共查询到20条相似文献,搜索用时 31 毫秒
1.
为准确辨识负载力矩并提高主动加载负载模拟的真实度,使用了一种基于遗传算法优化的神经网络辨识方法。使用小波分析方法对测试信号进行预处理,将消噪与分解后得到的信息作为神经网络训练的扩充样本,提高了辨识精度。使用遗传算法选择最优输入信息、网络结构和隐含层规模,加快网络收敛速度并简化计算过程,实现对柔性喷管力矩的快速准确辨识。仿真结果表明该辨识方法可以准确地描述柔性喷管在典型测试信号激励下的力矩特性,平均辨识误差为2%,对于实现精确主动加载控制和验证伺服控制性能具有重要意义。 相似文献
2.
风洞流场的多维性、复杂性以及马赫数的不可直接测量、马赫数控制一直是风洞控制的难点和重点。笔者在研究FL26Y风洞流场特性的基础上,应用神经网络技术,研究马赫数在线辨识问题,为高精度风洞流场马赫数控制提供技术支持。首先介绍神经网络马赫数辨识原理,然后介绍神经网络拓扑结构的设计,并构造神经网络的马赫数辨识模型(NNI)。最后通过软件实现及仿真研究动态数据优化、软件滤波以及动量系数对网络学习性能的影响,进一步验证神经网络辨识器在实时性、自适应性、以及辨识精度等方面的优越性。 相似文献
3.
航空发动机神经网络自适应控制研究 总被引:6,自引:6,他引:0
本文研究神经网络自适应控制方法及其在航空发动机控制中应用。结合某型航空涡喷发动机,首先研究采用神经网络进行非线性动态系统辨识,包括神经网络模型辨识的格式、输入信号形式等问题。然后,提出了一种神经网络自适应控制方法,阐明了该方法基本结构、原理。最后,在选定的设计点处进行发动机控制系统设计,当偏离设计点时,利用神经网络很强的学习、适应能力,通过在线修正神经网络参数,使控制系统仍保持良好性能。 相似文献
4.
提出了一种非线性系统的对角自回归神经网络模型。为了实现MIMO系统自适应控制,采用自回归辨识网络对未知非线性系统进行辨识,并将被控对象的误差灵敏度信息用于对角自回归控制网络训练。辨识网络和控制网络都用动态BP算法训练。实际某型飞机纵向模型的仿真结果表明,运用这种控制结构可得到较好的控制效果。 相似文献
5.
6.
建立动态模糊径向基神经网络RBF( Radial Basis Function,RBF)焊接接头力学性能预测模型,克服静态RBF和模糊神经网络( Fuzzy Neural Network,FNN)在结构辨识、动态样本训练及学习算法的不足。该模型的结构参数不再提前预设,在训练过程中动态自适应调整,适用动态样本数据学习,学习算法引入分级学习和模糊规则修剪策略,加速训练并使模型结构更加紧凑。利用三种厚度、不同工艺TC4钛合金TIG焊接试验数据对该模型进行仿真。结果表明:模型具有较高的预测精度,适用于预测焊接接头力学性能,为焊接过程在线控制开辟了新的途径。 相似文献
7.
为解决基于气动热力学方程建立发动机起动模型时存在的困难,本文以某型发动机起动调整试验的试车数据为样本,使用径向基函数(RBF)神经网络对在某一大气条件下的发动机起动模型进行了辨识;并使用另外一组试车数据,通过辨识模型对起动过程进行了仿真。结果表明,用RBF神经网络辨识发动机起动模型,具有方法简单、学习速度快、辨识精度较高等优点。 相似文献
8.
高超声速飞行器气动伺服弹性的自适应抑制 总被引:1,自引:1,他引:0
针对弹性高超声速飞行器的气动伺服弹性问题,提出一种结合线性自抗扰和自适应陷波器的综合控制方案。针对强耦合和强不确定性问题,采用线性自抗扰控制对总扰动进行快速估计和补偿。为了在最小化对刚体控制性能影响的同时实现对频率未知且时变的弹性模态的抑制,采用能够在线估计弹性频率的自适应陷波器。根据气动伺服弹性抑制问题的特点提炼出对自适应陷波器的性能需求。针对这些需求设计了两种基于递推最大似然法的多频率直接辨识方案——参数单独自适应和同时自适应方案。为了提高辨识算法在各种随机扰动下的鲁棒性,在此基础上提出一种在线有效性监督机制,并通过大量的数字仿真对两种方案进行了性能对比。最后,在弹性高超声速飞行器模型上进行仿真,仿真结果验证了所提控制方案的有效性。 相似文献
9.
10.
根据反馈神经网络控制方法在发动机控制系统中的应用研究,建立了基于反馈网络的发动机控制系统。采用反馈神经网络辨识发动机模型参数,用动态自适应算法对神经网络权值进行了调整,并在飞行包线内各工作点对整个控制系统进行了仿真。结果表明,使用神经网络建立的发动机控制系统具有良好的控制品质和较强的自适应能力。 相似文献
11.
多操纵面飞翼构型飞机舵面故障在线诊断方法 总被引:2,自引:0,他引:2
舵面故障会影响飞机的操纵性,为实现飞机的控制重构需在线诊断出舵面的故障信息.针对多操纵面飞翼构型飞机,提出了一种在线诊断其舵面故障的方法.飞翼构型飞机舵面故障在线诊断需辨识的操纵导数个数较多,直接使用最小二乘法难以精确辨识得到各操纵导数.基于限定记忆最小二乘法,采用分组辨识法对飞机的操纵导数进行辨识,减少了每次辨识操纵... 相似文献
12.
提出了一种基于小波神经网络辨识的PID神经网络模型参考自适应控制方法。该方法采用小波神经网络作为辨识器,PID神经网络作为控制器在线调节。由于小波变换具有良好的时频局部特性,神经网络具有强大的非线性映射能力,自学习、自适应等优势,采用规范正交的小波函数作为神经网络的基函数构成小波神经网络,该网络兼有小波函数的紧支性、波动性以及神经网络的非线性映射能力,自学习、自适应能力等优点,仿真结果表明用该方法构成的控制系统收敛速度快,逼近精度高,鲁棒性好,优于一般的BP网络控制。 相似文献
13.
在线辨识在现代飞行控制系统设计中扮演越来越重要的角色,飞行器模型的在线更新使得人们可以采用更智能的控制方法。基于计算精度和速度的考虑,在线辨识方法通常以递推方式进行,主要分为时域和频域两大类方法。在建立飞行器系统模型结构的基础上,利用频域递推傅里叶变换及最小二乘方法,实现对气动及控制偏导数的在线辨识。针对某飞机纵向通道的在线辨识仿真验证该方法有效,且计算速度和收敛速度快,辨识结果与参数真实值之间的一致性好,方法对传感器噪声有较强的适应性。最后,分析比较了各种典型激励信号对辨识结果的影响,为进行实际在线辨识试验提供了参考依据。 相似文献
14.
15.
16.
17.
支持向量机在航空发动机起动模型辨识中的应用研究 总被引:1,自引:0,他引:1
支持向量机(SVM)可以优化网络,有效降低模型复杂性,不存在维数灾难和局部极小问题。本文以某型发动机起动调整试验的试车数据为样本,使用SVM对某一大气条件下的发动机起动模型进行了辨识,并使用另外一组试车数据.通过辨识模型对起动过程进行了仿真;最后,比较了SVM和RBF神经网络起动模型的辨识精度。结果表明,用SVM辨识发动机起动过程模型,方法简单,学习速度快,辨识精度较高。 相似文献
18.
19.