决策支持系统中基于神经网络的非线性预测方法

本文说明了在决策支持系统中引入人人工神经网络模型进行预测的原因，并介绍了在DSS中用于非线性预测所采用的神经网络模型，以及基于这种网络模型进行非线性预测的基本原理和具体的学习算法。     

基于多处理机系统在超立方体上并行仿真BP神经网

摘 要 本文介绍了人工神经网络的基本实现途径，并对 Intel iPSC860／P超级计算机系统作了简介，给出了在超立方体上实现BP算法并进行并行仿真所得到的结论     

前馈神经网络的一种高精度快速训练法——混合遗传算法

针对前馈型人工神经网络（ＦＡＮＮ）的训练问题，提出了一种把遗传算法与共轭梯度算法相结合的混合遗传算法。遗传算法主要用于初始权值的优化，而共轭梯度算法则是一步实行高精度训练。使用混合算法的目的有三：１）绕过局部极小值；２）加快前馈神经网络的训练速度；３）提高训练精度。通过混合遗传算法与改进ＢＰ算法的对的对比显示，用混合遗传算法要比改进的ＢＰ算法快数十倍，且不易遇到局部极小点。文章首先阐述了ＦＡＮＮ的     

基于遗传算法优化BP神经网络的半球谐振陀螺温度补偿

针对半球谐振陀螺输出零偏易受温度影响而产生漂移的问题,提出了采用遗传算法优化BP神经网络的补偿方法.通过建立环境温度到谐振子温度的传递模型,得到谐振子温度随时间变化的关系,进而得到陀螺输出零偏随谐振子温度变化的漂移关系,通过该算法对漂移数据进行补偿,得到了较好的拟合结果.基于温度补偿算法的实验结果表明:在0℃～60℃的...     

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.     

基于任意空间属性FFD技术的融合式翼稍小翼稳健型气动优化设计

 以非均匀有理B样条基函数为空间控制体属性,建立了任意空间形状自由变形(FFD)技术参数化方法。所建立的气动外形参数化系统通过FFD控制体的分布以及控制顶点的合理选取,能够对任意复杂外形进行参数化设计。首先采用FFD控制体对某型客机翼稍小翼进行空间属性构建;然后结合基于Delaunay图映射技术建立了结构对接网格变形模式,采用分群粒子群算法以及误差反向传播训练算法(BP)神经网络进行稳健型气动优化系统的构建;最后对某型客机融合式翼稍小翼的后掠角、倾斜角和高度等参数进行稳健型气动优化设计,分析对比了优化前后翼梢小翼表面压力云图、截面压力分布及载荷分布。优化设计结果表明:设计后的翼稍小翼的升阻比与阻力发散特性明显提高。     

涡扇发动机进气畸变容限控制研究

对某型涡扇发动机风扇,建立进气畸变下的准一维气动稳定性分析模型。利用该模型的计算结果,训练一个基于BP神经网络的畸变估算模型,并嵌入到0维发动机实时仿真程序,以实现进气畸变容限控制。结果表明:在无畸变或小畸变情况下,通过收缩喷口来提高风扇工作点挖掘发动机潜力的作用有限;放开喷口临界面积能有效容忍高畸变指数进气;主燃油与主控制器强烈耦合,使得其难以稳定控制风扇裕度。     

基于网络流仿真的潜通路分析方法

针对线索表法在分析潜通路问题过程中约束条件过多的问题,在人工神经网络分析法的基础上应用网络流仿真进行潜通路分析.根据电路元件的电气特性以及人工神经网络的特点,建立了元件的定性仿真模型,确定电路网络的构成方式.通过网络流仿真模拟电流在电路系统中的扩散过程,预测电路中负载的响应.通过对比电路网络中负载的设计响应以及通过分析预测得到的负载响应,就可以判断出电路网络是否存在潜通路问题,并且找到发生潜通路问题的原因.该方法可以正确预测电路网络中的负载响应,克服了线索表法的缺陷,减少对分析已知条件的要求以及人为因素对分析结果的影响.     

某于功率反馈的涡轴发动机神经网络PID控制研究

通过对功率平衡关系进行分析,提出了利用功率反馈设计智能神经网络PIO控制器的方法。基于BP(Back Propagation)神经网络,将功率信号作为神经网络的输入层信号,并改进了网络权值的学习规则。通过在线整定PID参数,控制器能够根据功率误差信号的变化实时调整控制参数,从而使系统自主寻找到功率平衡点,具有良好的稳态和动态响应特性。仿真结果表明：该方法可以使涡轴发动机在全包线范围内具有理想的控制性能。     

基于改进人工神经网络的航天器电信号分类方法

根据航天器系统级电性能测试工作中数据量大、任务繁重的特点,设计了基于人工神经网络的智能分类系统,对原始测试数据进行智能化分类,将非线性的调试经验以数据的形式储备,可在减少测试工作中对人为经验依赖的同时为航天器信号识别快速提供专家知识。考虑到经典的人工神经网络系统有训练时间长和对网络初始权值的依赖程度高等不足,利用主成分分析对数据进行压缩和自动编码技术对网络权值进行初始化。实验数据测试表明:与传统方法相比,本文提出的改进学习系统的分类准确率、稳定性和响应速度均得到显著提高。