共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
4.
基于小波过程神经网络的飞机发动机状态监视 总被引:4,自引:1,他引:4
针对飞机发动机状态监视问题,提出了小波过程神经网络模型。其隐层和输出层为过程神经元,隐层激活函采用小波函数。该模型结合了过程神经网络可以处理连续输入信号的特点及小波变换良好的时频局域化性质,有更强的学习能力和更高的预测精度。文中给出了相应的学习算法,并以飞机发动机状态监视中排气温度裕度的预测为例,分别利用3层前向过程神经网络和小波过程神经网络进行预测。结果表明,小波过程神经网络结构更简单,收敛速度更快,优于过程神经网络,因而为飞机发动机状态监视提供了一种有效的方法。 相似文献
5.
飞行仿真气动力数据机器学习建模方法 总被引:1,自引:0,他引:1
基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法。该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近。首先,分析了神经网络层数、隐含层神经元个数等对建模误差的影响,通过对典型弹道气动数据的神经网络建模计算,确定了较合适的神经网络层数和较优的隐层神经元个数。进而,利用飞行仿真的弹道数据辨识出沿弹道的气动力,采用神经网络建立了包含多个弹道融合的气动力模型,输出量分别为三轴气动力系数和力矩系数。最后通过气动模型输出量与原样本数据的对比,以及4条未参与训练弹道气动数据的预测,验证了该气动力建模方法具有较高的精度。建模结果表明:采用神经网络方法建立的飞行器气动力模型,对拟合多源耦合输入全弹道非线性气动力是可行的和有效的,在样本覆盖的高度、速度、姿态和控制舵偏角范围内,气动力拟合能力较强,并具有一定的外推性。该项研究可以为基于飞行试验数据的气动建模提供新的方法,并且能为飞行器气动力数据挖掘、飞行仿真和总体性能分析提供参考。 相似文献
6.
一种小波神经网络与遗传算法结合的优化方法 总被引:3,自引:3,他引:0
提出一种基于小波神经网络(简称WNN)与Pareto遗传算法相结合的优化方法,并用于内流的数值流场优化计算.小波神经网络由输入层、隐含层和输出层组成.在隐含层用Morlet小波母函数取代了误差反向传播(BP)神经网络中常用的Sigmoid激励函数.Pareto遗传算法具有很好的全局寻优能力和良好的优化效率,在通常情况下它总可以得到均匀分布的Pareto最优解集.典型算例表明:该算法快速、高效,能高精度的完成非线性函数的逼近与映射,其泛化能力很强. 相似文献
7.
8.
9.
在BP神经网络理论指导的基础上,从影响装备采购费用的因素出发,根据BP神经网络的多层结构,运用反向传播算法(BP算法)构建战斗机采购费用BP网络模型;同时,运用BP网络模型对已知采购价格的5种类型军事装备进行了采购费用估算和MATLAB仿真,取得了比较满意的结果,达到了提高装备采购费用的预测速度和精度的目的,显现了BP神经网络方法的优点,为军用装备采购价格的预测提供了一种新的有效的方法。 相似文献
10.
使用支持向量机(SVM)研究涡轮气封减压试验系统中高压卸荷膜片式减压器的稳定性问题,主要集中于以往方法不易涉及的多结构参数变化.针对稀疏易有残缺的小样本空间,与BP(back propagation)神经网络模型进行对比,得出SVM方法在所研究数据集上的一些结论:SVM模型预测性能在多结构参数变化情形下优于BP神经网络模型,预测误差平均降低了25.5%;SVM的泛化性好于BP;在双参数、三参数情形下,SVM模型为气体减压器的设计提供了更好的决策支持,给出了优化结构参数的设计建议. 相似文献
11.
12.
13.
元器件贮存可靠性受多个非线性因素的影响。时间序列预测实质是实现一个非线性映射。应用BP神经网络模型对某元器件贮存可靠性性能参数时间序列进行了预测,仿真表明BP神经网络预测模型有较高的精度。 相似文献
14.
《航空工程进展》2015,(3)
由于非定常气动力的复杂性,通常所建立的气动力模型在稳定性、泛化能力和精度上均存在一定局限,采用递归RBF神经网络模型能够实现气动载荷的较准确预测。隐含层神经元的基函数宽度对该模型的精度及稳定性具有重要影响。首先通过数学分析和计算仿真研究训练过程中宽度与神经网络结构之间的关系,然后将NACA0012翼型俯仰运动作为算例,研究模型在不同训练信号、延迟阶数和流动状态下的性能,最后利用对随机俯仰运动样本的预测结果,验证宽度的最优选择范围。结果表明:基函数宽度对此类非定常气动力模型的稳定性及泛化能力影响较大;最优宽度的选择随训练及预测信号的变化有所不同;较多样本时,通常选择55~75的宽度能够保证非定常气动力模型具有较高的预测精度。 相似文献
15.
将带输出反馈的RBF(recursive radial basis function, RRBF)神经网络用于构建非定常气动力模型,能够得到一种动态非线性气动力降阶模型(reduced order model, ROM)。隐含层神经元的基函数宽度是该气动力模型的一个重要参数。为了研究基函数宽度对RRBF神经网络的影响,首先通过数学分析和计算仿真研究了训练过程中宽度与神经网络结构之间的关系,而后用NACA0012翼型俯仰运动作为算例,研究模型在不同训练信号、延迟阶数和流动状态的情况进行测试。测试结果表明,基函数宽度对此类非定常气动力模型的稳定性及泛化能力都有较大影响;最优宽度的选择随训练及预测信号的变化有所不同;较多样本时,通常选择55~75的宽度能够保证非定常气动力模型具有较高的预测精度。通过对随机俯仰运动样本的预测结果,验证了宽度的最优选择范围。 相似文献
16.
飞行仿真气动数据处理的神经网络应用 总被引:1,自引:0,他引:1
利用神经网络一致逼近任意非线性连续函数的特性,训练具有一个隐含层的神经网络来映射飞行参数和气动系数模型相比,飞行仿真系统计算速度更快、计算精度更高。在自修复飞行控制系统研究中,为故障飞机建模所需大量故障状态气动系数数据处理提供一种新方案。也为一般飞行仿真系统气动数据处理方法提供了一种新的思路。 相似文献
17.
本文提出一种基于小波神经网络(Wavelet Neural Networks,简称WNN)理论与Pareto遗传算法相结合的优化方法,并用于内流的数值优化计算。小波神经网络是将小波分析与人工神经网络(Artificial Neural Networks,简称ANN)理论相结合而产生的一种新型神经网络模型。它通常由输入层、隐含层和输出层所组成。本文在隐含层用Morlet小波母函数取代了BP神经网络中常用的Sigmoid激励函数。Pareto遗传算法具有很好的全局寻优能力和良好的优化效率,在通常情况下它总可以得到均匀分布的Pareto最优解集。内流(其中包括超声速射流元件以及叶轮机械内部流动)优化问题的典型算例表明:小波神经网络具有很好的自学习功能和容错能力,可以快速、高效、高精度的完成非线性函数的逼近与映射,并且其泛化能力(generalization ability)很强。在数值优化中还发现,WNN比常用的响应面方法在样本的要求方面更灵活、更高效。将WNN与Pareto遗传算法相结合可以得到工程中较为满意的优化解。 相似文献
18.
19.
针对铸造钛合金叶轮叶片内部缺陷多和成型质量差的问题,通过设计两种浇注系统,运用有限元方法对浇注系统进行数值模拟,研究浇注系统设计优化对精铸的充型和凝固过程中流场、温度场及缩孔缩松的影响,在最优设计基础上进行熔模精铸实验,同时对其铸件的微观组织和力学性能进行检测与分析。结果表明:在型壳预热温度400℃、浇注温度1730℃,浇注时间8 s条件下,模拟结果得到底注式浇注系统充型、凝固质量好,铸件内部无缺陷;顶注式结构充型流场紊乱,存在卷气现象,同时铸件内部缺陷较多,故底注式多冒口结构浇注系统优于顶注式结构;对底注式系统进行了实验验证,铸件显微组织致密,拉伸屈服强度、断面收缩率和硬度分别为785.5 MPa、25.5%和301.67 HBW,力学性能较好,表面精度较高,符合高品质钛合金铸件的要求。 相似文献
20.
提出了一种基于余弦基神经网络FIR滤波器的设计方法。根据线性相位FIR滤波器的幅频特性是有限项的傅里叶级数,构造了一个三层余弦基神经网络模型,并给出了最优隐层神经元的个数。经模拟仿真,滤波器性能非常理想,具有同时输出低通、高通、带通、带阻各种功能,通带、阻带无过冲无波动,边界频率可以精确控制。 相似文献