前馈神经网络的一种高精度快速训练法——混合遗传算法

针对前馈型人工神经网络（ＦＡＮＮ）的训练问题，提出了一种把遗传算法与共轭梯度算法相结合的混合遗传算法。遗传算法主要用于初始权值的优化，而共轭梯度算法则是一步实行高精度训练。使用混合算法的目的有三：１）绕过局部极小值；２）加快前馈神经网络的训练速度；３）提高训练精度。通过混合遗传算法与改进ＢＰ算法的对的对比显示，用混合遗传算法要比改进的ＢＰ算法快数十倍，且不易遇到局部极小点。文章首先阐述了ＦＡＮＮ的     

航天器蜂窝夹层板局部弯曲变形特性分析与验证

为了解决航天器蜂窝夹层板局部变形以致局部平面度易超差问题,文章基于克希霍夫(Kirchhoff)薄板弯曲理论和矩形板(Rectangular Plate)弯曲理论对蜂窝夹层板局部弯曲变形特性分析和挠度计算,提出减小局部变形的控制方法,经局部平面度试验验证,结果表明:理论分析与试验结果一致性好,选择较小均布载荷、减小热管宽度或热管与蜂窝芯的拼缝间隙、增大矩形板厚度以及缩小蜂窝芯与热管间的高度阶差均可有效减小局部变形,进而降低局部变形对航天器内部功能仪器导热的影响。可为航天器蜂窝夹层结构设计提供参考。     

C类微波固放（SSPA）的非线性仿真

这里所探讨的实际上是针对强非线性问题的一种分析方法。作者首先用前馈神经网络建立非线性功放的假想模型,然后由功放的单载波输入、输出特性推导出功放的理想瞬时非线性特性,从而得出功放的真实模型。最后,作者利用此模型对功放进行仿真,计算了功放的非线性产物,结果令人满意。     

电动通用飞机复合材料结构设计及验证技术

为了设计和制造出重量轻、工艺简单且经济实惠的电动通用飞机,提出了一种新型的复合材料结构设计和验证方法。对飞机的载荷传递进行了理论分析,采用CATIA对飞机结构进行建模,并使用PATRAN/NASTRAN进行了强度计算,根据计算结果,优化了复合材料铺层设计,采用二维图纸的形式快速完成发图。对所采用复合材料的组件和整机进行了一系列的力学试验验证,形成了一套适合轻型飞机的结构快速试验验证方法。根据不同类型零部件的特点采用不同的制造工艺,使生产成本和周期得到有效控制。设计结果、试验数据的有效性和工艺质量的可靠性已经在锐翔RX1E电动双座飞机上得到了证实,该飞机的各项性能满足设计指标要求。