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BP神经网络的模型参考自适应姿态控制

采用模型参考自适应控制的基本设计框架,并通过BP神经网络对PID控制参数进行自主调节,实现飞行器的自适应姿态控制。利用参考模型输出、实际对象输出等信号作为训练信号,对所构建的三层BP神经网络进行权重更新。仿真结果表明,将BP神经网络应用于飞行器的自适应姿态控制中,能够实现PID控制器参数的自主调整,表明了BP神经网络优良的逼近性能。同时,该控制方案确保了飞行器姿态控制系统的性能指标,并且提高了工程设计的智能化水平。     

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。     

人工神经网络在焊接质量控制中的应用与展望

本文介绍了九十年代以来国内外关于人工神经网络控制技术在焊接质量的监测、监控和无损检测中的研究应用，并对这项技术在焊接质量控制中应用的发展趋势进行了分析和展望。     

基于多方法联合的故障诊断技术研究

针对基于故障树（ FTA）的故障诊断方法存在的空间爆炸问题和基于神经网络的故障诊断方法存在的训练样本整理困难问题,将故障树和BAM神经网络融合的方法应用于航电系统故障诊断,利用FTA得到系统的故障模式,进而分析归纳出BAM的训练样本,通过联想记忆矩阵并行联想,得到诊断结果,扩展综合故障诊断能力。对航电系统进行故障诊断仿真分析,验证了方法的有效性。并联合基于BP神经网络故障诊断方法,将二者优点结合进行联合故障诊断,验证了联合故障诊断方法的可行性。     

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。     

基于模糊逻辑系统的空空导弹攻击区拟合

将空空导弹攻击区的拟合表示成一非线性逼近问题 ,从而利用模糊逻辑系统的万能逼近性质 ,并结合误差反向传播学习算法 (BP算法 )实现了对导弹攻击区的自动学习。在此基础上 ,提出了利用扩展的 T- S推理进行攻击区分组逼近与综合的方法。仿真结果表明该方法具有精度高、参数少、通用性强等优点。     

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