数控系统故障的ANN与专家诊断系统的研究及应用

 分析了ＣＮＣ系统的故障特点,针对ＦＡＮＵＣ７数控系统,建立并比较了适用于ＣＮＣ故障的ＢＰ和ＢＡＭ两种ＡＮＮ诊断模型,探讨了模糊神经网络在ＣＮＣ故障诊断中的应用,给出了模糊ＡＮＮ识别ＭＡＣＳ５００数控机床伺服系统故障的数据和结果;介绍了所开发的ＣＮＣ系统故障诊断专家系统ＣＮＣ－ＤＥＳ的总体结构、知识表达与推理等,列举了该系统应用于ＣＮＣ故障诊断的情况和结论。     

模拟成形性的计算机预测

运用人工神经网络,对板料基本成形性(单向拉伸、平面应变等基本试验的参数)与模拟成形性(拉深、杯突、扩孔、福井等模拟试验指标)二者的相关性进行了研究.在大量试验数据和反向传播算法的基础上,建立了描述相关性的B-P网络模型.通过该模型,对已知基本成形性参数的板料的模拟成形性指标进行了计算机预测,预测结果与试验结果比较接近.本文的研究方法和结果表明,人工神经网络是研究板料的模拟成形性的一条有效途径.     

智能制造系统质量控制的神经网络方法研究

研究了利用人工神经网络预测质量参数的方法,提出了用有监督线性特征映射网络构造自校正神经网络的方法及网络参数的选择,并提供了在磨削尺寸预测中的应用,研究表明该方法具有广泛的应用前景。     

Distributed coordinated control scheme of UAV swarm based on heterogeneous roles

This paper proposes a new distributed coordinated control scheme based on heterogeneous roles for Unmanned Aerial Vehicle(UAV) swarm to achieve formation control. First, the framework of the distributed coordinated control scheme is designed on the basis of Distributed Model Predictive Control(DMPC). Then, the effect of heterogeneous roles including leader, coordinator and follower is discussed, and the role-based cost functions are developed to improve the performance of coordinated control for...     

Imaginary filtered hindsight experience replay for UAV tracking dynamic targets in large-scale unknown environments

As an advanced combat weapon, Unmanned Aerial Vehicles (UAVs) have been widely used in military wars. In this paper, we formulated the Autonomous Navigation Control (ANC) problem of UAVs as a Markov Decision Process (MDP) and proposed a novel Deep Reinforcement Learning (DRL) method to allow UAVs to perform dynamic target tracking tasks in large-scale unknown environments. To solve the problem of limited training experience, the proposed Imaginary Filtered Hindsight Experience Replay (IFHER) generates successful episodes by reasonably imagining the target trajectory in the failed episode to augment the experiences. The well-designed goal, episode, and quality filtering strategies ensure that only high-quality augmented experiences can be stored, while the sampling filtering strategy of IFHER ensures that these stored augmented experiences can be fully learned according to their high priorities. By training in a complex environment constructed based on the parameters of a real UAV, the proposed IFHER algorithm improves the convergence speed by 28.99% and the convergence result by 11.57% compared to the state-of-the-art Twin Delayed Deep Deterministic Policy Gradient (TD3) algorithm. The testing experiments carried out in environments with different complexities demonstrate the strong robustness and generalization ability of the IFHER agent. Moreover, the flight trajectory of the IFHER agent shows the superiority of the learned policy and the practical application value of the algorithm.     

基于人工智能技术的雷达目标检测

强杂波背景下的目标检测是各国争相研究的热点，传统的雷达目标检测技术无法实现，人工智能技术的出现，其在目标识别和特征提取方面的独特优势，使得强杂波背景下的目标检测成为可能，利用人工智能神经网络的强大非线性预测能力对海杂波的非线性动力方程进行逼近，实现了对海杂波的非线性预测，提出了一种基于神经网络技术的强海杂波背景下的脉冲多普勒雷达导引头小目标检测方法，使得强海杂波背景下的目标检测能力有2 dB到6 dB的提升。     

军用航材智能化保障的技术构建

针对军队航材保障效率较低、反应时间过长等问题,结合国防与军队信息化、智能化建设的实际,提出了军用航材智能化保障模式;通过运用物联网、神经网络、云计算等方法,对智能化保障模式各功能的实现提出支撑技术,航材智能化保障模式各项功能得以实现;通过对军用航材智能化保障进行模式构建,并就该模式下各功能模块的实现提出支撑技术,革新保障方式,有效提高了航材保障的效率。     

人工智能与空气动力学结合的初步思考

以人工智能为核心的新一轮技术革命及产业变革正在影响着社会的各个领域,世界各航空航天大国均在人工智能与空气动力学的结合方面开展了许多有益的尝试与探索。本文回顾了人工智能技术的发展历程及现状,重点讨论了大数据时代背景下人工智能在风洞试验、数值计算和飞行试验等空气动力学研究的三大手段上的应用,详细分析了人工智能在辅助海量气动数据分析与知识发现上发挥的作用,探讨了人工智能在气动建模与先进飞行器设计中蕴藏的应用价值,并指出了人工智能与空气动力学相结合所带来的挑战。     

基于粒子群和人工蜂群混合算法的气动优化设计

现代启发式智能算法存在全局与局部搜索能力的平衡问题,针对此问题,采用双种群进化策略和信息交流机制,提出一种基于粒子群算法和人工蜂群算法相结合的新型混合优化算法——MABCPSO,并分别进行函数测试和翼型的气动优化设计验证。结果表明:MABCPSO新型混合优化算法具有更好的寻优能力,相比粒子群算法和人工蜂群算法,该算法能以更少的进化代数分别提高1.7%和2.2%的减阻效果。     

仿生变构型飞行器智能控制技术:进展与展望

仿生变构型飞行器是一种为适应环境和任务的变化而具备动物外部构型变化能力的新型飞行器，变构型的动态飞行特征给控制系统设计带来了一系列挑战。飞行器仿生变构型的过程是一种飞行器“眼、耳、脑、体、翼”等多器官协调的智能行为，控制系统设计的主要目标是在“感知—决策—反馈—执行”全控制回路的框架下解决“为何变”“如何变”等智能行为的设计问题，赋予飞行器(特别是无人飞行器)在复杂干扰和不确定环境下强自主、强适应、强生存等智能能力。结合近年来智能控制和仿生技术的发展，从仿生智能的视角梳理变构型飞行器控制技术的研究现状和存在问题，指出仿生变构型飞行器设计需要完成从“方法论”“系统论”设计到“环境/任务/系统一体化”设计亦即“行为论”设计的跨越;进一步提出了机理与数据混合驱动建模、多维信息仿生感知、智能自适应变形决策、变形与飞行一体化控制、全回路安全控制等前沿科学问题，并给出了可能的解决思路。