利用神经网络进行飞机参数估计的两种新方法

本文提出了利用前向传输神经网络依据飞行数据估计飞机稳定性和操纵导数（参数）的两种新方法。这两种方法都是利用运动变量和控制输入量作为输入文件，而以空气动力系数作为用于调试神经网络的输出文件。为了进行参数估计，允许向被调试的神经网络提供经过适当修改的文件，从而获得对应的空气动力系数预测输出文件，对这一组输入－输出文件进行适当的编译和处理后就可得到飞机参数的估计值，这些方法首先是利用模拟飞行数据进行验证的，然后才应用于实际的飞行数据。实际飞行数据是通过对已发表的报告中的模拟量数据进行数字化后得到的。文中还给出了参数估计的结果，其目的在于说明参数估计精度受网络拓扑结构，迭代次数主模拟飞行数据中测量噪声强度的影响。所介绍方法的重要特点之一是，它们并不需要像熟知的参数估值法（如最大似然法）那样去推测出一组合理的参数初始值。     

装配工艺设计在MPMLink中的实现

当前,数字化技术在航空航天企业发展迅速,三维数字化技术得到了广泛的应用.特别是基于模型定义(Model Based Definition,MBD)技术的推广应用,无纸化的思想成为一种趋势,贯穿于整个产品研制过程中.本文是在MBD技术下,对三维装配工艺设计在MPMLink中应用的一个探索.     

神经网络在立体成象测速技术中的应用

立体成象测速技术是一种用于测量三维流场中流体的三个速度分量的光学方法。该测量为非接触测量,其测量原理是基于由两个CCD传感器从不同的有利位置点获取的图象。采用这一方法时,如果流场中散布的粒子的密度较大的,由成象系统所获得的图象中就可能丢失单个粒子的部分象点或者是等效的数据点。该数据丢失大多数是发生在对重叠的粒子图象进行分解的过程中和对粒子进行跟踪阶段。为了尽可能恢复更多的数据点并提高测量精度,在立体成象测速技术的两个阶段中采用了神经网络技术。在对重叠的粒子进行分解的阶段采用了后向传播(Back Propagation)神经网络,这是由于此方法具有图形识别和分类的能力。在对粒子跟踪阶段,跳跃神经网络（Hopfield neural network)是获取相应粒子轨迹的一种公认的最佳求解方法。研究表明,神经网络对于提高测试性能具有潜在的作用,而且已被证明对于立体成象测速技术是非常有用的。     

EOMS光电经纬仪中的电视跟踪技术

本文根据在飞行试验中对ＥＯＭＳ光电经纬仪的使用经验，结合电视跟踪中目标的图像特征，分析了ＥＯＭＳ光电经纬仪中的电视跟踪技术，其重点是电视跟踪算法。