基于人工神经网络的柔性机翼挠度预测

为实现对承载后柔性机翼挠度的准确预测,在全面分析柔性机翼挠度的影响因素基础上,应用正交试验法确定的影响柔性机翼挠度的主要因子作为输入变量,挠度作为输出变量,以大量试验数据为训练样本,通过多次试取隐含层和各隐含单元,并选取trainlm作为最优训练函数,最终建立了预测柔性机翼挠度的BP(Back Propagation)人工神经网络模型.在此基础上,随机选取试验结果中的12组试验样本,连续进行10次挠度预测,预测结果和试验实测值最大相对误差和标准方差分别为4.481%,1.033 7.解析结果表明:柔性机翼挠度预测结果与实验值吻合的较好,建立的人工神经网络预测模型具有较高的预测精度.     

一种用于破碎岩土的异型弹芯撞击响应分析

为探索射弹破岩方法,对一种截面为“风机叶片”式的异型弹芯的撞击原理进行了系统分析,在此基础上构建了其撞击过程的一维动力学响应模型,计算获得了该弹芯的运动变化特征参数,并讨论了关键结构参数对撞击特性的影响.结果表明：该弹芯撞击过程中头、尾速度之间为线性关系,近似满足伯努利方程;同时,减少头部内倾角,增加预制刻槽数目均有利于扩大对异型弹芯对岩体的横向破岩范围.     

基于连续蚁群算法的Bayesian方位估计快速方法

针对蚁群算法(ACO)在解决高维非线性搜索问题方面的有效性,提出了基于蚁群优化算法的Bayesian最大后验概率方位估计(ACO-Bayesian)快速方法.该方法将Bayesian最大后验概率函数作为蚁群算法的目标函数,选取若干一维高斯函数的加权和作为连续蚁群算法中信息量概率分布函数,经过有限次迭代得到Bayesian方法的非线性全局最优解.仿真结果表明,ACO-Bayesian方法在保持Bayesian方法优良性能的同时,将Bayesian方法的计算量减少到原来的1/14.水池实验结果验证了ACO-Bayesian方法的正确性和有效性,为其工程应用奠定了基础.      

舵机伺服系统位置反馈校正方法研究

以传统的舵机伺服系统动压反馈回路为基础,介绍了一种新的伺服系 统动态校正方法。首先给出了现有舵机的简化模型,深入分析了原有动压反馈 回路对系统的作用影响。在此基础上,通过频率域响应设计方法,进行位置反馈 校正网络的设计。同时重点考察所设计系统的相角裕度、幅值裕度、谐振峰值、 闭环带宽等频率特性量。最后,从时域、频域两个方面比较两种校正方法对系统 的影响,验证设计方法的可行性。