基于神经网络的故障率预测方法

 为了更好地预测产品故障率,提出了基于神经网络的故障率预测方法,分别给出了基于反向传播(BP)网络和径向基函数(RBF)网络进行故障率预测的基本思想、预测模型和实施步骤。分别对比分析了神经网络法与回归分析法、分解分析法、移动平均法、指数平滑法、自适应过滤法、自回归移动平均混合(ARMA)模型等统计预测方法的区别,对照故障率的特点,说明了神经网络法是其中最适用于故障率预测的统计方法。最后分别按这两种模型对某航空公司波音飞机故障率进行了预测,预测结果表明：这两种模型均适用于故障率预测,预测值与真实值的误差在20%之内,且RBF网络的预测效果略优于BP网络,此外通过与上述统计预测法的误差进行对比,说明神经网络法预测误差最小。     

利用模态编码进行结构损伤位置识别的自联想储存器神经网络方法

 提出了一种基于自联想储存器神经网络的结构损伤识别方法,该网络的训练数据为经编码后的结构模态向量。和传统BP网络相比,这种方法收敛性能较好且不易陷入局部极小值。另外,为判断识别结果的正确性,提出了一种基于向量间距离的可靠性分析方法。最后,以一个悬臂梁为算例验证了该方法的有效性和可行性。     

事故推演建模技术研究

 在总结现有事故模型、复杂系统特性分析的基础上,提出基于系统学的事故模型——事故推演模型,该模型强调从分析系统各组成部分的耦合关系及系统涌现特性的角度揭示事故是如何发生的。针对目前尚缺乏成熟的方法来支持基于系统学的事故分析的现状,建立了与事故模型匹配的事故推演建模方法,层次化面向对象的Petri网（HOOPN）,给出HOOPN的形式化描述,分析了HOOPN对事故推演建模的支持能力,介绍了基于HOOPN的事故推演建模程序。最后利用HOOPN建立民用航空器盘旋进近过程的事故推演模型,并对模型进行定性分析,验证该方法的适用性。     

一种智能的惯导陀螺漂移误差消除算法

给出了一套智能的消除惯导陀螺漂移误差算法,即改进的BP(Back Propagation)神经网络模态识别算法。可根据即时的飞行区域、气压计和雷达高度表测量的地形高程数据等,在机载数字地图上实时地进行在线模态识别,找出最合适的匹配区,并对惯性导航系统指示的位置信息进行修正。该算法具有识别精度高、识别速度快和识别准确率高等特点,可用于各类有人驾驶飞行器和无人自主控制的飞行器的惯导误差修正。     

一种低迟滞低磨损的指尖密封型线构形的研究

针对迄今指尖密封多目标性能优化研究中存在的难以实现迟滞性能和磨损性能同步改善的问题,通过引入Stackelberg对策理论,并将指尖密封型线构形作为优化"元素",构建了指尖密封迟滞性能和磨损性能优化的Stackelberg模型.在正向Stackelberg主从对策机制下,采用基于有限元仿真和BP神经网络的遗传算法在Stackelberg系统主从层面上实现了指尖密封性能的可控优化,获得了具有低迟滞低磨损性能的"上凹"构形指尖密封型线.有限元仿真分析合理地解释了"上凹"型线指尖密封具有较好性能的原因,表明"上凹"型线指尖密封具有良好的应用前景.      

基于ICA和BP神经网络相结合的掌纹识别

提出了一种基于独立成分分析(ICA,Independent Comment Analysis)和多层前馈(BP,Back Propagation)神经网络相结合的方法对掌纹进行识别.首先采用一种新的方法检测角点,得到掌纹图像的不变特征点,根据这些点校正掌纹方向并得到掌纹的感兴趣区域.对该区域采用定点快速ICA算法(FastICA),得到掌纹特征子空间,然后构建BP神经网络,并采用训练样本得到的掌纹特征进行训练,得到合适的权值.对香港理工大学掌纹数据库进行测试,与主成分分析(PCA,Principal Components Analysis)提取特征的方法进行比较,取得了较高的识别率.      

采用多层感知器的润扬桥损伤分析与定位

将针对一座大跨斜拉桥的拉索损伤采用多层感知器（MLP）进行损伤定位研究。首先在动力计算基础上定义了损伤模式,通过分析损伤模式发现：由各个损伤位置引起的损伤模式具有本质的不同特征,而损伤程度只是对损伤模式曲线的线性放大;第4,6,7阶频率对拉索损伤不敏感,因而将这3阶从损伤模式中剔除。然后采用trail-error方法设计了一个MLP网络来描述损伤模式的7维映射空间。辨识结果证明：设计合理的MLP可以有效地描述结构的损伤模式,并能正确地进行损伤定位。     

一类二元时滞细胞神经网络模型的周期解的存在性

利用时滞差分方程的有关理论及周期解的概念,讨论一类二元离散时滞细胞神经网络模型的周期解的存在性,为大规模网络的研究提供借鉴方法。     

基于BP神经网络的多应力加速寿命试验预测方法

 针对多应力加速寿命试验(ALT)中传统的寿命预测方法存在建立加速模型及求解多元似然方程组困难的缺点,基于反向传播(BP)人工神经网络(ANN),利用BP神经网络良好的预测特性,建立了多应力恒定加速寿命试验寿命预测模型。首先,以加速寿命试验中的加速应力水平和通过经验分布得到的可靠度作为网络训练输入向量;以非线性最小二乘法对原始失效数据进行拟合并得到回归方程,利用回归方程生成大量的仿真数据作为训练目标向量;然后,建立3层BP神经网络并对网络进行训练。最后,把正常应力水平和设定的可靠度输入训练好的网络,得到预测的失效时间,进而给出可靠度函数的预测曲线。通过仿真算例对本方法进行验证,预测值和仿真值相比较表明,所建立的网络能反映应力水平、可靠度与寿命的关系,为多应力加速寿命试验的寿命预测提供了新的思路。     

改进的综合CFD与畸变合成法预测动态畸变(英文)

对综合CFD与畸变合成方法进行了改进。通过CFD求解,获得AIP上各稳态气动参数。采用BP人工神经网络直接求解高度非线性的湍流相关方程,该方程将CFD求解的稳态气动参数与试验测得湍流度进行关联。经过训练的网络可根据稳态CFD结果预测湍流度。之后根据CFD计算的稳态总压和神经网络预测的湍流度合成动态压力。最后根据合成的动态压力寻找最大瞬时畸变。文中使用了六个工况的飞行数据验证该方法的准确度并且与原方法的计算结果进行了比较。结果表明该方法预测的畸变值与试验畸变值吻合较好,且预测结果较原方法与试验值更接近,该方法能够在试验前用来预测动态畸变,具有很强的工程价值。