铝合金焊缝成形的神经网络建模

利用神经网络对LF6铝合金的焊缝成形进行了建模，同时运用模糊推理的方法对神经网络的预测功能进行了扩展。首先根据实际确定焊缝的成形参数为正面熔宽、正面熔高、背面熔宽、背面熔高，焊缝成形的控制参数为对接间隙、送丝速度、焊接速度、焊接电流；采用正交试验设计的方法设计试验，使用较少的试验数据来获取焊缝成形信息。然后，进行试验，利用试验数据来对神经网络进行训练。采用BP算法对焊缝成形控制参数空间和焊缝成形参数空间进行了函数逼近，建立了BP网络模型。此模型能够对位于焊缝成形控制参数空间内的输入参数进行高精度的预测，对焊接参数进行修正以获得良好的焊缝成形，并可减少焊接试验次数。     

无人机自由编队飞行的补偿模糊神经网络控制

为了克服当前提出的无人机编队飞行的不足，提出一种新的无人机编队飞行概念——自由编队飞行，制定了相关的避让规则，用补偿模糊神经网络进行训练，实现自由编队飞行的补偿模糊神经网络控制。仿真显示，编队飞行的飞机能按照规则自主改变航路进行避让，表明了该方法的有效性。     

基于因子模糊化BP神经网络的磨损颗粒识别

在引入了一套磨粒形态学描述子来提取磨损颗粒的显微形态特征的基础上 ,采用人工神经网络技术 ,编制了用于磨损颗粒自动识别的 BP网络计算机模拟程序。在网络训练的过程中应用了本文引入的因子模糊化训练方法 ,使训练速度大大加快 ,以异或问题为例 ,速度可提高 5～ 1 0倍。应用此网络对磨粒测试库进行识别实验 ,识别正确率在 90 %以上 ,并且识别速度很快 ,大大优于传统的磨粒识别方法。     

一种在线神经网络在补偿飞机模型不确定性误差中的应用

讨论了一种基于神经网络动态逆的直接自适应控制方法，并应用于超机动飞机的飞行控制中。基本控制律采用非线性动态逆方法进行设计，对由于模型不准确导致的逆误差采用单隐层神经网络进行在线补偿。仿真结果表明，神经网络通过补偿由于模型不准确引起的逆误差，弥补了非线性动态逆要求精确数学模型的缺点，提高了整个控制系统的鲁棒性，而且可以大大简化动态逆控制律的设计。     

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     

再入航天器的神经网络自适应控制

对于再入航天器来说 ,可恢复故障通常会导致总体控制权限的降低。本文将伪控制限制方法和神经网络自适应控制运用到再入航天器的制导与控制中。利用两个控制回路来实现控制目标。其中 ,外回路适用于力的扰动 ,而内回路适用于力矩的扰动。限制外回路以阻止对内回路动态特性的调整。在达到控制极限时 ,伪控制限制也可进行自适应调整。另外 ,本文还通过加入加速度计反馈元件以提高系统的性能