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。     

神经网络及其应用

简要介绍了神经网络的基本理论,初步论述了神经网络的存储与计算能力、自学习能力及其冗余容错特性,阐述了神经网络研究的意义,探讨和分析了神经网络的应用前景。     

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。     

基于混沌变量的航空发动机模糊神经网络控制

针对模糊神经网络控制器中模糊规则的设计和神经网络权值的确定存在困难这个问题,提出了混沌优化控制方案,将混沌优化算法应用到航空发动机模糊神经网络控制中,利用混沌优化算法对模糊神经网络的参数进行优化。仿真结果表明,设计的模糊神经网络控制器具有良好的性能。      

基于BP神经网络的翼型空气动力系数预测

本文介绍了BP神经网络的基本原理,建立了面向BP神经网络预测模型,对翼型的升力系数和阻力系数进行预测,并与风洞试验数据对比分析。结果表明,神经网络的预测精度很高,与试验数据的误差是可以接受的,验证了BP神经网络预测空气动力系数的可行性。     

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。     

基于双隐层过程神经网络的飞机发动机故障检测

利用双隐层过程神经网络模型可以直接处理时变信号的特点，提出了一种用双隐层过程神经网络模型对飞机发动机进行故障检测的方法。由过程神经元隐层完成对输入信息过程模式特征的提取和对时间的聚合运算，非时变一般神经元隐层用于提高网络对系统输入输出之间复杂关系的映射能力。分别利用递归神经网络和双隐层过程神经网络对发动机排气温度裕度进行仿真预测。结果表明，双隐层过程神经网络收敛速度快、精度高，优于递归神经网络的预测结果。为飞机发动机状态监测问题提供了一种有效的方法。     

神经网络在飞行器航迹仿真计算中的应用

在飞行器航迹计算中,与插值法存在的缺陷相比,神经网络方法具有显著的优越性。通过对插值法和BP神经网络方法原理和工作过程的详细分析,以及在此基础上针对某飞行器航迹参数的计算实例,比较了线性插值、多项式拟合与神经网络方法的误差,表明神经网络方法具有更好的计算精度。     

基于小波变换和神经网络的航空发动机故障诊断

在阐述了小波变换和BP神经网络概念的基础上,根据小波神经网络故障诊断的基本思想,提出了一种基于“能量-故障”的小波预处理神经网络航空发动机诊断方法。实验仿真结果表明,使用该方法提取故障特征加快了神经网络的训练速度,能迅速地进行故障的诊断。     

自适应遗传神经网络算法在推力估计器设计中的应用

为了在全包线内能够准确方便估计出航空发动机推力,提出了一种自适应遗传神经网络算法:将遗传算法和神经网络技术相结合充分发挥遗传算法和神经网络各自的全局收敛性和局部搜索快速性的优点,其中通过自适应概率遗传操作及局部寻优算子直接优化出神经网络拓扑结构及权值(包括阈值),克服了神经网络隐层节点需凭经验尝试的缺点和神经网络对初始权值(包括阈值)敏感的缺点,再应用神经网络对上述优化的权值(包括阈值)进行"精调",最后设计出全包线推力估计器.经验证,此推力估计器具有较高估计精度和良好泛化能力.      

分数阶Cohen-Grossberg神经网络的Mittag-Leffler稳定性

在整数阶 Cohen-Grossberg神经网络与分数阶理论及分数阶神经网络的基础上,提出了分数阶 Cohen-Grossberg神经网络。为了研究该类型神经网络,引入 Mittag-Leffler函数并利用 Mittag-Leffler函数及分数阶导数的相关性质,进而通过构造 Lyapunov函数的方法,研究了分数阶 Cohen-Grossberg神经网络的 Mittag-Leffler稳定性,并最终给出了相应的充分性条件。最后,通过实例仿真验证了结论的正确性。     

时滞Hopfield神经网络稳定性测试方法研究

利用Lyapunov泛函方法，研究了具有时滞的Hopfield神经网络稳定性的测试问题，得到了网络全局渐近稳定性与滞量无关的测试方法，这对于时滞神经网络的设计与检验具有普遍应用的意义。     

人工神经网络在飞行控制领域中的应用及发展

综述了近年来人工神经网络在飞行控制领域中的应用研究概况。首先从人工神经网络的发展历史出发，介绍了在飞行控制系统中常用的神经网络及其研究现状；而后论述了与其它智能技术的结合与发展情况，并针对当前飞行控制领域所遇到的重点和难点问题，分析了人工神经网络的具体应用；最后指出了今后主要的工作方向。     

基于神经网络的鲁棒制导律设计

 基于神经网络理论对寻的导弹鲁棒制导律进行了优化设计。建立了制导系统非线性运动学方程和鲁棒性能函数,并将鲁棒性能函数转化成了微分对策的极小极大化问题。采用伴随 BP技术,将微分对策的两点边值求解问题转化为 2个神经网络的学习问题,训练后的 2个神经网络分别作为对策双方的最优控制器在线使用,避免了直接求解复杂的鲁棒制导律问题,仿真结果表明了该方法有效性。     

贝叶斯正则化BP网络在机翼载荷分析中的应用

采用贝叶斯正则化与BP网络相结合的方法,构造了一个分析飞机机翼载荷的三层BP网络。贝叶斯正则化方法提高了BP神经网络的泛化能力,且能考虑非特征化的非线性影响。使用某型飞机对称机动和滚转机动的试飞实测数据作为载荷激励来训练神经网络,并用这个训练完的网络预测了该飞机机翼的飞行载荷。最后将神经网络预测结果与实测结果进行了比较,结果表明该方法能够准确地实现飞机机翼载荷预测,对新机研制和飞行试验有较高的参考价值。     

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。      

自组织神经网络航空发动机气路故障诊断

 为克服学习样本依赖于发动机精确模型的问题,提出了一种基于自组织神经网络的发动机智能故障诊断的方法,并运用故障特征提取的数据预处理方式,成功地对航空发动机气路部件的几种典型故障做出正确诊断。为验证网络的抗噪性能,引入了自联想神经网络。研究表明,自组织网络可以脱离发动机模型,并且对测量噪声有良好的鲁棒性,能基本满足航空发动机故障诊断的要求,具有较好的工程应用前景。     

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。     

一个神经网络结合遗传算法的叶轮逆命题设计方法

本文的目的是利用神经网络实现离心压缩机叶轮的逆命题设计。为此,结合实例叶轮逆命题设计问题通过遗传算法的演化和训练建立了前馈神经网络。所建网络随之用于求解给定表面速度分布情况下的叶片型线。      

组合BP神经网络在数据挖掘中的应用

在吸收了人工神经网络解决非线性问题优点的基础上,针对数据挖掘的特点,提出了一种组合BP神经网络的数据挖掘方法。该方法是按照一定方式将n个BP网络组合成一个复杂的BP网络模型,并运用改进的启发式BP算法以实现有用模式的挖掘,能够大大缩短训练时间和提高挖掘精度。