模糊神经网络控制器及其在航天器姿态控制系统中的应用研究

在航天器姿态控制领域，模糊控制技术作为一种辅助控制方法得到越来越多的关注。本文提出了一种基于模糊聚类算法和分布式模糊神经网络的模糊神经网络控制器，并将其用于《东方红三号》卫星应急星地大回路姿态控制系统之中。仿真研究表明，这种模糊神经网络控制器能够有效地从样本数据提取信息，实现分区域控制，并且具有较强的鲁棒性。该方法具有较为满意的控制效果。     

利用神经网络技术提前一小时预报Dst指数

利用神经网络技术并考虑地磁活动的周期性,提出了一种提前一小时预报Dst指数的方法.网络的输入包括时间、季节、当前时刻及其一阶增量、二阶增量、前27天Dst指数的平均值.以下一时刻Dst指数作为输出对网络进行训练,训练好的网络可以提前一小时预报Dst指数.分别用1985年、1986年、1990年和1991年Dst指数数据进行检验.结果表明,预报结果与观测数据符合较好,Dst指数预报误差的均方根分别为4.00 nT,3.72 nT,5.35 nT,6.82 nT.误差分析表明,Dst指数的预报结果太阳活动低年比高年好.     

基于神经网络的自适应状态观测器

利用ＢＰ神经网络动态系统对一类非线性时变系统的状态进行了估计。利用神经网络的“学习－遗忘”特性,提出了非线性时变系统的自适应状态观测器,对其结构及特性进行了讨论。仿真结果表明这种自适应状态观测器能跟踪系统参数及状态的变化。     

基于神经网络的智能复合材料损伤评估系统

介绍了一种复合材料损伤评估的新系统。该系统由埋入光纤传感器阵列、形状记忆合金丝和Ｋ　ｏｈｏｎｅｎ　自组织神经网络处理器组成。由埋入光纤传感器阵列实现对材料损伤的检测,神经网络由ＴＭＳ３２０Ｃ２５　高速并行处理器和ＩＢＭＰＣ／３８６组成的高速并行分布处理器进行模拟,实现传感器输出信号的实时处理,并产生相应的控制信号激励形状记忆合金丝（ＳＭＡ）,以改变材料的应力状态,延缓材料的破坏。     

双并联前向神经网络及其在飞行故障检测仿真研究中的应用

首次把飞行故障检测视为一个非线性数据分类问题,从而可望借助人工神经网络来处理。为了克服ＭＬＦＮＮ在数据分类中存在的学习慢与分类精度低,发展了由ＭＬＦＮＮ和ＳＬＦＮＮ并联并可接收编码输入的ＤＰＦＮＮ模型,还将训练ＭＬＰ的有关算法推广到ＤＰＦＮＮ情形。用计算机仿真了若干飞行故障模式并用于测试ＤＰＦＮＮ。     

飞行器神经元控制系统的研究与设计

提出了一种基于神经元网络的飞行控制系统设计方法 ,该方法设计的神经元飞行控制器具有良好的鲁棒性 ,使飞行器在整个飞行包络内都能保持某种最优的操纵品质。给出的计算机仿真结果显示出神经元网络作为飞行控制器在处理飞行器参数大范围变化的非线性特性方面具有潜在的优良品质     

神经网络在火箭容错控制中的应用

利用解析冗余思想和神经网络的非线性映射能力，提出了基于神经网络的故障检测和容错控制框架，以此实现解析冗余，并将其应用于火箭稳定回路容错控制设计，仿真研究表明，该方案设计思想正确．具有一定的实用价值。     

随机神经网络在机动多目标跟踪中的应用

研究密集多回波环境下的机动多目标跟踪问题。通过对多目标联合概率数据关联方法性能特征的分析,将其归结为一类约束组合优化问题。在此基础上,利用随机神经网络求解组合优化问题的策略,采用改进的增益退火算法,提出了一种新颖的机动多目标快速自适应神经网络跟踪方法。仿真结果表明,该方法不仅具有很高的收敛速度和跟踪精度,而且计算量小,关联效果好。     

疲劳实验曲线拟合的神经网络方法

通过构造反向传播神经网络,对疲劳实验曲线进行学习,实现由神经网络表示的多维函数逼近。此种学习是一个慢速过程,但由这一逼近预测得出疲劳曲线则是一个快速过程。拟合结果表明,这一方法十分有效、稳定,便于使用。