基于神经网络的智能刀具状态检测系统

可靠的在线刀具磨损状态检测是柔性制造系统、计算机集成制造系统以及自动化机床必不可少的一个环节。文中论述了用反传神经网络与一类模糊神经网络分析处理由力传感器和声发射传感器所测得的刀具状态信号，识别出刀具的磨损情况，从而进一步实现刀具磨损状态的在线检测，控制自动机床及时更换刀具。本研究对四种规格的钻头的磨损情况进行了全程检测，并比较分析了反传神经网络与模糊神经网络对这一问题的有效性。实验结果表明，这两种方法对处理刀具磨损状态检测均有显著的效果与很高的准确性。用一类模糊神经网络处理多传感器信息是实现刀具状态在线检测的一个极为有效的方法。     

Design and Application of Discrete Sliding Mode Control with RBF Network-based Switching Law

This article proposes a novel approach combining exponential-reaching-law-based equivalent control law with radial basis function (RBF) network-based switching law to strengthen the sliding mode control (SMC) tracking capacity for systems with uncertainties and disturbances. First, SMC discrete equivalent control law is designed on the basis of the nominal model of the system and the adaptive exponential reaching law, and subsequently, stability of the algorithm is analyzed. Second, RBF network is used to form the switching law in a direct and online manner with sliding-mode-related inputs and by approximating evaluation function; and the method to adjust its parameters is devised. Finally, comparable experiments are carried out to verify the application of the proposed approach to an inner-axis driven by a direct current (DC) torque motor through extra-low speed servo for a high precision flight simulator, and the axis works under deteriorating conditions such as periodically fluctuating torques of motor, nonlinear friction, and time-varying model parameters. The results show that the combined SMC can effectively improve the servo performance, for instance, to a stable 0.000 08 (°)/s speed response, the tracking error would be within 0.000 08° in 98% of operating times. Moreover, the hybrid nature of the approach imparts the RBF network the features of removing offline training and ease to set initial parameters.     

指数分布可靠性增长分析的Bayesian整体推断方法

本文引入服从广义逆Gamma分布的折合因子,得到一种指数可靠性增长下失效率的Bayes整体推断技术,并采用Laguerre-Gauss积分方法得到了折合因子分布参数的精确数值解,通过典型示例与其它确定分布参数的方法进行比较,可知这种方法更加接近工程实际。     

基于LabVIEW实现神经网络

文章选择LabVIEW的图形编程语言实现了神经网络.仿真结果表明,通过LabVIEW可将虚拟仪器技术和神经网络有机地结合起来,拓宽两者的应用范围,提高系统的性能和开发效率.     

基于动态贝叶斯的反舰导弹弹型识别

使用反舰导弹对舰艇进行饱和攻击是当前对舰攻击的主要方式。首先,提出了动态贝叶斯网络(DBN)的理论及算法;其次,根据反舰导弹的高度、速度、过载、机动方式等弹道特性和RCS、雷达频率等导弹自身特性,建立了对反舰导弹进行弹型识别的DBN模型;最后,通过仿真算例验证了DBN模型的有效性,这为实际解决反舰导弹进行弹型识别的问题,提供了一种思路。     

全球卫星导航星座网络协议体系与运行模式

针对全球卫星导航星座网络建设初期或论证阶段所涉及的网络体系结构、协议体系及相关组网等技术问题,开展了基于导航星座星间链路构建空间信息网络的技术研究,分别提出了由子网、接入网、骨干网等节点及其相互之间星间、星地无线链路构成的分层网络系统结构,设计了兼容遥控、遥测、测量与网络交互支持等业务的基于IP over CCSDS(基于空间数据系统咨询委员会标准的空间链路承载互联网协议业务)的协议体系,给出了全系统基本通信业务运行模式等。与传统高轨卫星通信系统相比,该星座网络具有高覆盖、低时延、随遇接入等优点,可实现星座导航性能与中低轨及地面用户通信性能的全方位提升,相关结果对我国全球卫星导航星座网络技术研究具有一定的参考意义。     

基于改进信息融合的航空发动机状态评估方法

针对航空发动机状态监测数据的模糊性和随机性,结合贝叶斯粗糙集和D-S证据理论,提出一种改进信息融合的状态评估方法。首先对样本数据进行离散化处理,通过基于区分矩阵的属性约简算法对影响发动机性能的特征参数进行提取,生成最佳决策表。然后根据置信增益函数重新定义了贝叶斯粗糙集,利用贝叶斯粗糙集的支持度和置信增益函数作为证据的支持程度,得到各准则下的证据基本信任分配。最后利用证据合成法则对多个证据进行合成,得到评估结果。通过实例计算,验证了改进方法应用在航空器发动机状态评估中的有效性以及在处理不完备信息问题时的优越性。     

基于云贝叶斯网络的运输飞机超轮速风险评估

起飞超轮速严重威胁飞行安全,为了有效评估运输飞机起飞时在不确定性因素影响下的超轮速风险水平,提出一种基于云模型和贝叶斯网络的评估模型。选取抬轮速度、总重、低压转子转速、抬轮率、抬轮时机、升降舵控制量、风的分量、总温8个指标,建立超轮速风险指标体系;运用基于启发式高斯云变换算法和正向高斯云算法的云模型,实现超轮速风险等级...     

HSDB网络稳定性的研究

高速数据总线（ＨｉｇｈＳｐｅｅｄＤａｔａＢｕｓ，ＨＳＤＢ）是新一代航空电子系统的数据总路线，ＨＳＤＢ网络实际上是基于线性令牌总线的一个专用计算机局域网，在网络上负载较重且时间非苛刻的消息到达是一般过程的条件十分别讨论了网络的局域和全域稳定性，并导出了保证整个网络稳定的令牌握有定时器最小值，同时给出了如何根据应用去调整得到的理论值。     

一般高速数据总线网络的吞吐量分析

分析了一般高速数据总线网络优先权方案的特性，建立了一般ＨＳＤＢ网络多优先权的平均吞吐量模型，导出了不同优先权的平均吞吐量解析表达式，并通过软件仿真验证了由得到的解析表达式。