利用BP神经网络对卫星无热敏设备温度的估测

卫星上测温资源有限，只有部分设备有测温点，难以准确获得其他无测温点设备的温度。基于反向传播（BP）神经网络对复杂非线性系统优秀的拟合能力，建立了估测卫星上无测温点设备温度的神经网络，以在轨有测温点设备温度为输入层，以在轨无测温点设备为输出层，并使用卫星热试验获得的星上温度遥测数据和在轨无测温点设备的热电偶温度数据进行训练和测试。测试结果表明，所建立的神经网络估测精度在1℃以内，可以用来精确估测卫星无测温点设备的温度。针对学习样本对估测误差之间关系进行了研究，计算表明，学习样本的多样性和大数据量能够显著减小估测误差。     

Klobuchar电离层模型误差分析及预测

电离层延迟误差是全球导航卫星系统（global navigation satellite system，GNSS）中的重要误差源之一。目前在电离层延迟改正模型中，应用最广泛的是Klobuchar参数模型，但是该模型的改正率仅能达到60%左右，无法满足日益增长的精度需求。将国际GNSS监测评估系统（international GNSS monitoring & assessment system，iGMAS）发布的高精度电离层格网数据作为对照，对Klobuchar电离层模型误差进行计算和分析，结果发现在中纬度区域误差存在明显的周期性特征。为进一步提高Klobuchar电离层模型在中纬度区域的改正精度，建立了基于粒子群优化反向传播（back propagation，BP）神经网络的Klobuchar电离层误差预测模型,并以2019年10月的采样数据为例进行误差预测。结果表明，用该模型对中纬度区域电离层延迟提供误差补偿，可将精度提高到90%左右。     

运动工件上字符识别系统研究

在恶劣的工业现场环境中，拍摄的工件图像会失真，为此提出了在一定噪声和模糊范围内能够正确识别字符标号的方法。工件在传送过程中可能发生偏移，使得被测件与摄像镜头的相对位置不确定，所获得的图像会发生偏转或平移，为此提出了解决字符的平移，缩放及旋转问题的方法；设计了神经网络识别系统。     

基于STEP和改进神经网络的STEP-NC制造特征识别方法

特征识别是实施STEP-NC重要的一步，也是实现开放式、智能化和网络化STEP-NC数控系统的关键。本文提出了一种基于STEP和改进神经网络的STEP-NC制造特征识别方法。该方法首先在对STEP AP203中性文件进行几何拓扑信息提取后，基于边的凹凸性判断构建了零件最小子图。然后，将混沌算法、遗传算法与BP神经网络算法有机相结合提出了改进的BP神经网络。最后，通过将获得的零件模型最小子图信息数据输入到改进的BP神经网络，实现了对STEP-NC制造特征高效精准地识别。通过实例验证了该方法的有效性和可行性。     

航空发动机自动平衡技术发展综述

针对航空发动机在运行过程中不平衡振动过大的问题，采用自动平衡技术进行在线质量补偿，可有效降低其振动水平。目前自动平衡技术主要运用于航空发动机结构、控制算法、工程应用3个方面。基于影响系数法的电磁驱动型自动平衡在美国空军C-130H运输机上得到工程应用，飞行测试4个发动机螺旋处的振动均低于1.27mm/s，降低了94%，因螺旋桨振动导致的压气机处振动降低了75%。研究结果表明:航空发动机自动平衡技术可实现在线持续动平衡，能有效降低发动机及其组件的振动疲劳损伤，降低发动机维护费用，延长维修周期。自动平衡技术在航空发动机领域得到工程应用是一个循序渐进的过程，还需要进一步开展结构设计、控制策略、系统集成等方面的研究工作，并在航空发动机设计阶段就考虑纳入自动平衡结构。      

一种弹道修正弹SINS任意滚转角快速粗对准方法

针对弹道修正弹药出炮口后滚转角处于随机状态,捷联惯导系统(SINS)失准角过大时卡尔曼滤波收敛困难的问题,提出在卫星拒止环境下利用神经网络快速估计初始滚转角的改进方法。在炮口处布设少量导航信标,建立反向传播(BP)神经网络拟合初始滚转角与观测量间的非线性映射模型。针对信标辅助下姿态弱可观的问题,引入惯导测量参数作为输入,提高网络估计精度。采用主成分分析法进行特征提取,简化网络结构。仿真结果表明,与基于非线性卡尔曼滤波的对准方法相比,本算法可实现任意滚转角下的快速粗对准;对射角、初始俯仰角误差未在训练范围内以及存在布设误差等场景也进行了测试,与未优化的BP网络相比,对准精度更高,鲁棒性更好。     

BP神经网络在三次有理B样条曲面近似等距面中的应用研究

利用改进的BP神经网络构造三次有理B样条曲面等距面。训练成功后的神经网络可作为描述自由曲面的模型,利用它能够产生任何需要的点。实际证明,该方法简单、有效。     

基于BP神经网络的软件项目成本估测方法

为进一步提高软件项目成本估测的准确度,减少在使用传统估测方法时产生的较大误差,提出了一种基于BP神经网络算法的软件项目成本估测模型。利用BP神经网络对软件项目成本进行估计,采用梯度下降自适应Ir的BP算法训练,仿真结果表明,基于算法的软件项目成本估测值与实际成本的偏差较小。     

离港航空器滑出时间的BP神经网络预测模型

准确地预测离港航空器滑出时间可有效提升机场场面运行效率,降低运行成本。构建基于BP 神经网络的离港航空器滑出时间预测模型,分析影响离港航空器滑出时间的可量化因素,并对其相关性进行检验;通过我国中南某机场2 周实际运行数据对模型进行验证,并以均方根误差、平均绝对误差和平均绝对误差百分比检验预测结果的准确性。结果表明：同时...     

航空公司机队设备可靠性非线性动态评估模型

 机队设备可靠性是实现航空公司"安全、正点和经济"目标的核心内容,对其进行评估是实现机队设备系统综合技术保障的重要手段。根据航空公司机队设备可靠性统计、数据采集和监控方式的关键技术与重要环节,应用物理-事理-人理 (WSR)思想和Delphi法,建立了机械原因使用困难报告(SDR)和非计划停场率等航空公司机队设备可靠性的5大指标体系。基于灰色聚类方法和反步(BP)神经网络的优缺点,结合机队设备可靠性的随机性和波动性,设计了航空公司机队设备可靠性非线性动力学评估模型。航空公司机队设备可靠性评估实例的分析表明:该可靠性非线性动态评估模型是可行的,能够实现动态和静态的评估。