基于自联想网络的发动机传感器解析余度技术

本文提出了一种基于自联想神经网络的传感器解析余度技术。在这种网络中,冗余传感器的信息被压缩、重组进入网络的第一部分,网络的第二部分将压缩信息恢复出来。基于数据融合原理,若一个传感器发生故障,其它传感器仍可提供足够的信息代替发生故障的传感器。理论分析和用于涡轴发动机的仿真结果表明,这种特殊结构的自联想网络具有良好的过滤噪声和故障信号的作用,特别适合于用作不易建模的复杂对象的传感器信号重构     

基于故障树和神经网络模型的航天器智能诊断研究

提出基于故障树和神经网络模型的诊断方法,提出面向故障树的基于框架和广义规则的知识表示方法及相应的确定性和可能性推理策略,对于可能性推理的结果,通过基于神经网络模型的学习诊断来进一步确定其状态。在Ｗｉｎｄｏｗｓ环境下,用Ｂｏｒｌａｎｄ Ｃ＋＋实现了一个原型系统。通过对“实践４号”卫星能源系统故障模拟实验台的诊断验证了系统的有效性。     

自适应变结构神经网络在航空发动机故障诊断上的应用

根据样本空间的内积特性,提出一种无需迭代学习的自适应变结构神经网络。它的特点是学习速度快,准确性高,且能根据出现的新样本,随时改变结构。在对某型航空发动机故障诊断中,比原软件包采用的方法在准确性方面有显着提高,而且维护工作量减少,并具有实时处理能力,因此有着良好的推广应用前景。      

线性时不变系统的完全跟踪控制器

从线性时不变系统的状态空间模型出发,借助于广义逆矩阵概念和相容线性方程组的最小范数解,从理论上推导了线性时不变系统的完全跟踪控制器方案。     

全分布式通用火控系统供电控制技术

首先提出了一种全分布式通用火控系统的结构,然后以供电控制装置为对象进行了供电控制技术的研究,阐述了其功能、组成、实现方法和工作流程,最后分析了该装置的可靠性。     

UC3843控制多路输出开关电源设计与实现

介绍了采用UC3843控制器的单端反激式开关电源的设计与实现,讲述了UC3843控制器内部电路及其特点,通过具体的多路输出开关电源设计实例分析了设计的主要步骤以及实际设计中应注意的问题,并提出了抑制噪声的措施,最后给出了该电源的性能测试数据。     

空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

多电飞机主发电机供电条件模拟装置设计

多电飞机主发电机要接入电网向电网供电,须要满足很多条件。首先要使准备接通的发电机励磁,然后当发电机转速正常,发电机电压达到要求后,并在外电源已经断开的条件下,接通发电机接触器,使发电机向电网供电。设计基于C8051单片机及外围电路的装置,对多电飞机主发电机接入电网的控制条件进行模拟,并将结果显示在装置的LCD(Liquid Crystal Display,简称LCD)显示屏上。该装置的设计包括硬件电路设计和软件程序编写。最后对装置进行调试与验证,实验结果能够达到设计初衷。     

基于模型补偿的风力机变桨距线性自抗扰控制器设计

设计了一种变桨距线性自抗扰控制器,估计和补偿了系统未建模部分和外界干扰,实现额定风速以上时系统输出功率稳定于额定值;并采用模型补偿方法对自抗扰控制器进行优化,减少了参数整定的数目,提高了系统控制精度。对额定功率为300 kW的风电机组分别在阶跃风、阵风以及湍流风作用下进行系统仿真。结果表明,该方法可以快速调节风速变化引起的输出波动,使得系统输出稳定且超调量小,具有很好的稳定性和鲁棒性。     

Instantaneous rainfall estimation using neural network from multispectral observations of SEVIRI radiometer and its application in estimation of daily and monthly rainfall

In the present paper, an artificial neural network (ANN) based technique has been developed to estimate instantaneous rainfall by using brightness temperature from the IR sensors of SEVIRI radiometer, onboard Meteosat Second Generation (MSG) satellite. The study is carried out over north of Algeria. For estimation of rainfall, weight matrices of two ANNs namely MLP1 and MLP2 are developed. MLP1 is to identify raining or non-raining pixels. When rainy pixels are identified, then for those pixels, instantaneous rainfall is estimated by using MLP2. For identification of raining and non raining pixels, 7 input parameters from the IR sensors are utilized. Corresponding data of raining/non-raining pixels are taken from radar. For instantaneous rainfall estimation, 14 input parameters are utilized, where 7 parameters are information about raining pixels and 7 parameters are related with cloud features. The results obtained show the neural network performs reasonably well.