人工神经网络技术在民用涡扇发动机故障诊断中的应用

讨论了神经网络技术在航空发动机状态监视和故障诊断领域的应用．介绍了涡扇发动机的气路故障诊断原理,以及人工神经网络故障诊断方法,并介绍了ＢＰ网络对ＰＷ４０００发动机的常见故障进行诊断的实例。     

发动机状态监视与故障诊断地面软件系统的总体方案研究

根据航空发动机EMS系统的一般设计要求,参考国外现役发动机EMS系统的设计经验和未来的发展趋势,提出了一种EMS地面软件系统的总体方案构思,明确了该系统设计的指导思想、功能和组成,并着重论述了各主要功能模块的设计方案。     

利用人工神经网络预测电离层f0F2月中值

提出了利用人工神经网络技术预测电离层临界频率月中值的方案。在利用人工神经网络技术研究电离层月中值隔月变化规律的基础上,考虑足够的周年和黑子周期变化的数据训练网络,使ｆ０Ｆ２月中值预测值与实测数据比较平均误差为０．３４ＭＨｚ预测精度有了较大改进,最后采用分形学的基本理论得到电离层ｆ０Ｆ２月中值的分数维为３,选用３个输入量,分别预测高,低年ｆ０Ｆ２月中值,与实测数据比较平均误差为０．３ＭＨｚ。     

西北空管局举办航空气象低能见度和数值预报技术培训班

为了促进航空气象低能见度和数值预报技术的应用,提高航空气象人员的素质,2008年1月7-10日,西北空管局举办了航空气象低能见度和数值预报技术培训班。培训班邀请解放军理工大学气象学院的教授进行授课,培训对西安咸阳机场低能见度预报系统、人工神经网络制作大雾预报技术原理、     

基于加权线性响应面法的神经网络可靠性分析方法

在加权线性响应面法的基础上,提出隐式极限状态方程可靠性分析的神经网络方法。加权线性响应面法不仅形式简单、易于实现,而且可以很好的近似极限状态方程的设计点,但它却不能适应非线性极限状态方程的失效概率计算。神经网络对非线性极限状态方程有很强的近似能力,但神经网络的迭代不如加权线性响应面法那么简单易行,因此提出加权线性响应面与神经网络相结合的可靠性分析方法,这种方法既保证对设计点的精确近似,也保证对设计点附近的非线性极限状态方程的很好近似。与加权线性响应面法相比,本方法计算失效概率的计算工作量有所增加,但对非线性极限状态的计算精度却大大提高。算例充分显示所提算法的合理性和可行性。     

黑箱建模方法在环境模拟试验中的应用

某大型环境模拟试验设备中一些制冷设备的热力参数,如涡轮膨胀机的出口温度,很难用传统的计算公式来准确求解这一问题。文章提出了用黑箱建模方法来预测这些参数;运用多元回归分析和人工神经网络的方法对黑箱模型进行求解。通过试验数据的验证,表明预测值与试验值非常接近,说明该方法是一种简便易行、准确性高的计算方法。     

基于ANN的FGH96合金热变形行为的模拟电路模型

在锻造领域,多采用数字模型进行工艺设计和过程控制,但数字模型无法完成材料成形过程的实时控制。因此,有必要建立一种适合于实时控制的材料动态流动行为模型,以提高生产效率和锻件质量。通过热模拟试验,对细晶态FGH96合金的高温流动特性进行了研究,用BP（Back Propagation）网络建立了FGH96合金热变形行为的人工神经网络模型,根据电模拟理论,利用模拟电路的快速反应与易于控制等特点,建立了基于ANN的FGH96合金的模拟电路模型。测试结果表明,所建立的ANN模型和模拟电路模型均具有较高的预测精度,能很好地反映材料热成形过程的动态流动行为,可用于材料热成形过程的实时控制。     

水性防腐涂料湿附着力性能的配方优化模型

为提高水性防腐涂料湿附着力,提出基于人工神经网络(ANN)和遗传算法(GA)的水性防腐配方工艺优化模型。采用正交法设计配方工艺,根据实验结果,建立配方(水性环氧乳液、石墨烯、水性环氧固化剂、填料、附着力促进剂)、工艺(干燥温度)和性能(湿附着力)的预测模型,以水性防腐涂料湿附着力预测结果为优化目标,通过GA得出最佳的水性防腐涂料配方和工艺,并对该配方和工艺进行了实验和理论验证。该方法为制备高性能水性防腐涂料提供一定指导依据。     

加工误差对压气机叶栅气动性能及稳定性影响的数据挖掘

为缓解加工误差影响评估过程中的"维数灾难",结合展向平均假设和基于高斯过程的Karhunen-Loève展开,提出了一种由法向加工误差导致的三维叶片表面几何不确定性降阶模型.通过给定加工误差分布的标准差函数求解几何不确定性降阶模型,并运用伪蒙特卡洛方法随机生成样本,最终训练人工神经网络预测了加工误差对高负荷直叶栅气动性...     

基于人工神经网络的可压缩湍流大涡模拟模型

在国家数值风洞（NNW）工程项目的指导下，空间人工神经网络（SANN）模型被用于强可压缩湍流大涡模拟（LES）研究，其中流场的湍流马赫数分别为0.6、0.8、1.0。基于湍流的多尺度空间结构特性和人工神经网络方法发展的高精度空间神经网络（SANN）模型适用于不可压缩湍流和弱可压缩湍流。对于强可压缩湍流，流场中会出现激波结构，给大涡模拟带来了挑战。本文的研究结果表明：SANN模型适用于强可压缩湍流的大涡模拟。在先验分析中，SANN模型预测的亚格子应力和亚格子热流的相关系数超过0.995，远远高于梯度模型和近似反卷积模型等传统模型；传统模型的相对误差大于30%，而SANN模型在这方面有很大的改进，相对误差低于11%。在后验分析中，与隐式大涡模拟（ILES）、动态Smagorinsky模型（DSM）、动态混合模型（DMM）相比，SANN模型能更精确地预测能谱、各类湍流统计特性以及瞬态流动结构。因此，基于湍流多尺度空间结构特性的人工神经网络模型加深了人们对强可压缩湍流亚格子建模的认识，同时可以服务于NNW工程的流体力学模型构造。