基于BP神经网络的商场建筑火灾风险评价

对影响商场建筑火灾安全的因素进行深入研究,构建评价指标体系。采用专家打分的方法取得了BP网络模型的学习样本。学习训练之后的BP模型被应用到商场建筑火灾风险综合评价之中,取得了满意的结果,验证了将人工神经网络和建筑火灾风险评价相结合的可行性。     

企业ERP项目实施风险评价神经网络模型

目的确立ERP项目实施风险评价指标体系。通过对以往风险评价方法分析，建立模糊神经网络风险评价模型。方法该评价模型分为模糊量化模块和模糊神经网络（FNN）模块，并可根据实际问题进行具体调节，克服了神经网络完全黑箱操作的缺点。结果模糊神经网络风险评价模型可以评价ERP项目实施各阶段风险大小，而且预测误差小。结论该评价模型不仅可用于评价企业ERP实施风险，也可用于风险管理预警。     

基于支持向量机和蚁群算法的空间目标分类

研究了基于支持向量机的空间目标分类中核参数和误差惩罚因子的选择问题.将蚁群算法与支持向量机相结合,提出了一种自动优选支持向量机模型参数的方法,克服了以往反复试验以确定其参数的缺点.采用所提出的方法,分类正确率迭90%左右,验证了该方法的有效性.     

因子分析方法在商业银行经营效率评价中的应用

应用因子分析方法对我国13家商业银行的经营效率进行了实证研究，通过因子评分，测度了商业银行的经营效率，指出各商业银行由于内部控制能力不高和风险承担能力较低而导致经营效率不理想，各商业银行应努力优化资源配置和不断进行金融创新，以应对激烈的国内外竞争。     

仪表飞行程序运行安全性评价模型与仿真分析

为对飞行程序设计与运行的安全性进行定量分析,需建立评价指标测度模型。从超障安全和飞行冲突风险水平两方面分析了影响飞行程序安全性的主要因素,提出了飞行程序运行的近地风险模型、飞行程序运行交通流内部以及不同飞行程序运行交通流之间的冲突强度和累计风险模型。以实际的进离场飞行程序为例开展仿真实验,提出了安全指标量化分析的方法,揭示了飞行程序构型、布局等影响安全性的规律。实验结果表明,该模型能客观地反映飞行程序安全性且有计算简便的特点。     

基于分位数回归的多期金融风险测度

金融风险的准确计量有利于合理地制定金融风险管理策略,多期金融风险测度的误差往往随着持有期的增加而增大.基于一个稳健的统计分析工具：分位数回归,给出了多期金融风险VaR与CVaR的测度方法,并对上证综指进行了实证研究,将其测度效果与传统方法进行了比较.实证检验结果表明基于分位数回归的多期VaR和多期CVaR风险测度效果显著优于传统方法.     

基于失效概率的矩独立重要性测度的高效算法

基于失效概率的矩独立重要性测度能够有效地分析输入变量不确定性对结构系统失效概率的影响程度。然而,相比于基于方差的重要性测度,目前很少有足够准确、高效的方法计算该重要性测度。基于此,提出了一种高效求解基于失效概率的矩独立重要性测度新算法。所提算法采用基于分数矩和高维模型替代的极大熵法来高效估计条件概率密度函数,进而求得条件失效概率,再采用三点估计法求得相应条件失效概率的方差,即基于失效概率的矩独立重要性测度。由于所提算法中极大熵法和三点估计法的优点直接被继承,因此所提方法能够在较少的模型计算量的前提下给出足够准确的计算结果。算例表明了本文所提方法相对已有计算方法的优势,体现了更好的工程适用性。     

基于遗传神经网络的机电产品绿色度评价

人工神经网络模型克服了传统的绿色产品评价方法依赖专家经验的弊端,但神经网络训练时具有训练速度较慢、全局搜索能力弱、易陷于局部极小等缺点.本文提出的用遗传算法优化神经网络的方法提高了产品绿色度评价的准确性.     

基于案例知识的系统安全风险模型

对基于案例知识的系统安全风险模型进行了研究。首先,建立了系统安全事件案例知识表达模型。其次,研究了系统知识表达的不确定性问题,以及安全风险决策者的决策类型对度量不确定性的需求;基于现有安全风险模型对不确定性度量能力的欠缺,提出了基于案例知识的系统安全风险概念模型,用损失可能性、损失程度和损失的不确定性来表征系统安全风险。在此基础上,研究了该安全风险模型的建模方法,并举例证明了该模型的有效性。最后,对机长飞行安全风险进行了研究,选取机长年龄、累计飞行小时以及近90天飞行小时3个指标作为风险因子,应用本文所建基于案例知识的系统安全风险模型,评估了机长飞行安全风险,评估结果合理,可为民航放飞决策提供参考。     

中国民航运输系统性测度研究

对民航运输系统发展程度的有效测度是实现民航运输系统协同发展的前提和基础,从民航运输系统性内涵出发,构建了民航运输系统性测度模型。借助数据包络分析评价方法,建立了民航运输系统总体评价方法,基于协同理论建立了民航运输子系统协调度测度模型和方法。并应用所建立的模型和方法,对中国民航运输系统性状况进行了实证研究。研究结果表明,中国民航系统的有效性有待提高,航空公司系统、机场系统与空管系统两两之间均处于中度协调状态,动态协调度呈现出上升趋势。     

飞机油箱余油量的神经网络动态测量

论述了采用人工神经网络对飞机油箱燃油余量进行动态测量的方法。首先建立了飞机油箱余油动态测量的神经网络模型 ,然后讨论了该模型在使用中的有关问题解决方法 ,最后给出了一例仿真结果。     

体积成形过程的模型跟随自适应控制

为控制热锻的生产过程和锻件的产品质量 ,应用体积成形过程的有限元数值仿真离线训练人工神经网络 (ANN) ,采用电学模拟方法 ,通过简单的模拟电路构造出复杂的ANN模型 ,完成了从体积成形过程到模拟电路之间的映射。模拟电路与自适应控制系统并联 ,构成了模型跟踪的自适应控制系统     

驾驶员神经网络模型与频域拟线性模型的比较研究

 针对在双通道人—机控制系统中,由于驾驶员在各通道间的注意力分配,造成操纵行为具有明显的非线性这一特性,提出了用神经网络模型进行驾驶员行为描述的新方法。通过在飞行模拟器上进行双通道控制的人—机闭环仿真实验,分别对驾驶员的神经网络模型和频域拟线性模型进行识别,并对两种模型的识别结果进行了精度分析和仿真验证。结果表明神经网络模型在更宽的频带范围内具有良好的精度,而频域拟线性模型只在低频范围内精度好,其频带范围相对较窄。这说明神经网络模型在描述驾驶员非线性行为特征方面优于传统的频域拟线性模型。     

基于支持向量回归的机场旅客吞吐量预测

在分析现有机场旅客吞吐量预测方法不足的基础上,利用基于结构风险最小化原则的支持向量回归方法,建立了机场旅客吞吐量预测模型。通过实际数据的检验及与BP神经网络等方法的预测结果比较,证明应用支持向量回归方法对机场旅客吞吐量进行预测具备可行性,同时具有较高的预测精度。     

Design and Optimization of Press Bend Forming Path for Producing Aircraft Integral Panels with Compound Curvatures

In order to find out the optimal press bend forming path in fabricating aircraft integral panels, this article proposes a new method on the basis of the authors' previous work. It is composed of the finite element method (FEM) equivalent model, the surface curvature analysis, the artificial neural network response surface and the genetic algorithm. The method begins with analyzing the objective's shape curvature to determine the bending position. Then it optimizes the punch travel at each bending position by the following steps: (1) Establish a multi-step press bend forming FEM equivalent model, with which the FEM experiments designed with the Taguchi method are performed. (2) Construct a back-propagation (BP) neural network response surface with the data from the FEM experiments. (3) Use the genetic algorithm to optimize the neural network response surface as the objective function. Finally, this method is verified by press bending a complicated double-curvature grid-type stiffened panel and bears out its effectiveness and intrinsic worth in designing the press bend forming path.     

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。     

基于人工神经网络的驾驶员操纵行为模型

驾驶员操纵行为受到自身、外界环境和被控对象等多方面的影响,因此驾驶员模型具有非线性的特征。神经网络模型克服了拟线性模型不能反映驾驶员非线性操纵的问题。为了获得建立模型的数据,利用地面模拟器使飞行员对一系列指令进行精确跟踪。获得的指令、飞机状态和驾驶员输入信息等参数即可作为神经网络模型的训练样本。神经网络驾驶员模型的训练和测试结果表明,该建模方法是合理、准确的,可以应用于人机闭环系统中驾驶员操纵的研究。     

面向飞行员疲劳状态监测的脑认知深度模型研究

通过分析飞行员脑电信号，构建了疲劳状态的彩色脑功率图，设计基于高斯牛顿在线变分方法的卷 积神经网络参数优化方法，形成一种新型脑功率图深度网络模型，有效实现脑功率图深度网络的模型分类识别 能力。相比于其它基于脑电信号的疲劳检测深度模型，疲劳状态认知的准确度提升了3%~5%。     

基于模糊模型的鲁棒自适应重构飞行控制

提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。