应用少量短电阻应变丝布置的损伤评估智能材料结构

智能材料结构是一门新学科，它越来越引起不同学科研究者们的兴趣，本文研究采用电阻应变丝为传感元件，人工神经网络为处理辨识器的损伤评估智能材料结构，提出并实施了一种少量短电阻应变丝的传感元件布置方法，用以对结构中损伤或大应变的区域和级别进行在线评估。     

单级跨声速风扇转子叶片多目标优化设计

以单级跨声速风扇为研究对象,采用叶片参数化造型、人工神经网络构建近似函数及遗传算法寻优相结合的方法,在级环境下对转子叶片进行周向积叠的多目标三维气动优化设计。结果表明,该单级风扇在保持质量流量和总压比基本不变的前提下,优化后设计点绝热效率提高了0.88%,优化后所获得的根部反弯、顶部正弯叶片,可有效改善叶根和叶片中上部的流动损失。     

基于BP神经网络的GNSS-R海面风速反演

针对GNSS-R进行海面风速反演过程中时频域相关物理量较多，数据耦合性强等问题，提出了基于反向传播（BP）神经网络反演海面风速的方法。建立反演过程中相关观测量与风速的对应关系，选取多观测量作为输入，对输入数据进行处理，设置神经元与激励函数，使用BP神经网络自适应调整拟合参数，将风速作为神经网络输出端的特征量提取。反演结果，风速≤ 20 m/s时，反演均方根误差RMSE=1.21 m/s，风速>20 m/s时反演均方根误差RMSE=2.54 m/s，反演结果优于使用时延相关曲线前沿斜率（LES）和时延多普勒相关功率均值（DDMA）方法得到的反演结果，且迭代次数较少，复杂度较低，证明该方法可以应用于GNSS-R海面风速反演。     

BP神经网络辨识发动机模型

<正>神经网络应用于系统辨识时,与传统的基于最小二乘算法的辨识方法相比较具有以下几个鲜明的特点,这也是BP神经网络具有的特点。(1)不要求建立实际系统的辨识格式。故可省去对系统阶次确定这一步骤,神经网络本质上已作为一种辨识模     

数控机床主轴热误差测点优化及建模技术研究

为了减少热误差对数控机床加工精度的影响,首先利用热成像仪初步找出机床温升明显的位置,然后利用灰色理论对16个温度测点的试验数据进行优化处理,找出与热误差关联度较高的测点;将优选出的温度测点数据和实测的Z轴热误差数据进行划分,采用GM (1,n)灰色预测和BP神经网络建立热误差预测模型,并在试验机床上进行验证。试验结果表明:采用灰色GM (1, n)模型预测结果与实际测量平均相对误差为10.17%,采用BP神经网络预测与实测结果平均相对误差为5.19%,优于灰色GM (1,n)预测,能起到提高热误差预测精度的作用。     

基于ABC-BP神经网络的航空发动机滑油金属含量预测

为有效监测发动机滑油状态,本文建立基于ABC-BP神经网络的滑油金属含量预测模型。在参数的初始化阶段,人工蜂群的适应度为BP神经网络的误差函数,神经网络的阈值和权值选定为适应度最优的一组参数。通过实验仿真对民航实际数据进行研究,实验表明模型预测效果理想,为实现健康管理和故障预测奠定基础。     

飞行试验数据驱动的涡扇发动机模型辨识

为实现航空发动机飞行试验实时监控,分析整理了涡扇发动机实际飞行试验数据,并以三层前向人工神经网络为基础,通过引入输出层反馈至输入层,形成该涡扇发动机的NNARX模型。对包括高压转子转速在内的11个发动机关键参数变化模型进行研究,并在额外架次全程飞行试验数据上验证和讨论辨识模型的推广能力。结果表明,辨识模型样本点上最大相对误差在5%以内,辨识模型可以应用到该型发动机的试飞实时监控中,同时也可为后续建立涡扇发动机的全包线自适应实时监控模型提供参考。     

BP网络在信号检测中的应用

本文对ＢＰ网络在信号的检测和处理方面的性能进行了分析，对该网络在信号检测中的应用进行了讨论并给出了计算机仿真结果。     

用人工神经网络控制飞行迹

本文研究了使用人工神经网络（ＡＮＮ）获取期望的飞行轨迹所需要的控制输入的可行性，以便在最终控制区域的高负荷环境下向飞行员提供帮助。任何两个最初和最终状态之间的矢量被分解为三个简单的机动矢量。这些机动矢量用来在着陆过程中使飞机从某一初始位置和速度到远距标点。人工前向馈入神经网络被调试后可以接受位置和速度，可给出相应的推力，升力系数和倾斜角，作为其输出。与标定位置和速度相比，这些轨迹参数良好，最终得到     

基于混沌遗传算法优化神经网络方法的救护直升机效能评估与指标优化研究

采用遗传算法与神经网络相结合的方法研究救护直升机的效能评估,建立了评估指标与效能评估值的非线性关系,克服了传统线性评估方法的不足,结果表明GA-BP算法能够很好地评估救护直升机效能,并保持了很高的精确度;同时,采用BP-GA算法对救护直升机的指标进行了优化,结果同样表明该方法可以有效地优化救护直升机的指标.