数和喷喉收缩因子的辨识为例, 说明了瞬变参数辨识的技术。辨识采用的数学模型是零维不定常内弹道计算方程组, 这是一个非线性系统的参数辨识问题。优化方法采用阻尼最小二乘法。给出了算例, 经参数辨识准度分析, 辨识结果是合理的。     

固体火箭发动机中推进剂燃速的预测(综述)

本文论述了燃速预测的重要性,分析了发动机中实际燃速与预测燃速的差异,分别评述了SPP程序对燃速的处理方法、标准发动机预测燃速的要求、测试精度对燃速相关性的影响以及用燃烧理论模型进行燃速相关的问题.介绍了端面燃烧药的锥化现象和内孔燃烧药柱的驼峰效应.最后对开展燃速预测的研究工作提出了建议.     

固体火箭发动机实际燃速常数的计算

根据试车数据，对全尺寸发机和标准发机瞬时燃速进行了计算，利用参数辨识技术，确定了维也里燃公式（ｒ＝ａｐ＾ｎ）里的常数，计算结果表明：对应用在不同发动机中的同一种推进剂来说，其燃速系数α和压强指数ｎ是不同的。探讨了不同发动机燃速常数变化的原因以及规律性，提供了分析全尺寸发动机，标准发动机之间燃速相关性的新方法。     

一种测量固体推进剂瞬态燃速的新微波法

简要介绍国外现有微波测量固体推进剂瞬态燃速的方法。提出一种建立于单边带调制技术的新微波测量法。新法采用了一个微波燃速传感器,它能直接获得微波多普勒变化量,具有低值、便携的优点,因此适用于工程现场测试。本文比较了滤波法和相移法,采用相移法能进一步提高瞬态燃速的分辨率。     

HQ-61推进剂燃速的实验研究

本文介绍了燃速仪法和φ107发劝机法在评定HQ-61推进剂燃速波动范围和拣选影响因素方面的若干实验及其试验结果。两种方法试验结果的比较表明:用φ107发动机法来评定HQ-61推进剂燃速较之燃速仪法为优。它既可比较正确地评价推进剂燃速参数,又可正确敏感地拣选影响燃速的因素。这一实验研究还进一步表明:在精确评价推进剂燃速和为发动机设计提供比较可靠的燃烧性能方面,设计一种用药量少、精度高的标准弹道评定发功机来代替燃速仪是十分必要的。     

复合固体推进剂燃速及压力指数的理论预测

本文在原始BDP多火焰燃烧模型的基础上,对多分散的氧化剂颗粒和扩散火焰距离进行了简化计算,对含铝和含催化剂的计算亦进行了简化处理。设计的程序较为简短,能在带FORTRAN语言的各种类型微型机上实行快速运算,计算与实测结果的对比,其精度在10％以内。理论计算还预示:凡能增大AP焰反应速度的燃速催化剂,具有大幅度提高燃速和降低压力指数的效果;选择的氧化剂颗粒级配若D(相当)接近80微米时,能达到提高燃速与降低压力指数的作用。     

基于进化神经网络的压气机结垢性能退化评估

采用进化神经网络方法,通过测量参数对压气机结垢性能退化模式进行了定量监控和评估。运用粒子群算法优化径向基函数(Radial Base Function,RBF)神经网络的初始权值,即由神经网络训练样本所得到的实际和期望的输出之间的误差平方和构造适应度函数,对RBF神经网络的隐层中心、半径以及输入输出权值进行全局寻优搜索,设计了进化RBF神经网络,并对模拟得到的压气机结垢的样本进行训练和测试。结果表明:进化RBF神经网络的模式识别能力比普通RBF神经网络的要强,对燃气轮机性能退化评估和健康管理具有重要理论意义和应用价值。     

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

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。     

应用ART1神经网络仿真车间分组

阐述了ART1神经网络在制造单元设计过程中形成零件族的基本方法,并在基于MATLAB的软件平台上,利用其神经网络工具箱对生产过程中的实际情况进行了仿真和应用。     

神经网络及其在飞行器建模与控制中的应用

综述了近年来人工神经网络在飞行器系统建模与控制中的应用研究概况，首先给出了在系统建模与控制中的几种常用神经网络模型及其学习算法，进而介绍了人工神经网络在系统建模与控制，尤其是在飞行器建模，控制与故障分析中的应用现状，最后，就人工神经网络在解决飞行器非线性系统建模，智能控制和飞行故障分析方面的发展前景进行了讨论。     

航空型号项目风险预测的BP神经网络模型及应用

本研究克服了单纯采用专家风险因子测度方法主观性较强的缺点,以及单纯采用人工神经网络评估模型模糊性的缺点,结合两种方法的优点,利用基于BP神经网络算法的Microsoft Visual C++程序,在专家风险因子测度基础上,通过大量风险评估成功案例数据的训练,成功建立了航空型号项目风险预测模型.该模型可以较为精确、客观地...     

扰流板式畸变模拟装置的数值计算及人工神经网络建模

数值计算了用于某型空中试车台吊舱的扰流板式畸变模拟装置,应用总压恢复系数、周向畸变指数评价了该装置的畸变效果并与试验数据进行了对比分析,为后续发动机在空台上确定临界畸变指数及敏感系数提供了可用量值的参考.根据部分计算数据,建立了该扰流板式畸变模拟装置的人工神经网络模型,并预估了12个状态的畸变模拟效果,验证了该人工神经网络模型的有效性,为减少试验点数节省试验经费提供了有效的途径.     

基于神经网络的多模态故障检测

研究了使用RBF网络进行多模态辨识的结构和其在多模态故障检测中的应用。在信号满足持续激励的条件下 ,状态估计误差渐进趋向于零 ,辨识器的参数估计能够达到满意的效果。使用多个神经网络辨识器 ,对一非线性系统的多模态故障检测进行了仿真研究     

Softmax分类器深度学习图像分类方法应用综述

基于深度学习的人工智能图像分类方法研究是当前计算机视觉领域的研究热点。面向深度学习中的Softmax图像分类方法，首先回顾了图像分类技术的发展历程，接着介绍了图像识别技术中的分类器，并解释了Softmax回归函数的分类实现原理。基于Softmax回归分类器的应用，详细阐述了多种图像分类技术，具体包括浅层神经网络、深度置信网络、深度自编码器和卷积神经网络。同时，对比介绍了各种级联模型的具体结构、训练方法、实际应用、分类效果以及优缺点。最后，从Softmax回归分类器、深度学习网络模型和高维数据分类三个方面对基于Softmax回归分类器的深度学习模型在图像分类方面的发展与应用前景进行了展望。     

Application of neural networks for synthesizing flight control algorithms. I neural network inverse dynamics method for aircraft flight control

The application of artificial neural networks for aircraft motion control, in particular, for creation of nonlinear algorithms of the aircraft remote control system (RCS) is considered. Aircraft as a control object is represented as a multidimensional nonlinear dynamic system and nonlinear control methods are used to operate this system. The control loop is constructed using the method of inverse dynamics based on the feedback linearization principle. The nonlinear control law is represented as a neural network being learned (adjusted) by recorded or incoming measurements of motion parameters. Synthesis and testing of neural network control algorithms is performed with the fully nonlinear mathematical model of a maneuverable aircraft for three control channels. Simulation results of the closed system are presented.