一种星-箭连接动态界面力的深度学习反演方法

针对于星-箭连接动态界面力无法通过力传感器直接测量,且典型时域动载反演方法难以准确计算界面力的时域变化等难点,提出了基于长短时记忆(LSTM)神经网络的星-箭界面力深度学习反演方法。首先通过卫星地面测试试验得到数据依据,以卫星主体结构的加速度测量数据为输入层,以星-箭界面力测量数据为输出层,利用LSTM神经网络建立输入和输出间的反演映射关系模型,实现卫星在发射过程中较高精度的界面力反演。进而,设计并开展了某典型卫星结构的正弦扫频和随机振动实验,测试LSTM界面力反演方法的可行性。结果分析可知,所提出的基于LSTM深度学习反演方法能够精确地获得动态界面力时程数据,两项性能指标均优于目前典型的载荷反演方法。     

数字孪生技术综述分析与发展展望

随着数字化与仿真技术的发展,数字孪生技术已成为各行业的新兴研究热点,面对航天高质量、高效率和高效益的发展要求,有必要深入研究数字孪生技术的内涵及其关键技术,以便更好地研究探讨航天领域相关数字化仿真技术未来的发展方向。对数字孪生概念、数字孪生关键技术及研究现状进行了系统总结和分析,提出了航天领域数字孪生技术研究及应用领域发展展望。     

基于卷积神经网络的冗余机械臂运动学逆解求解

针对7自由度冗余机械臂运动学逆解求解时间过长以及通用性差等问题,通过对LeNet模型进行改进,对卷积核、激活函数、损失函数、优化算法、模型结构与初始参数等进行设计与选择,建立了卷积神经网络模型来进行求解.对卷积神经网络模型进行轨迹跟踪实验验证,结果表明:所得到的机械臂关节角度平滑,轨迹跟踪最大误差小于3 mm;所建立的...     

航空活塞式发动机空燃比实时控制算法

采用比例-积分-微分神经网络(PIDNN)的控制算法,集合了传统PID控制及神经网络各自的优点,控制发动机在不同工况下的空燃比,实现发动机在不同工况间切换时,能够快速地控制空燃比至目标值.在AMESim软件中建立发动机模型,在MATLAB软件中建立PIDNN控制算法,进行模型在环仿真,仿真结果表明:在不同海拔高度下,PIDNN控制算法都能够准确地把空燃比控制在目标值,当发动机在不同工况间切换时,PIDNN能够在0.5s内把发动机空燃比控制至目标值,并且保证过量空气系数超调量在0.2之内,改善了发动机的动力性、经济性,提高了发动机的响应能力.     

BP神经网络理论在模型修正的应用

神经网络由于其本身具有的优越性，已广泛应用于各个领域中的分类、联想问题。将神经网络理论用于对利用有限元分析方法得到的系统模型进行修正，从计算结果看，该方法收敛速度快且收敛到全局最优解。     

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。     

基于Hamming神经网络聚类分析的进化策略

本文提出了一种基于Ｈａｍｍｉｎｇ神经网络聚类分析的进化策略，模糊自适应Ｈａｍｍｉｎｇ神经网络各类族的权重矢量纪录被进化搜索过的区域，并相应妄下该区域内最优个体和它的适应度，因此通过Ｈａｍｍｉｎｇ神经网络对进化个体的聚类分析，进化策略具有搜索记忆性，可以充分保证下一代遗传群体中个体遗传基因的丰富性，从而避免早熟现象的发生，这种进化策略还可以避免在被搜索过的区域内的无用搜索，进而加快进化策略的收敛速度     

控制和预测焊接质量的计算机可视系统

介绍了控制和预测熔焊质量的计算机可视系统的结构和技术特性。该系统能在航空、航天、原子能等部门的重要焊接结构的质量保证方面发挥明显作用。     

基于CMAC神经网络导弹的气动参数辨识

本文利用ＣＭＡＣ神经网络辨识了几个重要的空气动力参数，证明了估计误差，权误差有界，仿真结果显示了本文算法的有效性。     

风场中基于神经网络的炸弹弹道落点拟合分析

介绍了两种炸弹弹道落点拟合神经网络模型,对各模型的优缺点以及处理结果进行了分析。提出了采用广义回归神经网络来处理炸弹弹道落点拟合问题,弹道的落点参数、初始投放条件与风场可通过神经网络的阈值和权值来表现。仿真结果表明,应用广义回归神经网络进行弹道落点拟合,具有算法可行性好、拟合精度高、速度快等优点,而且运算简单;该方法在实战中有很高的参考价值和工程实用价值。