某于功率反馈的涡轴发动机神经网络PID控制研究

通过对功率平衡关系进行分析,提出了利用功率反馈设计智能神经网络PIO控制器的方法。基于BP(Back Propagation)神经网络,将功率信号作为神经网络的输入层信号,并改进了网络权值的学习规则。通过在线整定PID参数,控制器能够根据功率误差信号的变化实时调整控制参数,从而使系统自主寻找到功率平衡点,具有良好的稳态和动态响应特性。仿真结果表明：该方法可以使涡轴发动机在全包线范围内具有理想的控制性能。     

基于BP神经网络的自主定轨自适应Kalman滤波算法

针对Sage Husa自适应滤波方法存在的窗函数开窗大小选择问题,提出一种基于BP神经网络学习估计系统协方差矩阵的自适应Kalman滤波算法。该算法以Kalman滤波预测残差向量作为网络输入,通过网络分段离线学习确定预测残差向量与预测残差协方差矩阵间的非线性关系,自适应地估计Kalman滤波系统协方差矩阵。将其应用到自主定轨系统,仿真结果表明利用本文算法自主定轨60天星座平均URE误差小于1.9米,且能够快速跟踪到系统噪声的突变,较Kalman滤波方法和Sage Husa自适应滤波方法具有更好的性能。     

基于神经网络的轴类损伤检测研究

理论分析表明,结构损伤前后固有频率的变化包含了结构损伤位置和程度的信息.在此理论基础上,对一个一端固定轴模型进行了损伤数值模拟,提取同有频率的变化信息并采取合适的方法构造改进型BP神经网络来判断结构损伤.检测表明,该方法在结构损伤检测中具有较好的应用前景.     

基于BP神经网络的复合材料失效分析

创建了基于BP神经网络方法预测复合材料在复杂应力状态下的失效模型.依据现有的试验数据,建立了基于BP神经网络的数学模型,并给出了网络在多次训练的统计性评价参数.以及单次样本泛化性能的评价参数,并利用这些参数实现了网络的结构优化和训练优化,得到了比较精确的网络模型,成功预测了复合材料的失效数据,拓宽了计算复合材料失效的范围,同时可以对复合材料的失效分析和试验设计进行指导.     

人工神经网络在数模混合电路故障诊断中的应用

以某导弹测试设备功能模块电路的故障诊断为例,研究了神经网络方法在数模混合电路故障诊断中的应用,着重研究了基于仿真的故障模式获取方法及基于Matlab的网络训练方法。经过验证,该方法能够快速、准确地定位故障。     

组合BP神经网络在数据挖掘中的应用

在吸收了人工神经网络解决非线性问题优点的基础上,针对数据挖掘的特点,提出了一种组合BP神经网络的数据挖掘方法。该方法是按照一定方式将n个BP网络组合成一个复杂的BP网络模型,并运用改进的启发式BP算法以实现有用模式的挖掘,能够大大缩短训练时间和提高挖掘精度。     

基于星载视频SAR的海上运动目标监视方法

传统SAR处理方法已无法满足日益复杂的战场环境,在监测、跟踪感兴趣区域内的机动目标和场景变化方面存在不足。针对此情况,提出了一种基于星载视频SAR(Video SAR)的海上运动目标监视方法,通过对目标区域持续观测获得全面的目标态势信息。首先,分析了视频SAR工作原理,采用数据重叠复用的方式来保证SAR视频产品的流畅度;结合图像配准,再利用不同帧图像之间动目标主体位置偏差和阴影变化反演动目标速度,同时改进传统后向投影(Back Projection,BP)算法,使其适用于视频SAR的高效性要求;最后,通过计算机仿真验证了该方法的精确性和有效性。     

地球观测网络成像任务可调度性预测方法

为了能够快速、合理地分配成像任务,充分发挥对地观测网络的观测效能,对成像任务可调度性预测问题进行了研究,提出一种由协同任务分配组件、任务调度组件、特征提取组件以及任务可调度性预测组件所构成的组件化求解架构。在成像卫星经典调度模型的基础上,提取成像任务特征,并采用变隐含层节点的反向传播（BP）神经网络集成技术求解成像任务可调度性问题。仿真结果表明,集成BP神经网络的平均预测准确度可以达到85%以上。     

Multiobjective genetic optimization of Earth–Moon trajectories in the restricted four-body problem

In this paper, optimal trajectories of a spacecraft traveling from Earth to Moon using impulsive maneuvers (ΔV maneuvers) are investigated. The total flight time and the summation of impulsive maneuvers ΔV are the objective functions to be minimized. The main celestial bodies influencing the motion of the spacecraft in this journey are Sun, Earth and Moon. Therefore, a three-dimensional restricted four-body problem (R4BP) model is utilized to represent the motion of the spacecraft in the gravitational field of these celestial bodies. The total ΔV of the maneuvers is minimized by eliminating the ΔV required for capturing the spacecraft by Moon. In this regard, only a mid-course impulsive maneuver is utilized for Moon ballistic capture. To achieve such trajectories, the optimization problem is parameterized with respect to the orbital elements of the ballistic capture orbits around Moon, the arrival date and a mid-course maneuver time. The equations of motion are solved backward in time with three impulsive maneuvers up to a specified low Earth parking orbit. The results show high potential and capability of this type of parameterization in finding several Pareto-optimal trajectories. Using the non-dominated sorting genetic algorithm with crowding distance sorting (NSGA-II) for the resulting multiobjective optimization problem, several trajectories are discovered. The resulting trajectories of the presented scheme permit alternative trade-off studies by designers incorporating higher level information and mission priorities.     

各向异性层合阻尼结构的BP集成神经网络模型设计

本文以各向异性层合阻尼结构为研究对象,设计一种基于BP集成神经网络的智能分析模型。该模型中的集成神经网络由两个子系统神经网络并联融合而成,学习算法主要采用Sigmoid函数。同时,该模型设计针对各向异性层合阻尼结构参数的扰动性问题综合采用结构模式归类、学习算法的改进、小波分析方法予以处理。计算结果表明:该BP集成神经网络模型,较好地解决了各向异性层合阻尼结构参数的扰动性问题,并能有效量化结构参数的变化影响。