案例推理和神经网络在航空发动机稳态模型中的应用

传统建模方法难以准确建立航空发动机数学模型,单纯使用BP神经网络建模又有其不足.将案例推理和改进BP方法相结合,根据案例推理优化训练数据,再利用神经网络,建立了发动机稳态模型.结果表明,该模型有较高的稳态精度,而且具有较好的泛化能力.     

一种轮盘式特种调节阀流量特性的修正算法

针对引进的俄罗斯轮盘式特种调节阀(简称特种阀)用于高空模拟试车台(简称高空台)出现的流量特性模型误差太大(最大误差达15%),导致特种阀数学模型精度太低,难以满足高空台伺服调控系统设计要求这一问题,提出一种特种阀流量特性的间接修正方法。借用若干次试验数据,并对其进行筛选、计算分析、对比等处理,获得去数据噪声后的特种阀流量特性的对角分布稀疏数据表。在此基础上,分5类情况按数据特征进行特种阀流量特性系数修正。建立基于修正的特种阀流量特性的数学模型,并将仿真结果与试验数据对比,特种阀流量稳态误差在5%以内。     

基于预处理BP神经网络的开关磁阻电机建模

针对开关磁阻电机(SRM)强耦合、强非线性、难以精确解析建模的问题,提出一种基于数据预处理的反向传播(BP)神经网络建模方法。首先通过传统直流脉冲法测量一个电周期内SRM静态电磁特性,获取建模样本数据;其次充分利用电机先验知识,通过可以初步反映SRM非线性特性的磁链和转矩解析表达式对实测样本数据进行预处理并作为BP神经网络新的输入,降低神经网络拟合误差。与传统BP神经网络建模的对比结果显示,引入预处理方法可以有效减少BP神经网络节点数量,增强神经网络泛化能力,提高神经网络建模精度。     

基于LMI极点配置的高空台飞行环境模拟系统PI增益调度控制研究

针对高空台飞行环境模拟系统的温度和压力在整个工作包线内的鲁棒性能控制问题，提出了一种基于LMI极点配置的PI增益调度控制设计方法。在考虑变比热容腔微分方程、管道热传导、调节阀流量特性、液压伺服动态、传感器增益对飞行环境模拟系统造成的建模不确定性的基础上，建立了完整、准确的飞行环境模拟系统非线性模型；对非线性模型进行了线性化，并根据线性模型推导了基于LMI极点配置的PI控制器设计算法；在飞行环境模拟系统的工作包线内选取了36个稳态点设计了基于LMI极点配置的PI增益调度控制器；设计了两种飞行环境模拟试验来验证设计的PI增益调度控制器的鲁棒性能。仿真结果表明，飞行环境模拟系统温度的稳态误差和动态误差均小于0.1%，压力的稳态误差小于0.5%，动态误差小于0.7%。     

高空台进气控制系统压力PI增益调度控制研究

针对高空台进气控制系统压力在整个工作范围内的精确控制问题,提出了一种基于高空台进气系统压力的PI增益调度控制设计方法,基于管道热流动力学理论提出了一种变比热的管道容腔建模方法,相对于定比热建模方法能够减少建模存在的不确定性问题。在考虑变比热的管道容腔、调节阀流量特性、液压伺服动态、传感器增益等对进气系统造成的建模不确定性的基础上,建立了完整、准确的高空台进气系统模型;在进气系统工作范围内采用24个稳态点小偏差范围内设计的最优PI控制器作为大范围过渡态工作的基底进行控制增益调度。数字仿真表明,采用这一方法一致性好,性能明显地优于传统PI控制方法;半物理仿真进一步验证了本文提出设计方法的有效性,稳态误差不大于0.1%。     

NARX神经网络在航空发动机EGT趋势预测中的应用

航空发动机的健康状态是保证飞行安全的重要因素,能在早期发现发动机隐藏的故障,通过预测发动机性能参数的变化趋势来掌握发动机性能衰退情况,实现对发动机健康状态的准确判断,具有重要的意义。针对航空发动机性能参数的数据特点,提出将动态神经网络中的NARX(非线性自回归)神经网络模型运用到性能参数的预测中,并用航空发动机排气温度(EGT)的趋势预测对该方法进行了验证。验证结果表明,这种方法在性能参数预测的精度上优于BP神经网络的预测结果。     

基于BP网络的光纤陀螺刻度因子建模研究

针对光纤陀螺(FOG)随温度呈非线性变化的特性,提出了采用BP神经网络对刻度因子的温度误差建模的方法,以减小光纤陀螺输出误差;用BP网络对其建模的结果和传统的建模结果进行了比较,结果表明采用BP神经网络对刻度因子的建模是非常有效的.     

磁控形状记忆合金动态建模及仿真研究

磁控形状记忆合金是一种新型功能材料,准确实用的动态模型的建立必然会为其进一步的应用奠定基础.然而由于其变形机理的复杂性,难以从其物理特性出发建模.因此以实验数据为基础,用最小二乘支持向量机回归建立动态模型,可以把磁控形状记忆合金动态建模问题转换为一个非线性小样本函数回归估计问题,并与BP神经网络在估计精度和泛化能力两方面进行了性能对比分析.仿真结果表明,最小二乘支持向量机在精度和泛化功能方面做到了最好的折衷,是用于磁控形状记忆合金回归分析建立其动态模型的一种很有效的方法.     

基于改进BP神经网络的导弹攻击区计算

针对传统导弹攻击区计算方法和BP神经网络算法的不足,在BP神经网络的基础上,建立了基于动态变结构BP神经网络的导弹攻击区模型。该模型通过在权值向量更新公式中引入冲量函数,加快了网络的搜索速度和精度,保证了网络获得全局最优值;通过实时调整隐含层节点数目,可以将网络结构优化,极大地提升了网络的灵活性。仿真结果表明,与传统导弹攻击区计算方法和BP神经网络相比,动态变结构BP神经网络具有更好的计算能力和收敛速度,可以快速、准确地完成导弹攻击区计算。     

基于动态变结构BP神经网络的目标威胁评估

针对传统目标威胁估计方法和BP神经网络的不足,在BP神经网络的基础上,建立了基于动态变结构BP神经网络的目标威胁估计模型.该模型通过在权值向量更新公式中引入冲量函数,加快了网络的搜索速度和精度,保证了网络获得全局最优值;通过实时调整隐含层节点数目,可以将网络结构优化,极大地提升了网络的灵活性.仿真结果表明,与传统目标威胁估计方法和BP神经网络相比,动态变结构BP神经网络具有更好的预测能力和收敛速度,可以快速、准确地完成目标威胁估计.     

试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明:得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。     

改进的综合CFD与畸变合成法预测动态畸变(英文)

对综合CFD与畸变合成方法进行了改进。通过CFD求解,获得AIP上各稳态气动参数。采用BP人工神经网络直接求解高度非线性的湍流相关方程,该方程将CFD求解的稳态气动参数与试验测得湍流度进行关联。经过训练的网络可根据稳态CFD结果预测湍流度。之后根据CFD计算的稳态总压和神经网络预测的湍流度合成动态压力。最后根据合成的动态压力寻找最大瞬时畸变。文中使用了六个工况的飞行数据验证该方法的准确度并且与原方法的计算结果进行了比较。结果表明该方法预测的畸变值与试验畸变值吻合较好,且预测结果较原方法与试验值更接近,该方法能够在试验前用来预测动态畸变,具有很强的工程价值。     

使用BP神经网络模型研究逆向卸荷膜片式减压器的稳定性能

采用数据挖掘中BP(back propagation)神经网络模型来研究逆向卸荷膜片式减压器的结构参数与稳定性能之间的依赖关系,得到结构参数变化,尤其是多结构参数耦合变化下减压器的稳定性结果.其中稳定性对阻尼孔直径、膜片刚度非常敏感,对弹性元件材料的阻尼系数、低压腔有效长度较为灵敏.由此提出减弱振荡的各种措施:增大阻尼孔直径、增大膜片刚度、在一定范围(标准值的6.5倍)内增大弹性元件材料的阻尼系数、增大低压腔有效长度、减小阀芯质量.数值实验误差分析表明:该模型不存在过拟合、局部最优的情况,其预测结果是可靠的,可为减压器的设计和系统分析提供决策支持.而且,该模型对不同类型的数据集具有通用性,可以用来研究其他部件的结构参数与性能指标的依赖关系.      

基于控制分配的恒压腔压力精准控制

针对采用双阀调节的恒压腔系统压力在空气流量大范围变化时的精确控制问题,提出了一种基于控制分配的恒压腔压力精准控制方法。首先,建立了虚拟放气流量的双阀控制分配算法,包括：建立满足虚拟放气流量要求且调节阀能耗最小的优化问题;通过线性矩阵不等式(Linear Matrix Inequality, LMI)求解该优化问题得到双阀实际流通面积值;考虑调节阀动态并计算调节阀控制信号指令值。其次,建立以虚拟放气流量为恒压腔控制输入的闭环负反馈回路,基于此,设计满足伺服性能和抗干扰性能要求的PI控制器,引入上述双阀控制分配算法,进而构建完整的基于控制分配的恒压腔压力控制系统。仿真结果表明,采用该方法的控制系统性能明显优于传统单阀PI控制系统性能,恒压腔压力动态相对误差小于0.07%;干扰流量最大变化率为77kg/s2时,压力最大偏差低于500Pa;此外,调节阀动态时间常数和流量系数的拉偏仿真结果进一步验证了该控制器的鲁棒性。     

基于BP人工神经网络喷射成形7055铝合金的本构模型

基于Gleeble热力模拟技术对喷射成形7055铝合金的高温流变应力特征规律进行研究,并构建耦合应变量的唯象型Arrhenius本构方程用以预测合金的流变应力,同时基于BP人工神经网络构建该材料的神经网络型本构方程对比预测流变行为。结果表明:喷射成形7055铝合金的流变应力状况受变形参数的影响较为显著,与变形温度呈负相关,并与应变速率呈正相关。利用两类本构模型预测该合金的流变应力,其中唯象型Arrhenius本构方程的平均相对误差δ值大于2%,该模型的预测误差随变形温度升高呈上升趋势,且在热加工温度区间下(450℃左右),平均绝对误差及平均相对误差达到峰值,较难精准预测该变形区间内合金的流变应力特征。而BP人工神经网络模型的预测准确度更高,平均相对误差δ值仅为0.813%,且具有较高的温度稳定性。     

一种基于神经网络补偿动态逆误差的方法

讨论了一种基于神经网络自适应补偿动态逆误差的方法，并应用于超机动飞机控制器设计中，飞机的基本控制采用非线性动态逆方法进行设计，对于模型不准确导致的逆误差采用神经网络进行在线补偿，仿真结果表明，采用神经网络补偿误差，弥补了非线性动态逆要求精确数学模型的缺点，而且可以简化动态逆控制律的设计，改善整个控制系统的性能。