HIERARCHICAL APPROACH AND ITS APPLICATION TO INTEGRATED FLIGHT／PROPULSION CONTROL SYSTEM

ＨＩＥＲＡＲＣＨＩＣＡＬ　ＡＰＰＲＯＡＣＨ　ＡＮＤ　ＩＴＳ　ＡＰＰＬＩＣＡＴＩＯＮ　ＴＯ　ＩＮＴＥＧＲＡＴＥＤ　ＦＬＩＧＨＴ／ＰＲＯＰＵＬＳＩＯＮ　ＣＯＮＴＲＯＬ　ＳＹＳＴＥＭＲｏａｎＨｏｎｇｎｉｎｇ；ＳｈｉＺｈｏｎｇｋｅ（ＤｅｐａｒｔｍｅｎｔｏｆＡ...     

SENSOR FAILURE DETECTION AND SIGNAL RECOVERY BASED ON BP NEURAL NETWORK

Manyhighpefformancecontrolsystemsmusthavefauhtolerantabilityagainstsensorfailures.Theapplicationofprevioussensorfailuredetectinnmethods,mostlybasedonanalyti-calredundancy['Jlislimitedbecausetheyrequireaprecise.mathematicalmedel.BPneuralnetwork(BPNN)isabletolearnanycomplicatedcontinuousnonlinearfunctions,therefore,itcanbeusedtodetectsensorfailuresandrecoverthesignalforthefailedsensor'Recentpubli-cationshavedemonstratedtheuseofBPNNfordetectingsomkindofsensorfailuresandre-coveringthefailedsen…     

TWO DIMENSIONAL SUPERSONIC SHOCK TUNNEL AND ITS APPLICATION

ＴＷＯＤＩＭＥＮＳＩＯＮＡＬＳＵＰＥＲＳＯＮＩＣＳＨＯＣＫＴＵＮＮＥＬＡＮＤＩＴＳＡＰＰＬＩＣＡＴＩＯＮＴＷＯＤＩＭＥＮＳＩＯＮＡＬＳＵＰＥＲＳＯＮＩＣＳＨＯＣＫＴＵＮＮＥＬＡＮＤＩＴＳＡＰＰＬＩＣＡＴＩＯＮ￥ＷａｎｇＳｈｉｆｅｎ；Ｗａｎｇｙｕ；Ｔａ...     

STUDY ON THERMAL EXPANSION COEFFICIENT AND DESIGN FOR ZERO－EXPANSION OF SlNGLE AND HYBRID MULTI－DIRECTIONA

ＳＴＵＤＹＯＮＴＨＥＲＭＡＬＥＸＰＡＮＳＩＯＮＣＯＥＦＦＩＣＩＥＮＴＡＮＤＤＥＳＩＧＮＦＯＲＺＥＲＯ－ＥＸＰＡＮＳＩＯＮＯＦＳｌＮＧＬＥＡＮＤＨＹＢＲＩＤＭＵＬＴＩ－ＤＩＲＥＣＴＩＯＮＡＬＣＯＭＰＯＳＩＴＥＳＺｈｏｎｇＷｅｔｈｏｎｇ；ＺｈａｎｇＺｕｏ...     

VECTRIX AND SOME OF ITS PROPERTIES SUITED TO FLIGHT DYNAMICS

ＶＥＣＴＲＩＸＡＮＤＳＯＭＥＯＦＩＴＳＰＲＯＰＥＲＴＩＥＳＳＵＩＴＥＤＴＯＦＬＩＧＨＴＤＹＮＡＭＩＣＳ￥ＣｈｅｎＷａｎｃｈｕｎ；ＸｉａｏＹｅｌｕｎ（ＳｃｈｏｏｌｏｆＡｓｔｒｏｎａｕｔｉｃｓ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓ...     

STOCHASTIC BOUNDARY ELEMENT METHODS FOR 3－D PROBLEMS WITH CENTRIFUGAL FORCES AND RELIABILITY ANALYSIS

ＳＴＯＣＨＡＳＴＩＣＢＯＵＮＤＡＲＹＥＬＥＭＥＮＴＭＥＴＨＯＤＳＦＯＲ３－ＤＰＲＯＢＬＥＭＳＷＩＴＨＣＥＮＴＲＩＦＵＧＡＬＦＯＲＣＥＳＡＮＤＲＥＬＩＡＢＩＬＩＴＹＡＮＡＬＹＳＩＳ￥ＷｅｎＷｅｉｄｏｎｇ；ＳｕｎＸｉａｏｌｉｎｇ（ＮａｎｊｉｎｇＵｎｉｖｅ...     

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。     

基于神经网络的机动目标信息融合与并行自适应跟踪

基于“当前”统计模型和 BP神经网络 ,提出一种新的机动目标神经网络信息融合与并行自适应跟踪算法 ( NIFPAT)。该算法采用双滤波器并行结构 ,利用全状态反馈 ,通过 BP网络调整系统方差以适应目标的运动变化 ,具有对目标各种运动状态的良好自适应跟踪能力     

残差滤波及其在密集多回波环境下机动多目标跟踪中的应用

 修正概率数据关联滤波（MPDAF）是目前解决密集多回波环境下机动多目标跟踪较为有效的方法,但当回波密度增高时,该方法容易失跟。本文针对此特点,在MPDAF基础上,提出了残差滤波（RF）方法,分别从理论和Monte carlo仿真两方面揭示了RF与数据关联的内在机理,结果表明该方法能大幅度提高跟踪滤波器捕捉目标和剔除关联域内多余回波的能力以及跟踪的性能,是一种解决高密集多回波环境下机动多目标跟踪的有效方法。     

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。     

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。     

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。     

自组织模糊CMAC神经网络及其非线性系统辨识

 针对CMAC的特点,提出了联想度的概念,并由此设计了一种自组织模糊 CMAC神经网络( SOFC-MAC)及其学习算法,证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快,逼近精度高及局部泛化能力等特点。歼击机系统特征模型辨识仿真验证表明了该方法的有效性。     

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。     

模糊超体神经网络及其在火箭发动机故障分离中的应用

提出了一种用模糊集表示火箭发动机故障模式的神经网络二次分离器,模糊集是由模糊超体聚集形成的集合体,模糊超体在一次分离中表现为由半径和球心确定的n维超球,在二次分离中是一个由夹角、球心和方向矢量确定的部分超球。神经网络二次分离学习算法与一次学习算法相比,提高了训练样本的分离精度,增强了神经网络对故障的敏感性。