AHP方法和BP神经网络在装备保障性评估中的应用

目的介绍了BP神经网络的基本原理，建立装备保障性评估指标体系。方法在系统分析装备保障性的各种影响因素的基础上，设计用于评估装备保障性的神经网络模型，利用AHP方法确定指标的初始权重，并调用MATLAB神经网络工具箱中的GUI对结果进行计算和分析。结果研究表明神经网络具有很强的解决复杂非线性关系问题的特点，适用于对装备保障性的分析和评估。结论BP神经网络评估方法是一种基于非线性系统的预测方法，对装备保障性进行综合评估能够较为准确地提供决策依据。     

基于ANN的FGH96合金热变形行为的模拟电路模型

在锻造领域,多采用数字模型进行工艺设计和过程控制,但数字模型无法完成材料成形过程的实时控制。因此,有必要建立一种适合于实时控制的材料动态流动行为模型,以提高生产效率和锻件质量。通过热模拟试验,对细晶态FGH96合金的高温流动特性进行了研究,用BP（Back Propagation）网络建立了FGH96合金热变形行为的人工神经网络模型,根据电模拟理论,利用模拟电路的快速反应与易于控制等特点,建立了基于ANN的FGH96合金的模拟电路模型。测试结果表明,所建立的ANN模型和模拟电路模型均具有较高的预测精度,能很好地反映材料热成形过程的动态流动行为,可用于材料热成形过程的实时控制。     

基于粒子群神经网络的轮盘优化

将粒子群算法(PSO)和BP神经网络相结合, 构建了一种新型智能结构优化算法.PSO方法除用于结构优化外, 还被用于BP神经网络的构造及网络训练, 使之可自适应调整优化.结构优化中, 以BP神经网络取代有限元方法, 通过设计变量来映射目标函数和约束, 从而大大提高了计算速度.将此方法用于轮盘结构优化, 使得轮盘体积减少了17.5%, 结果通过检验.该方法便捷、高效, 为解决工程结构优化问题提供了一个新途径.      

基于BP神经网络的材料疲劳寿命可靠性仿真

疲劳累积损伤是一个非稳态过程中以遗传算法优化后的三层BP神经网络来真实描述疲劳损伤的复杂关系，并检验了BP网络模型的准确性。考虑到材料疲劳损伤临界值和载荷的分散性，建立了疲劳失效动态准则，运用蒙特卡罗随机抽样法来仿真材料疲劳寿命的可靠性。对调质45号钢在随机载荷和两级载荷作用下，进行疲劳寿命可靠性仿真，与实验结果和理论分析比较吻合。     

基于Workbench 的多级轮盘组件优化设计

为了改善轮盘的性能,基于Workbench与集成的优化软件opt i SLang建立热与结构耦合的多物理场优化平台,对多级轮盘组件进行了减质优化设计。结果表明:优化后各级轮盘应力及变形满足设计要求,子午面应力储备分布均匀,提高了材料的利用率,低压涡轮盘质量共减轻4.45 kg,达到了预期目标。本优化设计平台为基于轮盘子午面的2维优化平台,可用于轮盘方案阶段的设计工作,为建立更为详细的轮盘3维优化平台提供技术储备。     

多目标规划方法在隐身涂层设计中的应用

根据多层吸波层材料电磁波反射系数的传输线理论，通过建立涂层材料的介电及磁性参数数据库、采用多目标规划法，进行各层材料的选择及层厚的优化设计，为多层隐身涂层材料的研制提供强有力的设计工具。该研究开发的软件具有吸波材料参数数据库、全面搜索优化、部分选定优化、特定结构反射系数计算等功能。最大可分5个波段设定不同的设计指标，最大设计层数为6层。     

基于改进BP网络的航空发动机起动过程辨识

利用某型发动机地面试验数据作为学习样本,采用改进BP神经网络的方法,建立了航空发动机起动过程动态模型。利用所建立的模型对起动性能进行了估算,估算结果与试验数据基本相符。结果表明,将改进BP神经网络用于起动模型的辨识是可行的,该模型具有精度高,推广性好的优点。对于用BP神经网络对发动机进行起动性能计算具有一定的理论指导意义和应用价值。     

基于BP神经网络的惯导初始对准误差辨识方法

针对弹道导弹捷联惯导系统初始对准问题,提出一种基于BP神经网络在线辨识初始对准误差的方法。首先设计了初始对准误差辨识总体方案;然后,基于SINS/GPS组合导航系统测量信息,以SINS与GPS之间的位置偏差为输入量,以初始对准误差为输出量,分别采用三输入和六输入的BP神经网络建立位置偏差与初始对准误差参数之间的映射关系,生成BP神经网络结构;最后,设计仿真试验,分别采用三输入BP神经网络、六输入BP神经网络和卡尔曼滤波算法预测初始对准误差参数。仿真结果表明,六输入BP神经网络算法识别精度最好,初始水平姿态角误差小于30″,瞄准方位角误差小于70″。     

基于数据驱动的结构钢表面应力磁巴克豪森噪声表征方法

磁巴克豪森噪声（MBN）技术可用于定量评估铁磁材料的表面应力。当前MBN法应力评估技术存在特征量选取较难、定量预测模型复杂且对标定数据集的拟合精度较低的不足。提出一种数据驱动的非线性映射算法拟合MBN噪声和应力的关系，研究了基于小波包变换系数的时频特征替代统计特征量，减少了样本数据计算量。采用MBN噪声在小波包变换时-频域内的小波包变换系数作为特征向量，利用基于奇异值分解的数据降维算法降低特征向量的维数，将经过数据降维后的特征向量输入反向传播（BP）神经网络进行模型训练以建立预测模型。结果表明：采用基于奇异值分解的数据降维算法可降低模型的复杂度，利用降维后的小波包变换系数特征向量训练BP神经网络可实现铁磁材料表面应力的高精度预测。建立的表征方法有效解决了铁磁构件应力分布成像问题，在预防应力腐蚀、提高疲劳强度等损伤预警方面具有广阔的应用前景。     

磁控形状记忆合金动态建模及仿真研究

磁控形状记忆合金是一种新型功能材料,准确实用的动态模型的建立必然会为其进一步的应用奠定基础.然而由于其变形机理的复杂性,难以从其物理特性出发建模.因此以实验数据为基础,用最小二乘支持向量机回归建立动态模型,可以把磁控形状记忆合金动态建模问题转换为一个非线性小样本函数回归估计问题,并与BP神经网络在估计精度和泛化能力两方面进行了性能对比分析.仿真结果表明,最小二乘支持向量机在精度和泛化功能方面做到了最好的折衷,是用于磁控形状记忆合金回归分析建立其动态模型的一种很有效的方法.     

Robust Design of Supercritical Wing Aerodynamic Optimization Considering Fuselage Interfering

Robust optimization approach for aerodynamic design has been developed and applied to supercritical wing aerodynamic design. The aerodynamic robust optimization design system consists of genetic optimization algorithm, improved back propagation (BP) neural network and deformation grid technology. In this article, the BP neural network has been improved in two major aspects to enhance the training speed and precision. Uniformity sampling is adopted to generate samples which will be used to establish surrogate model. The testing results show that the prediction precision of the improved BP neural network is reliable. On the assumption that the law of Mach number obeys normal distribution, supercritical wing configuration considering fuselage interfering of a certain aerobus has been taken as a typical example, and five design sections and twist angles have been optimized. The results show that the optimized wing, which considers robust design, has better aerodynamic characteristics. What's more, the intensity of shock wave has been reduced.     

基于神经网络和证据融合理论的航空发动机气路故障诊断

为解决航空发动机这一复杂系统的故障诊断问题,提高智能化诊断方法的准确率,使用了改良的D-S证据理论,对基于自组织竞争网络和BP神经网络的2个诊断子系统的诊断结果进行决策级融合。结果显示,经过融合整个系统降低了误诊率,改善了诊断性能。文章还针对噪声干扰的情况,通过调整对于2个子系统的权重,在保证高准确率的同时提高了系统的抗噪声性能。研究结果表明D-S证据理论的使用可以达到比单独运用2个神经网络子系统都要好的诊断效能。     

超临界翼型设计中的多响应代理模型

为考虑超临界翼型设计中代理模型多响应之间的相关性,研究了基于多输出高斯过程回归的代理模型。通过实验数据验证了升力系数、阻力系数及力矩系数之间显著的相关性,建立了超临界翼型设计中的基于多输出高斯过程的多响应代理模型,并与kriging模型、BP和RBF两种人工神经网络模型进行了对比。结果表明,当超临界翼型设计中多输出端口之间存在显著的相关性时,多输出高斯过程相比kriging、BP和RBF能有效显著提高预测精度,并获得更加稳定的预测性能。     

遗传寻优神经网络在平台温控系统建模中的应用

温度直接影响惯性仪表及惯性平台的使用精度,而高精度温控系统的设计依赖于准确的平台加温模型,针对平台系统中多种惯性仪表加温过程复杂度高,当前采用的阶跃响应辨识方法存在模型适应性差、精度不高等情况,且针对基于梯度下降的BP学习算法存在局部收敛的问题.采用基于遗传算法寻优的神经网络辨识的方法,对惯性仪表加温模型进行建模,试验验证通过遗传寻优后的BP神经网络学习算法,提高了网络的学习精度,进而提高了平台系统中惯性仪表加温过程数学模型的精度,模型适应性较高,为后续惯性仪表的加温控制方法的设计提供了必要的条件.     

高空台特种调节阀建模方法对比研究

为了获得准确的轮盘式特种调节阀流量特性模型,提高高空舱进口流量预测精度,提出了基于BP神经网络和NARX网络的建模方法。在对调节阀与传感器测点位置分析的基础上,将调节阀和阀后容腔作为整体进行建模。对比研究了流量系数、静态BP神经网络以及基于Gamma Test的动态NARX网络建模方法,并给出了工程中选取建模方法的建议。以试验流量数据为基准,仿真对比了不同阀门开度变化时,各模型输出流量的稳态误差和动态误差。结果表明,BP神经网络方法和NARX网络方法建模精度要优于流量系数法。同时,BP神经网络模型最大稳态误差为0.52kg/s,优于NARX网络模型和流量系数模型。NARX网络模型的最大动态误差为2.04kg/s,相比于BP神经网络模型和流量系数模型,能够更准确地反映流量的动态特性。     

嵌入式飞行参数传感系统的神经网络算法

对使用BP网络来代替嵌入式飞行数据传感(FADS)系统的空气动力学模型进行了研究。针对FADS系统的特点设计了一个具有双隐含层的BP网络模型并详细推导出了它的快速算法。文中不仅设计了数据集的产生方法,而且对数据集的划分进行了探讨。试验结果显示,动静压的平均绝对误差均在130Pa以内,可以满足FADS系统的设计要求。     

BP神经网络在航空复合材料敲击检测中的应用

随着航空复合材料运用越来越广泛,其本身缺陷造成的事故也愈来愈多.提出一种利用敲击检测和BP神经网络的航空复合材料无损检测方法.首先运用敲击检测采集数据;然后运用平均值法和方差法来对数据进行修正;最后借助MATLAB软件进行BP神经网络数据分析,在训练数据4 000组、测试数据20组时,准确率可达90%.实例验证结果表明,基于BP神经网络的敲击检测方法可以实现航空复合材料缺陷的有效检测.     

嵌入式大气数据传感系统的改进算法

简要介绍了嵌入式大气数据传感系统及其空气动力学模型,提出了求解动、静压和修正参数的改进算法.改进算法首先应用Moore-Penrose广义逆矩阵对非线性方程组进行简化.然后采用改进迭代算法和BP神经网络求解动、静压和修正系数.改进算法在精度、可靠性和实时性上都能满足系统的要求.应用BP神经网络,达到系统要求的精度所需要的计算时间只相当于原有算法的5%,具有更大的实时性优势.     

SVM在气体减压器稳定性能中的应用

使用支持向量机(SVM)研究涡轮气封减压试验系统中高压卸荷膜片式减压器的稳定性问题,主要集中于以往方法不易涉及的多结构参数变化.针对稀疏易有残缺的小样本空间,与BP(back propagation)神经网络模型进行对比,得出SVM方法在所研究数据集上的一些结论:SVM模型预测性能在多结构参数变化情形下优于BP神经网络模型,预测误差平均降低了25.5%;SVM的泛化性好于BP;在双参数、三参数情形下,SVM模型为气体减压器的设计提供了更好的决策支持,给出了优化结构参数的设计建议.      

军用装备采购费用评估中的神经网络模型

在BP神经网络理论指导的基础上,从影响装备采购费用的因素出发,根据BP神经网络的多层结构,运用反向传播算法(BP算法)构建战斗机采购费用BP网络模型;同时,运用BP网络模型对已知采购价格的5种类型军事装备进行了采购费用估算和MATLAB仿真,取得了比较满意的结果,达到了提高装备采购费用的预测速度和精度的目的,显现了BP神经网络方法的优点,为军用装备采购价格的预测提供了一种新的有效的方法。