联合优化的BP神经网络模型的应用研究

BP算法因收敛速度慢、易于陷入局部极小值等缺点，使得对于较大的搜索空间、多峰值和不可微函数常常不能搜索到全局极小点，这些制约了BP网络在各个领域中的应用。本文通过对学习系数、神经元的激励函数及误差函数的联合优化，在一定程度上避免了学习中的局部极小问题，提高了学习效率，改进了网络的性能。     

基于小波分析的飞控传感器故障诊断

小波分析具有局部时频分析能力，适宜于对突变信号的检测，针对飞控系统传感器故障的特点，提出了基于小波分析的飞控传感器故障诊断法。仿真结果表明，应用小波分析，可以非常精确定位传感器信号的故障点。     

液体火箭发动机推力室冷却通道流动与传热数值研究

采用气固耦合算法对液体火箭发动机推力室再生冷却通道的流动与传热过程进行了三维湍流流动与传热数值模拟，冷却工质为氢气，其密度、导热系数、动力粘度随着温度和压力而变化。应用大涡模拟及标准k-ε双方程模型两种湍流模型分别进行数值模拟，详细揭示了再生冷却通道固体区和流体区内的速度场和温度场，并在不同的计算网格数目下对两种湍流模型的计算结果进行了对比。结果表明，在相同的网格条件下，标准k-ε双方程模型与实验数据的吻合精度比大涡模拟模型更好，且满足工程计算精度。随着网格数的增加，大涡模拟的计算精度逐渐得到改善。     

二维过渡区喷流干扰流场的DSMC/EPS仿真

应用DSMC／EPS混合算法，数值模拟过渡区有RCS横向喷流干扰的二维有限平板高超声速流场，分析了流场结构、分离形态及物面气动系数分布等特性。结果表明，不同：Knudsen数下，喷流干扰流场存在差异，过渡区中的稀薄气体效应得以体现，证明了DSMC／EPS混合算法是研究稀薄，连续混合区域高超声速流动的有效方法。     

基于人工免疫的直升机传动系统在线异常监测方法

 针对直升机在线监测时难以提取状态特征的问题，提出一种适用于直升机传动系统在线状态监测方法。该方法基于生物免疫系统反面选择机理，利用改进型反面选择算法并结合人工神经网络进行监测。该方法能有效地提取直升机传动系统的状态特征，并结合直升机传动系统的实际情况准确得出状态异常度。在线监测实例结果表明，该方法能较准确监测出直升机传动系统的异常状态，验证了该方法具有较好的在线性、准确性及鲁棒性。     

多体运动理论与齿轮测量中心的几何误差建模

本文阐述了多体系统的拓扑结构和低序体阵列,其特征矩阵的基本概念和构建方法,分析了多体系统误差运动的基本规律,结合891E型齿轮测量中心研究了根据特征矩阵得到其空间几何误差的算法,为齿轮测量中心精度分析和几何误差提供了一种理想的建模方法.     

基于adaboost算法的车牌检测

车牌识别技术（LPR）是智能交通（ITS）领域的重要研究课题之一。车牌的自动识别分为车牌检测、字符分割、字符识别三个主要部分。车牌检测是LPR中的关键技术。车牌图像由于受到噪声、车牌倾斜、光照不均、运动模糊等的影响，检测存在着很大的困难。因此，在总结前人检测算法的优点和缺点的基础上，提出了基于adaboost算法的检测算法，其优点是检测率高，检测时间少，适应性特别强。     

高超声速流动分区对接网格算法研究

本文发展了一种能适应强间断流场的满足通量守恒的分区对接网格算法，并给出了保证通量守恒的通量插值系数应满足的条件。采用有限差分NND格式，求解层流NS方程，数值模拟了马赫数6—20绕圆柱的高超声速粘性流场。数值试验表明：方法具有良好的稳定性和收敛性，强激波能自由地穿越内边界。     

基于BP人工神经网络的GPS／SINS组合导航算法

基于扩展Kalman滤波的GPS／SINS组合导航算法，需要对原始的非线性连续系统模型进行线性化和离散化处理，要求系统噪声和测量噪声为零均值的高斯白噪声，且易于出现滤波器发散。BP人工神经网络毋需对所求解的问题建模，能够很好地逼近系统非线性特性，获得较高精度的导航定位信息；还具有计算过程稳定，不涉及矩阵求逆，不需要迭代逼近，以及容易实现并行处理等优点。本文设计适用于GPS／SINS组合导航系统的BP网络模型，并在标准的BP算法基础上，采用共轭梯度法改进网络训练速度及精度。最后，通过仿真算例说明BP网络方法用于GPS／SINS组合导航计算的可行性。     

隐式无网格算法及其应用研究

本文的主要目的在于研究求解Euler方程的隐式无网格算法，并应用于复杂的流场计算。采用无网格算法，计算区域用点云离散代替通常的网格划分；计算点上的空间导数，用当地点云上引入的二次极小曲面逼近。求解的Euler方程用隐式时间后差离散，结合用Roe的近似Riemann解确定通量，并用LU－SGS算法分步计算，数值求解了单翼型或双翼型模拟的复杂绕流。