基于递阶残差神经网络的结构故障模式识别

提出了一种基于递阶残差分类神经网络的结构故障诊断新方法,与传统的基于模型的非线性系统的故障诊断方法相比,神经网络方法有着非线性逼近能力强和故障模式识别实时性好等优点。文中进行了残差特征提取和残差分类研究,设计了3层递阶残差结构分类器,提出了故障模式识别算法。最后以某型歼击机为例进行了仿真验证,仿真结果表明本文方法能有效识别歼击机结构故障的有无、位置、类型和程度。     

基于小波神经网络航空发动机滑油系统故障诊断方法研究

研究了基于小波神经网络的非线性系统的故障检测和诊断方法.把小波分析与前馈神经网络相融合,并推导出其具体的算法.应用小波神经网络对航空发动机滑油系统进行故障诊断.试验和仿真的结果表明:小波网络应用于故障诊断时具有收敛速度快,对网络输入不敏感等特点,为非线性系统的故障诊断提供了新的理论和方法.     

基于集员估计的卫星飞轮故障检测与预测方法

为了对卫星飞轮故障进行提前预警，提出了一种基于集员估计的故障检测和预测方法。首先，基于飞轮的动态模型设计了一种基于中心对称多面体的故障检测方法。在检测出飞轮故障后，选取飞轮的电流数据作为故障特征，并采用线性模型或非线性模型来描述其退化规律。然后，提出了一种基于中心对称多面体的集员算法，对退化模型中的未知参数进行估计，并以此为基础预测未来时刻的故障，进而实现对飞轮故障的提前预警。最后，通过数值仿真，将所提出的方法和两种现有的故障预测技术进行了对比。仿真结果表明了所提方法的有效性和优越性。     

基于小波神经网络的自适应飞/推控制系统设计

基于小波神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用小波神经网络逼近非线性函数,并把逼近误差引入到权值的自适应律中用以改善系统的动态性能。H∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性,而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后基于所设计的控制方法对新一代歼击机设计了飞/推控制系统,并对飞机作大迎角机动仿真。仿真结果表明所设计的飞/推控制系统是有效的,同时验证了所设计的非线性控制方法是有效性的。      

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。     

歼击机结构故障的模式识别与参数辨识新方法

针对自修复飞行控制系统的故障,采用基于精确线性化的方法,在原空间和特征空间提出了基于双假设/多假设（增强型）概率统计学的模式识别与参数辨识方法,给出了结构故障的可识别性和可辨识性的判别准则,并以某型歼击机为例进行了仿真研究。     

基于多模型方法的全包络鲁棒飞行控制器设计

利用新一代歼击机不同平衡点的多个非线性子模型对其机动飞行的全包络模型进行逼近。对于每一个子模型,设计相应的动态逆控制器,应用模糊神经网络产生控制器切换决策,实现不同飞行状态下不同模型控制器之间的相互切换。同时为了提高多模型飞行控制效果,对各模型控制器的输入及输出采样并作为神经网络的学习样本,形成一个全包络内的多模型统一神经网络控制器。最后通过歼击机的大迎角机动仿真来验证所设计的基于多模型的统一神经网络控制器的有效性,仿真结果表明所设计的统一神经网络控制器是有效的。     

基于优化神经网络模型的系统建模仿真研究

建立一个结构优化的系统模型是设计控制系统的基础,但对于实际系统尤其是非线性系统一般没有统一表达形式,其模型结构难以构造,对其结构优化难以实施,给非线性系统建模带来很大困难.为此,基于神经网络理论,分析了非线性系统的神经网络模型并对其神经网络模型结构进行仿真研究.基于OBS (Optimal Brain Surgeon)优化策略,对初始神经网络模型结构进行优化操作,进而获得结构优化的神经网络模型并对非线性系统的建模进行仿真.仿真结果表明,优化的神经网络模型对非线性系统的建模效果是良好的,其模型的泛化能力亦得到增强.     

混合神经网络和混沌理论的股票价格预测研究

针对股票时间序列的非线性特点,结合混沌理论和神经网络理论,提出了基于混沌理论的股票价格神经网络预测方法。同时利用重构相空间的嵌入维数确定神经网络的结构,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,在股票时间序列预测中有广泛的实用价值。     

一类基于神经网络技术的软件故障静态测试方法

对测控软件可靠性增长模型的现状进行了分析,提出了基于神经网络的可靠性增长模型,选用了具有良好泛化能力和强大的非线性逼近能力的 BP 神经网络,对测试软件进行拟合,并对软件故障数进行静态预测和验证,实验表明,该模型具有很高的预测精度和良好的对非线性映射的逼近能力。     

歼击机结构故障的检测与自修复控制律重构

 针对鲁棒动态逆控制的飞机,提出一种有效的故障检测新方法及自修复控制律重构方法。设计了一种基于理想模型的非线性故障检测器,通过监测残差信号,能够可靠地对各类故障进行辨识,并利用补偿信号来抵消故障舵面产生的影响,可以满足自修复飞行控制的实时性要求。     

基于粗糙集与模糊神经网络的故障诊断

神经网络已广泛应用于故障诊断领域,但也存在冗余数据难以剔除、网络结构复杂的缺陷,与其他理论相结合可以得到更优越的诊断特性。粗糙集在数据约简和规则获取等方面具有优势,可以有效避免神经网络构造的困难;同时,模糊神经网络可以使网络推理过程变得透明,且较强的数据泛化能力可以弥补粗糙集的不足。通过将粗糙集与模糊神经网络技术相结合,建立故障诊断模型,利用歼击机操纵面故障诊断实例检验其可行性和有效性。     

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     

战斗机非线性飞行控制技术的研究与发展

战斗机非线性飞行控制技术研究综述。首先介绍战斗机技术发展走向,然后对当前主要战斗机飞行控制设计方案进行分析,并重点介绍神经网络在飞行控制中的应用研究。最后指出,基于神经网络的智能控制方案作为飞行控制的重要研究方向,将为未来先进战斗机飞行控制系统设计提供重要的解决方案。     

支持向量机的B737飞机水平尾翼裂纹故障预测

为保障飞机的飞行安全,做到预防性维修,提升飞机的飞行安全及任务出勤率,需要对飞机结构出现的疲劳裂纹进行及时检测并修理。基于支持向量机理论,建立了支持向量机回归预测模型,并应用该模型对B737飞机水平尾翼健康信息的特征值(小波包分解系数提取的能量)进行了故障预测研究。为建立最佳支持向量机模型,选用了支持向量机四种常用的核函数分别对特征值进行了预测。同时还对支持向量机预测模型与神经网络预测模型(BP神经网络预测模型)的预测结果进行了比较与分析,研究表明,应用支持向量机所设计的预测模型准确率比较高,可以较好地对飞机水平尾翼的裂纹故障进行预测。     

A fault-tolerant neural aided controller for aircraft auto-landing

This paper presents a neural-aided controller that enhances the fault tolerant capabilities of a high performance fighter aircraft during the landing phase when subjected to severe winds and failures such as stuck control surfaces. The controller architecture uses a neural controller aiding an existing conventional controller. The neural controller uses a feedback error learning mechanism and employs a dynamic Radial Basis Function neural network called Extended Minimal Resource Allocating Network (EMRAN), which uses only on-line learning and does not need a priori training. The conventional controller is designed using a classical design approach to achieve the desired autonomous landing profile with tight touchdown dispersions called herein as the pillbox. This design is carried out for no failure conditions but with the aircraft being subjected to winds. The failure scenarios considered in this study are: (i) Single faults of either aileron or elevator stuck at certain deflections, and (ii) double fault cases where both the aileron and elevator are stuck at different deflections. Simulation studies indicate that the designed conventional controller has only a limited failure handling ability. However, neural controller augmentation considerably improves the ability to handle large faults and meet the strict touchdown dispersion requirements, thus enlarging the fault-tolerance envelope.     

基于自组织映射网络的故障诊断推理方法研究

从故障诊断基本形式出发，结合飞机刹车系统故障的各类特点，研究了基于Kohonen自组织映射网络理论的故障推理模型，并且应用到起落架刹车系统故障诊断中。该方法只需选择听，具有代表性的故障样本训练神经网络，他将代表故障的信息输入给训练好的神经网络，根据神经网络的输出结果，就可以判断出发生故障的类型。该模型除能识别已训练过的故障，还能识别未训练过的故障，并且聚类能力强，速度快，因此，很符合复杂系统的故障诊断。     

基于RBF神经网络的FADS系统及其算法研究

以典型的十字形布局的大气数据传感系统及其跨声速应用为研究对象,基于RBF神经网络,设计了新的FADS算法和故障检测处理方法。将测压点按不同功能进行精细的划分和组合,形成更加精简、目的性更强且相互独立的RBF网络处理子模块,利用各子网络模块提供的冗余特性,使用基于故障特征向量表的方法,实施简单而有效的故障检测与处理。仿真验证表明,迎角与侧滑角的测量误差不大于0.5°,且故障检测是有效的。