基于ALO-SOM神经网络的航迹稳定分析

为了快速准确地分析稳定敌方航向并判断其攻击目标,提出了基于蚁狮优化算法(ALO)的自组织竞争(SOM)神经网络的航迹稳定分析方法。首先探究了航迹稳定分析的具体流程;然后提出并采用ALO-SOM神经网络提取航迹特征;最后,为了提高复杂线段拟合的准确性,采用分段线性拟合对特征进行处理,进而获取稳定的航向。仿真结果表明,ALO-SOM神经网络可以快速准确地提取航迹特征,SOM神经网络训练正常,分段线性拟合方法准确地获得了目标的稳定航向。     

两种亚网格燃烧模型的旋流扩散燃烧大涡模拟

用二阶矩亚网格（SOM—SGS）燃烧模型和文献中的涡旋破碎亚网格（EBU—SGS）燃烧模型，对甲烷一空气旋流扩散燃烧进行了大涡模拟，将二者得到的LES统计平均温度分布和实验结果以及用二阶矩燃烧模型的统观模拟（RANS—SOM）结果比较，表明LES—SOM和RANS—SOM的模拟结果都和实验符合较好，而LES—EBU的模拟结果和实验不符合，在不同区域内高估或者低估了燃烧温度。其原因是由于EBU模型不能有效地考虑有限反应动力学的作用。LES—SOM模拟的瞬态结果显示了旋流扩散火焰的湍流大涡结构不同于射流火焰的特点。     

基于深度神经网络的客机总体设计参数敏感性分析

飞机总体主要设计参数敏感性分析揭示了总体主要设计参数对飞机特性指标的影响,有助于总体设计方案的决策。针对宽体客机总体主要设计参数敏感性问题,根据其总体主要设计参数和特性指标的特点,以及多学科间的耦合关系,建立了深度神经网络模型。该深度神经网络模型以客机总体主要设计参数为输入,对特性指标进行预测。在深度神经网络模型中,设置了多个输入层、多个输出层以及多个分块的隐藏层,从而模拟客机总体主要设计参数对特性指标的影响以及不同特性指标之间的相互作用。测试结果表明,与传统代理模型相比,深度神经网络模型对客机特性指标的预测精度更高,多参数适应性更好。利用该深度神经网络模型对客机总体主要设计参数进行敏感性分析。分析结果表明,机翼1/4弦线后掠角在30°~31.5°时,有利于减少最大起飞重量和起飞平衡场长;发动机海平面最大静推力和机翼面积对客机直接使用成本、最大起飞重量等特性指标的影响最为显著。     

基于自适应神经网络的飞行控制律设计方案

介绍了一种自适应神经网络控制方法，利用李亚普诺夫稳定性定理推导了神经网络权值的自适应规律，保证了闭环系统的稳定性。设计了针对滚转通道的神经网络，并应用某型号飞机进行了非故障和故障状态的仿真。结果表明，自适应神经网络控制方法补偿作用显著，相当于系统具有一定的重构功能。     

基于神经网络理论的建筑施工安全等级评定

从建筑施工实际出发，基于函数型连接神经网络，采用神经网络——专家系统组成的混合系统方法，建立了建筑施工安全等级评定系统。该评定系统根据建筑施工安全情况，基于给定安全等级数据参数，经过神经网络的学习、联想、记忆和分类，能较准确地评定出建筑施工安全等级。     

一种鲁棒的非线性飞行控制律设计

介绍了一种反馈线性化方法——逆系统方法，用以解决非线性飞行控制。针对逆系统方法存在的误差，介绍了一种鲁棒控制方法——基于RBF神经网络直接自适应控制方法，利用李亚普诺夫稳定性定理推导了神经网络权值的自适应规律，保证了闭环系统的稳定性。设计了针对滚转通道的神经网络，并应用某型号飞机进行了非故障和故障状态的仿真，结果证明，自适应神经网络控制方法补偿作用显著，相当于系统具有一定的重构功能。     

先进技术是取胜之本——新一代波音737系列飞机

许多航空公司都认识到，获取高利润的秘诀之一是使用技术先进的飞机。但是，如果一种机型在设计中采用了最先进的复合材料、最好的电子设备、最多的计算机、最先进的数字式系统，是否就可确定该机型最先进？作为世界最大的飞机设计者与制造商，波音公司认为，正确的判断依据应当是：飞机恰当地采用并且综合了最先进的技术，从而为制造商与用户带来最大的实际效益，而不是将新技术简单地堆砌。这才是真正的先进设计技术。 波音公司正是基于这种先进技术理念，于1993年启动了新一代737系列飞机项目，该项目包括四种机型：载客110－132人的波音…     

宽体客机的制造技术和设备

苏联科学院通讯院士、苏联航空工艺与生产组织科学研究院（HИAT）院长彼得·尼古拉那维奇·别梁宁教授，诮邀于1990年4月6～13日访问了北京航空工艺研究所，并向该所科研人员和参加中国航空工业技术改造会议的部分工厂代表做了三次学术报告，报告的题目分别是：宽体客机的制造技术和设备、集成化工艺及其应用、提高机械制造业的效率。现将三篇报告整理发表，经飨读者。     

一种改进的自组织特征映射算法

针对SOM算法用于训练生成矢量量化码书存在的不足，提出了一种基于频率敏感的自组织特征映射算法（FSOM）．并应用到图像矢量量化中。实验表明，与SOM算法相比。FSOM算法具有更好的聚类特性和峰峰信噪比（PSNR），是一种有效的码书设计算法。     

神经网络动态逆方法在飞控系统设计中的应用

探讨了神经网络与非线性动态逆方法相结合的神经网络动态逆方法，研究了神经网络动态的网络结构。为进一步改善直接动态逆控制器的性能，对由动态逆和原系统构成的伪线性系统，给出了两种综合方案，并将这种方法用于飞机指令增稳系统的设计。通过一种方案的仿真研究表明，综合控制策略不仅能够改善系统的动态性能，而且具有良好的鲁棒性。研究成果显示了神经网络动态逆方法的有效性和可行性及其在飞控系统设计中所具有的潜在能力。     

CFM56—3型发动机反推系统典型故障的判断与分析

CFM56—3型发动机广泛应用于BOING737—300型民航客机，采用双发配置。每台发动机安装一套反推系统。在飞机落地滑跑时打开反推降低飞机滑跑速度，与飞机刹车系统一起使飞机尽快减速。[第一段]     

MD90飞机交流电源系统失电初探

通过对一起ＭＤ９０飞机交流电源系统失电故障的分析，详细介绍了排故过程及验证方法，并提出了避免同类问题发生的建议。     

基于模糊神经网络的涡扇发动机加速控制

采用模糊神经网络对某型涡扇发动机加速过程进行自适应控制，为了进一步提高系统性能，采用遗传算法和BP算法相结合的方式，对系统分别进行了离线和在线优化。仿真结果表明，设计的模糊神经网络控制器具有良好的性能。     

基于自组织映射网络的故障诊断推理方法研究

从故障诊断基本形式出发，结合飞机刹车系统故障的各类特点，研究了基于Kohonen自组织映射网络理论的故障推理模型，并且应用到起落架刹车系统故障诊断中。该方法只需选择听，具有代表性的故障样本训练神经网络，他将代表故障的信息输入给训练好的神经网络，根据神经网络的输出结果，就可以判断出发生故障的类型。该模型除能识别已训练过的故障，还能识别未训练过的故障，并且聚类能力强，速度快，因此，很符合复杂系统的故障诊断。     

导弹非线性自适应鲁棒控制系统设计

提出了一种基于全调节RBF神经网络的导弹非线性自适应鲁棒控制系统的设计方法，应用全调节RBF神经网络在线辨识系统中存在的不确定性，利用反演和鲁棒控制技术设计了导弹控制系统，成功地处理了非匹配不确定性，并在虚拟控制中引入了微分阻尼项，有效地改善了系统动态性能。最后，应用Lyapunov稳定性理论推导出RBF神经网络各参数的调节律，并证明了系统状态全局渐近收敛于原点的一个邻域，仿真结果验证了该设计方法的有效性和可行性。     

数据库在实时控制系统中的应用

在分析输入／输出控制系统的物理结构和功能，系统中所用数据库文件结构和数据组织的基础上，进一步分析了数据库中逻辑地址和控制系统中物理地址的相关方法，进而阐明了数据库在实时控制系统中的应用。     

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用RBF神经网络逼近非线性函数，并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能。H^∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性，而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后给出的算例验证了该方法的有效性。     

灰色神经网络在齿轮箱故障识别中的应用

将灰色系统理论与神经网络相结合提出了灰色神经网络这一新的故障识别方法，将此种方法应用在齿轮箱的故障识别中，结果表明：采用灰色神经网络能够识别出来，不同工作状态下的各种故障类型，其识别的可靠性还有待于进一步提高。     

基于神经网络的涡轮泵多故障诊断

针对液体火箭发动机的涡轮泵系统中，常出现多故障同时发生的现象，分析了涡轮泵常见故障的特征表现，建立了涡轮泵系统的标准故障模式，在此基础上，提出了采用建立并行BP神经网络进行多故障诊断分类的方法，结果表明，并行BP神经网络结构简单，学习诊断速度快，对单一故障的诊断分类优于基本BP网络，且能对并发故障进行诊断分类。