基于神经网络的安全投入优化研究

安全经济学的一个重要领域就是如何使企业在安全生产方面投入的人力、物力、财力最大限度地发挥作用,即最大限度地减少事故造成的经济等各方面的损失,以最少的投入(成本)换取最大的经济效益.目前对于安全生产成本分析与优化问题的研究方法不是很多,而且大多也只是进行定性或半定量的估计,所以企业还是很难进行合理的安全投入,为此采用神经网络动态预测对某公司和某企业所给数据进行安全生产成本预测,并用MATLAB软件对所得的数据进行优化,为其安全投资决策提供了参考依据.     

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

基于灰色神经网络的航空发动机振动故障诊断方法研究

针对某型双转子航空涡扇发动机台架试车中出现的振动异常现象,提出了一种基于灰色神经网络的航空发动机故障诊断方法,该方法不仅具有灰色关联度故障诊断方法计算量小、准确率高等优点,同时具备了神经网络强大的并行处理能力和良好的容错性。实例证明,该方法能够简单有效地诊断出航空发动机台架试车中出现的常见故障,为航空发动机故障诊断提供了一个新的途径。     

应用神经网络模型评价社保基金运营效果方法研究

社会保障基金是社会成员普遍关注的资金,他的利用关系到全社会成员的公共利益。因此,社会保障基金运用效果的评价问题一直是社会各界争论的焦点,正确评价其运用效果是值得学术界探讨的问题。运用神经网络模型对社会保障基金运用效果进行评价是对神经网络模型的应用及对社会保障基金运用效果的评价进行尝试和探讨。     

基于神经网络的电表数字识别技术研究

提出了基于BP神经网络的机械式电表数字自动识别方法,首先通过预处理自动定位电表图像中的数字区域并实现单个数字的切分,然后对每个数字图像提取一组具有较高区分度且计算简单的典型网格特征,最后设计BP神经网络作为数字分类器,实现电度表显示值快速自动识别,该研究获得了电表数字正确识别率98.5%的结果,表明该系统具有较强的鲁棒性。     

航空发动机小波神经网络PID控制

提出了一种基于小波神经网络在线辨识的航空发动机比例-积分-微分(PID)控制算法.网络采用三层前向网络结构,以小波函数作为隐含层的激励函数.采用离线训练的方式训练出网络参数,以网络输出和输入之间的偏导数代替发动机模型输出和输入变量之间的偏导数,用以在线修正PID控制器的参数.阶跃响应测试表明,用小波神经网络整定的PID控制系统动态调节时间小于2s,稳态误差为零,在全飞行包线内均稳定正常工作.      

二值卷积神经网络综述

二值卷积神经网络（BNN）占用存储空间小、计算效率高,然而由于网络前向的二值量化与反向梯度的不匹配问题,使其与同结构的全精度深度卷积神经网络（CNN）之间存在较大的性能差距,影响了其在资源受限平台上的部署。至今,研究者已提出了一系列网络设计与训练方法来降低卷积神经网络在二值化过程中的性能损失,以推动二值卷积神经网络在嵌入式便携设备发展中的应用。因此,本文对二值卷积神经网络进行综述,主要从提高网络表达能力与充分挖掘网络训练潜力两大方面,给出了当前二值卷积神经网络的发展脉络与研究现状。具体而言,提高网络表达能力分为二值化量化方法设计、结构设计两方面,充分挖掘网络训练潜力分为损失函数设计与训练策略两方面。最后,对二值卷积神经网络在不同任务与硬件平台的实验情况进行了总结和技术分析,并展望了未来研究中可能面临的挑战。     

基于小波神经网络的PCBA检测

为了实现对PCBA的快速准确检测,提出了基于小波神经网络的检测模型,分析了网络的拓扑结构.仿真显示,该检测模型的误差小,精确度高,检测速度快,提高了SMT生产线上的一次通过率的可靠性.     

基于人工神经网络的静子叶片优化设计

采用NURBS参数化构型技术以及人工神经网络技术,对某两级风扇的第二级静子根部叶型进行优化改型。优化后,非设计点处该静子根部至中部流动得到较大改善,总压恢复系数有一定的提高。风扇总压比有较大增加,绝热效率基本不变。优化结果表明,该方法能够对静子叶片进行较好的优化改善,能够提高优化效率,减少优化时间,具有一定的实用价值。     

复合正交级数神经网络模型在飞控中的应用

针对现有神经网络逼近快变非线性函数能力低、结构复杂等问题,提出了复合正交多项式模型和一种改进的正匀多项式神经网络模型。这两种模型综合了正交级数和神经网络的结构特点,便于工程实现。理论研究和仿真计算表明,使用此模型构造快变非线性函数时,可使神经网络的节点数成倍减少,神经网络的训练次数成倍降低。飞行器非线性控制的应用表现,此方法可用来解决一般非线性系统的控制问题。     

五孔探针的神经网络处理方法

对于五孔探针的数据处理方法就行了详细的研究,发展了一种人工神经网络的数据处理方法,并将其与三维线性插值法进行了全面的对比,证明了所发展的神经网络法的精度更高,可靠性更好,而且经过简单改动就可以应用在其他多孔探针上.      

高超声速飞行器自适应神经网络容错控制

针对高超声速飞行器巡航段执行器控制效益损失故障和卡死故障问题,基于高超声速飞行器纵向运动模型,将自适应算法与改进的径向基函数神经网络(RBFNN)方法相结合,设计了一种自适应神经网络容错控制器。所提出的容错控制方法具有无需估计执行器故障值的优点,且设计的控制算法结构简单,无需大量实时计算,可以快速处理故障的发生,确保系统在参数不确定、恒定或时变执行器故障与卡死故障情况下仍具有稳定跟踪能力。最后,仿真验证了该方法的有效性。     

基于神经网络的飞行器再入制导研究

论述了神经网络理论在飞行器再入制导方面的应用.在分析各方法优缺点的基础上,提出了一种基于广义同归神经网络(GRNN)模型的再入制导方法.神经网络通过一组选定的轨迹样本进行有导师训练,训练好之后作为控制指令生成器,输入为再入过程中飞行器的状态参数,输出为倾侧角控制量,迎角控制量则由迎角剖面给定.仿真结果验证了该方法在再入...     

基于RBF神经网络的压气机特性仿真

为克服传统仿真方法误差较大的问题，提出了一种基于RBF（多变量插值的径向基函数）神经网络的压气机特性仿真方法。利用RBF神经网络能逼近任意非线性系统的特点，对压气机特性进行了拟合。试验结果表明，此方法具有精度高，收敛速度快等优点，可广泛运用于发动机数值仿真及控制模拟等领域。     

航空运行风险的灰色神经网络模型

采用灰色神经网络的方法,建立了中国民航运行风险的非线性在线模型.模型以风险监测指标作为输入,以评价民航安全的综合指数作为输出,编写了模型计算软件进行仿真计算.计算结果表明,模型预测值与实际安全综合指数值吻合较好,验证了方法的正确性.利用该模型既可以确定风险监测指标中的主要影响指标,为民航降低运行风险提出合理的建议;又可以对民航安全的综合指数进行分析,为行业的安全运行提供预警.      

直升机动态逆神经网络模型

以SH－2G直升机辨识模型为对象，采用天并作用函数的多层感知器网络，建立了直升机的动态逆神经网络模型，在直升机越障机动飞行仿真的同时，利用直升机操纵信号和对应的状态作为网络的训练样本，对直升机逆模型进行在线辨识，并给出了仿真结果及其分析。结果表明，该网络对直升机动力学逆模型具有良好的在线辨识效果。     

基于人工神经网络的燃速相关性研究

采用基于误差反向传播算法(BP算法)的人工神经网络技术,通过一维模型的分析计算,表明了该方法应用于燃速相关性研究是可行的,且具有更好的稳定性;初步建立了的燃速相关性二维模型,考虑了发动机尺寸效应对燃速的影响,并利用试验数据进行了验证,结果表明二维模型有较高的燃速预示精度。可以利用该方法开展燃速相关性分析。     

航空发动机PID神经网络解耦控制

对航空发动机的双变量解耦控制方法进行了研究,提出了一种基于遗传算法的PID神经网络解耦控制算法。该算法将遗传算法用于多层前向神经网络的连接权系数的学习,克服了BP算法易陷入局部权值的缺点,并具有PID神经网络控制器结构简单规范、动态和静态性能良好等优点。     

A neural network approach to pulse radar detection

A multilayer feedforward neural network is applied to pulse compression. The 13-element Barker code and the maximum-length sequences (m-sequences) with lengths 15, 31, and 63 b were used as the signal codes, and four networks were implemented, respectively. In each of these networks, the number of input units was the same as the signal length while the number of hidden units was three and the number of output units was one. In training each of these networks, backpropagation learning was used and the number of training epochs was 500. Using this approach, a more than 40 dB output peak signal-to-sidelobe ratio can be achieved. These fault-tolerant neural networks can provide a robust means for pulse radar detection     

Intelligent feedforward gust alleviation based on neural network

This paper proposes a neural network-based intelligent feedforward gust alleviation framework, which includes a neural network identification model and a neural network controller.A neural network training dataset is formed by collecting flight data and the gust data encountered during the aircraft flight. A neural network identification model is first trained to accurately predict the aircraft’s output. Then, based on the output of the identification model and the collected flight data, the par...