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。     

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     

基于改进BP网络的手写体汉字识别技术

研究了手写体汉字识别技术，采用改进BP算法进行网络训练，提高了算法的收敛速度。同时，利用神经网络完成了汉字识别系统的实现。实验表明系统较好地回避了汉字结构复杂、变形难以预测等问题，提高了识别效率。     

强噪声环境下声波信号时延估计方法的比较

声波信号时延的准确估计是实现强噪声环境下声学法高精度测温的关键。介绍了声学测温中基于互相关函数、人工神经网络和小波变换等几种典型的信号时延估计方法．对这3种时延估计方法的实现原理分别进行了论述，分析比较了它们的优缺点，相比于其他两种方法，小波变换技术更适合于强噪声环境下的声波信号的时延估计。     

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.     

训练神经网络的一种新算法

本文改进和发展了作者曾提出的一种启发式随机搜索算法,并将其应用于单隐层XOR前馈神经网络的学习。模拟实验的结果是十分令人满意的。     

BP网络局部极小值的修正算法

在人工神经网络中,反向传播法占据了非常重要的地位。近几十年许多研究人员对其做了深入的研究,提出了很多改进的方法,主要目标是为了加快训练速度,避免陷入局部极小值和改善其他能力。本文主要讨论在MATLAB下使用附加动量法使网络避免陷入局部极小值问题。     

基于多处理机系统在超立方体上并行仿真BP神经网

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     

人工神经网络在材料性能预测中的应用

泡沫金属试样测试复杂,对试样而言又急需知道基体结构参数与力学性能和阻尼性能的关系,采用线性回归技术无法实现这一功能,应用人工神经网络,则解决了通过测量泡沫金属的四个基本参数达到推知其力学性能、阻尼性能的课题.