人工神经网络在数模混合电路故障诊断中的应用

以某导弹测试设备功能模块电路的故障诊断为例,研究了神经网络方法在数模混合电路故障诊断中的应用,着重研究了基于仿真的故障模式获取方法及基于Matlab的网络训练方法。经过验证,该方法能够快速、准确地定位故障。     

基于BP神经网络和飞行参数的航段风险评价

飞行运行风险的定量评估对于民航安全保障具有重要意义。设计并实现了一种基于BP神经网络算法的航段风险评价系统。该系统将大量飞行情景参数直接作为飞行风险评估的基础,通过飞行能力评价体系获得飞行运行风险度经验数据,并使用神经网络实现了任意飞行情景的风险度拟合运算。经过真实航班飞行数据的测试和飞行品质监控系统的验证表明,该系统可为进近着陆阶段任意时刻的飞行运行风险评估提供可靠的结果。     

五孔探针的神经网络处理方法

对于五孔探针的数据处理方法就行了详细的研究,发展了一种人工神经网络的数据处理方法,并将其与三维线性插值法进行了全面的对比,证明了所发展的神经网络法的精度更高,可靠性更好,而且经过简单改动就可以应用在其他多孔探针上.      

模糊神经网络的侧滑角校正

叙述了一种利用模糊神经网络模型来校正侧滑角的方法。侧滑角的校正基于以下七个输入变量：动静压之比、动压、迎角、滚转速率、偏航速率、飞机重心处侧向过载、基准侧滑角。在模糊神经网络模型的结构辨识中，采用了前向搜寻算法。样本数据的一部分用于训练模糊神经网络，另一部分用于测试和评价所得模型的性能；参数辨识中，采用了反向传播学习算法（即BP算法）。某型飞机的六自由度仿真软件仿真验证表明，用这种方法校正后的侧滑角具有较高的精确度。     

飞机机械故障诊断专家系统方法初探

分析了人工神经网络与基于知识的专家系统在诊断系统建立上的不同点,给出了飞机机械故障诊断专家系统的故障树模式,建立了一种适合故障诊断的基于BP神经网络的专家系统框架.     

硝酸酯增塑聚醚推进剂中PB类助剂的作用机理

为了解PB类功能助剂的作用机理，进行了接触角测试，XPS，SEM和MDA试验，结果认为：通过降低功能助剂自身极性，使之与HMX的表面性能相匹配，改善了HMX在粘合剂中的润湿性，从而改善药浆工艺性能，同时，保持对HMX有强的亲合力，吸附在HMX表面形成界面层，使推进剂保持良好的力学性能，最后提出了PB类助剂的作用机理。     

尖锥前体飞行器FADS系统的人工神经网络建模及风洞试验研究

针对一种用于尖锥前体飞行器的嵌入式大气数据传感（Flush Air Data Sensing,FADS）系统的解算模型及精度进行研究。针对尖锥外形特征,首先基于钝头体FADS系统的理论模型确定其测压孔配置;然后对确定的测压孔进行典型状态的风洞试验测试,并比对了数值计算数据与风洞试验数据;最后基于人工神经网络建模技术构建了FADS系统的网络解算模型及算法。结果表明:针对尖锥外形测压孔配置特征,基于人工神经网络建模技术的算法解算精度较好,迎角、侧滑角、静压、马赫数的网络输出值与试验值吻合较好,输出的测试误差（绝对值）分别小于0.1°、0.1°、50.0 Pa及0.01;同时也证实了人工神经网络算法在FADS系统中有进一步发展的空间。     

基于无迹卡尔曼滤波的柔性自由翻滚目标姿态估计

在进行在轨维修以及清除等任务时,需要确定航天器的姿态四元数和角速度.失效卫星常处于自由翻滚状态,通常带有柔性帆板,其运动规律相较于刚性帆板更为复杂.一方面,空间失效卫星的姿态确定常使用激光雷达、双目相机作为测量装备,其测量精度常受到光照、磁场等的影响,会对识别精度产生较大干扰.另一方面,柔性航天器的质量特性容易发生变化...     

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。      

基于小波神经网络的航空发动机建模研究

提出将多个多输入单输出小波神经网络(WNN)组合构造多输入多输出(MIMO)的WNN来逼近MIMO非线性动态系统的快速而简单的实现方法，并采用高效率的初始化方法缩短了训练时间。采用某型航空发动机在飞行包线内均匀分布的工作点参数来训练，建立了全包线适用的动态小波神经网络航空发动机模型，用交叉验证的方法检验表明在全包线内有较高的精度及泛化能力。与反传算法神经网络(BPNN)、径向基函数神经网络(RBFNN)建立的动态模型在精度及泛化能力等方面做比较，结果表明WNN建立的模型训练精度高而且泛化能力强。