广义回归神经网络在光纤陀螺零偏补偿中的应用

因测量精度高、制造工艺简单,光纤陀螺在惯性导航系统中获得了广泛应用,但是温度的变化会使光纤陀螺产生测量误差.针对光纤陀螺的零偏容易受到环境温度影响的问题,提出了使用改进的广义回归神经网络建立光纤陀螺变温零偏补偿模型的方法,有效改善了光纤陀螺的变温零偏稳定性.该模型采用果蝇算法寻找广义回归神经网络的最优光滑因子,提高了模型的拟合精度及计算效率.在相同条件下,对比分析了应用传统广义回归神经网络和改进广义回归神经网络对光纤陀螺变温零偏进行补偿的效果.结果表明,改进的广义回归神经网络模型补偿精度较传统广义回归神经网络模型提升了27％.     

基于正交试验的超声波喷丸成形工艺参数分析及弧高值预测

针对带筋板的超声波喷丸成形,采用正交试验法研究了撞针速度、撞针直径、成形轨迹间距、喷丸区域宽度对带筋板超声波喷丸成形弧高值的影响,得出最佳参数组合方案,并以此作为样本数据,建立多元回归分析数学模型。通过实验验证模型的准确性,试验数据和回归分析数据相符较好,可以用回归分析的数学模型来预测喷丸弧高值,提高工艺设计效率。     

近地卫星严格回归轨道保持控制

研究了近地卫星基于严格回归参考轨道的轨道保持控制方法：将卫星编队理论引入单星绝对轨道保持控制,提出了"虚拟卫星编队"的概念,分析了卫星轨道相对于参考空间轨迹在轨道摄动情况下的偏离状态及变化趋势,然后根据卫星编队相对运动学,推导出了偏离状态与虚拟卫星编队构形参数之间的对应关系,并设计了以轨道参数超调、偏置及阈值触发为特征的管道保持控制策略。数值仿真结果表明,使用该控制策略能够将卫星轨道保持在以空间参考轨迹为中心的轨道管道内,并且有效减少了因周期性轨道摄动波动造成的管道保持控制量和控制频次。研究成果对于有空间轨迹回归要求的卫星轨道保持控制具有指导意义。     

双重稀疏保持投影(英文)

稀疏保持投影(Sparsity preserving projection,SPP)是一种新型的基于图的降维方法,近年来被成功应用于人脸识别。SPP基于数据的稀疏重建关系建图,从而包含自然的判别信息。然而,经SPP变换后,新的特征是所有原始特征的线性组合,因此很难解释其降维结果。为此,提出了一种新的降维方法——双重稀疏保持投影(Dual-sparsity preserving projection,DSPP),通过进一步对SPP的投影方向施加稀疏约束,希望获得投影方向的稀疏解。具体地,该方法把SPP中投影函数的计算转化为一个回归类优化问题,然后借助L1正则化回归技术获得稀疏投影向量。在人脸数据上的实验结果表明了该算法的有效性。     

基于神经网络与果蝇优化算法的涡轮叶片低循环疲劳寿命健壮性设计

在对涡轮叶片低循环疲劳寿命概率分析的基础上,将广义回归型神经网络(generalized regression neural network,GRNN)与果蝇优化算法(fruit fly optimization algorithm,FFOA)结合,利用果蝇优化算法的多点全局的快速搜索能力来优化影响疲劳寿命的随机变量,进行涡轮叶片低循环疲劳寿命健壮性优化设计.优化结果表明:疲劳寿命的概率区间减小17.9%,对随机变量的敏感度降低,从而可以更精确地对疲劳寿命进行估计.计算结果验证了该方法在工程应用中的可行性.      

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。     

Al-Cu-Mg-Ag合金强度性能的支持向量回归预测

为了研究不同时效工艺下Al-Cu-Mg-Ag合金强度性能,根据实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了SVR预测模型.模型以Al-Cu-Mg-Ag合金时效温度与时效时间为输入,合金的抗拉强度、屈服强度为输出.经过与BP神经网络模型进行比较,结果表明:对于相同的训练样本和检验样本,支持向量回归模型比BP神经网络模型具有更高的预测精度.     

基于全信息的正态分布型数据的线性回归分析

针对正态的分布型符号数据,提出一种新的线性回归分析方法.以体现正态的分布型数据的全部原始信息为出发点,给出正态的分布型变量的一阶矩、二阶原点矩、二阶混合原点矩的定义和计算原则.在此基础上,定义针对正态的分布型数据的线性回归模型以及残差信息的平方和,推导最小二乘回归系数.仿真实验证明了该方法所得回归模型在解释能力和预测能力上的有效性以及相对于"中心法"的优越性.给出的正态分布型变量数字特征的定义和计算原则为将其他经典的多元统计方法推广到分布型数据奠定了基础.     

基于直升机/涡轴发动机综合仿真平台的发动机非线性模型预测控制

 基于具有可靠置信度的直升机/涡轴发动机综合仿真平台,研究了涡轴发动机带约束优化的非线性模型预测控制(NMPC)技术。首先通过设计多输出迭代约简最小二乘支持向量回归机(RRLSSVR),训练具有较好实时性、精度及泛化能力的内嵌式预测模型,在高度0~5 km、前飞速度0~75 m/s范围内模型精度达5‰。其次,考虑了扭矩、燃油流量、动力涡轮转速、燃气涡轮转速等综合信息及相关约束对控制效果的影响,利用在线序列二次规划(SQP)算法实现滚动优化控制,而后加入目标转速偏差的积分项以消除静差,保证输出恒定。最后,通过对直升机进行机动飞行大扰动仿真验证了该预测控制器对扰动的抑制能力,相比传统串级PID控制,能够显著降低动力涡轮转速下垂/超调量,达到更好的控制品质。     

基于数据模型的某型民用飞机货舱区域腐蚀影响因素研究

 为研究舱内环境因素对民用飞机货舱区域腐蚀的影响,采集了停场飞机的货舱内外环境指标的数据,建立线性模型,给出了飞机货舱内外环境指标的数量关系。收集了国内几家航空公司某型民用飞机长期的结构腐蚀维修数据,计算了飞机货舱区域腐蚀频率与环境因素的灰色关联度,选取影响腐蚀的主要环境因素,提取主成分消除环境因素之间的多重共线性,建立腐蚀频率的多因素回归模型,研究了各类环境因素对飞机货舱区域腐蚀的影响规律与特点。分析结果表明:高温高湿天数与降水指标对该型飞机货舱区域腐蚀有显著的促进作用,并且不同航空公司的货舱区域腐蚀频率有显著差异,表明运营、结构检查和维护等人为因素对货舱区域腐蚀有显著影响。分析结果符合民用飞机货舱腐蚀控制的工程经验,表明研究方法是合理的。