SOM神经网络在卫星电源系统故障诊断中的应用

研究了自组织特征映射（SOM）神经网络的结构及学习算法，提出了利用SOM神经网络对输入样本的“聚类”作用，实现对故障模式的分类，并据此对故障进行诊断的新方法，通过对某卫星电源系统故障的诊断实例，验证了该方法是有效可行的，能对卫星电源系统的故障进行准确的实时诊断。     

神经网络在未来超分辨雷达中的应用

最新的技术发展已为研制超分辨雷达创造了条件。它能够突破普通雷达基于匹配滤波原理的分辨能力,而实现超分辨。超分辨雷达的巨大计算量通常来自求解非线性最小二乘问题时的多维搜索。本文针对这一问题,研究了雷达信号处理中的两个典型例子:(1)利用阵列处理检测个数已知而方向未知的雷达目标;(2)对波音727飞机进行超分辨距离多普勒成像。说明Hop-field神经网络通过集体运算能够求解各种困难的最优化问题,因而在未来的超分辨雷达中有广阔的应用前景。     

空间目标可拦截区与可遭遇区的确定

给出了天基拦截器对空间在轨目标的可遭遇区、可拦截区和实际可遭遇区的定义,基于冲量变轨理论,并以真近点角表示这三个区域,给出了确定这三个区域的数值搜索算法。对于非机动轨道目标,训练好的BP神经网络可根据拦截器/目标的相对位置,快速给出目标轨道上的可拦截区和实际可遭遇区。     

控制系统故障诊断的模糊神经网络方法研究

控制系统的不确定故障诊断是目前尚未解决的问题。传统的神经网络方法和模糊推理方法为解决这一类故障诊断问题提出了一些算法。然而上述两种方法难以提高不确定故障诊断的性能。为此本文结合模糊理论的推理能力和神经网络学习的能力提出模糊神经网络故障检测方法。该算法同时具备模糊理论的处理不确定和不准确信息的能力和神经网络的自学习能力。本文结果应用到某运载火箭控制系统的故障诊断,仿真结果表明,本算法有效,较好地解决了控制系统不确定故障诊断问题。     

神经网络在雷达辐射源识别中的应用研究

由于现代战争中雷达信号环境日趋复杂 ,新体制和复杂体制雷达大量涌现 ,现有的雷达信号识别方法不能适应未来电子战环境 ,研究新的高效的雷达识别方法 ,已成为当前比较迫切的课题。研究了雷达辐射源识别的神经网络方法 ,分析了它的可行性及其优点 ,给出了用B -P网络来实现雷达辐射源识别的方法 ,并与ESTRR方法进行了比较。     

基于神经网络的SINS/GPS/TAN 容错组合导航系统设计

在联邦滤波器结构的基础上 ,设计了一种基于神经网络的天文惯性导航系统 /全球卫星定位系统 /战术导航系统 (SINS/GPS/TAN)容错组合导航系统。该系统首先在各子滤波器中用神经网络滤波 (NNF)代替传统的卡尔曼滤波 ,然后用模糊神经网络 (FNN)对各子系统进行故障检测 ,最后由神经元进行全局融合。通过仿真 ,验证了该方法的有效性     

基于神经网络的导弹姿态控制系统故障诊断

本文提出了一种多层前向神经网络快速误差向后传播学习算法ＦＢＰ（ＦａｓｔｅｒｒｏｒＢａｃｋＰｒｏｐａｇａｔｉｏｎＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍ），通过某导弹姿态控制系统故障诊断的仿真研究，验证了ＢＰ（误差后向传播学习算法）和ＦＢＰ用于导弹姿态控制系统故障诊断的有效性，ＦＢＰ学习算法较之ＢＰ学习算法学习速度的快速性     

深度节流补燃循环发动机系统稳定性研究

补燃循环发动机深度节流过程中,系统参数大范围变化,低工况时喷注器压降和供应系统节流元件压降较低,容易出现推进剂供应系统与热力组件耦合的不稳定问题。针对10∶1深度节流富氧补燃循环发动机,通过Nyquist稳定性分析方法,对发动机全工况范围内泵后供应系统和燃气系统耦合稳定性进行仿真研究。结果表明:富氧补燃循环发动机燃料供应路与燃气路形成的闭环系统在低工况时,稳定裕度较低,改善燃气发生器喷雾燃烧效果以缩短时滞、增加燃气停留时间、在靠近燃气发生器位置增加供应系统压降能提高系统稳定裕度。     

卫星CMAC神经网络姿态控制器设计及仿真

为提高传统卫星姿态控制系统精度,提出了一种基于小脑模型(CMAC)神经网络的比例-积分-微分(PID)的复合控制器。给出了具在线学习功能的复合控制器结构,并证明了神经网络学习收敛条件与最终控制目标的一致性。仿真结果表明,设计的控制器具有较好的自适应性和鲁棒性。与传统控制器相比,进入稳定状态的速度更快,指向精度更高。     

构件裂纹缺陷的超声识别

将小波包多分辨率分析与能量谱相结合,提出了金属材料缺陷特征提取的方法(小波包子带能量比较法)及不同缺陷的识别方法(小波分形神经网络法)。选取最能反映缺陷特征的参数——"能量特征向量"作为特征参数,进行缺陷的特征提取。缺陷的识别方法将小波包分解后各子带系数的分形维数作为特征矢量,对其进行径向基神经网络训练,从而可很明显区分出有无裂纹以及不同裂纹信号。以航天发射塔架钢连接构件疲劳裂纹超声检测信号为例,使用所提出的特征提取和模式识别方法,结果表明是行之有效的新方法,为金属材料缺陷检测与识别开拓了新思路。