基于BP神经网络的翼型空气动力系数预测

本文介绍了BP神经网络的基本原理,建立了面向BP神经网络预测模型,对翼型的升力系数和阻力系数进行预测,并与风洞试验数据对比分析。结果表明,神经网络的预测精度很高,与试验数据的误差是可以接受的,验证了BP神经网络预测空气动力系数的可行性。     

不同对接速度下软式加油管锥套运动特性数值模拟研究

采用CFD数值模拟的手段,模拟了飞机在不同对接速度下加油锥套的运动情况。空间离散采用了Osher格式,紊流模型采用了S-A一方程紊流模型,动网格采用了适合柔性变形的基于Delauney图的动网格技术,运用"刚杆-球铰"模型离散方法对软管锥套系统进行建模,建立了软管多体系统模型并得到其运动控制方程。计算结果表明,不同的对接速度对锥套的运动有较大的影响,低于3m/s时,锥套向上飘移并且伴有周期性摆动;当以3m/s速度进行对接时,加油锥套存在向上移动,飘移距离在0.6m左右,但周期性的振荡表现较小。本文的结果为该类飞机加油的对接速度提供参考。     

空中加油机加油软管锥套气动稳定性风洞试验技术

软式加油方式中加油软管锥套受气流影响会发生气动不稳定现象,严重影响空中加/受油的成功率和安全性,其中加油机的尾流场是影响软管锥套稳定性的主要因素。本文研究了空中加油机加油软管锥套的气动稳定性风洞试验方法,建立并分析了相似准则,给出了双目系统测量软管锥套位移的具体方法,利用自动舵机实现了加油软管自动收放,形成了完整的加油软管锥套气动稳定性风洞试验技术,并将其应用于某型加油机加油吊舱、中心线平台等部件的选型优化。结果表明,该试验技术能有效模拟处于加油机尾流场下的软管锥套收放过程和固定管长时的气动稳定性,试验获得的锥套下沉量和振动幅值明确了不同加油吊舱、中心线平台构型的优劣性,能够为加油机关键加油部件选型优化及飞行试验提供可靠的试验数据。     

BP神经网络在元器件贮存可靠性参数预测中的应用

元器件贮存可靠性受多个非线性因素的影响。时间序列预测实质是实现一个非线性映射。应用BP神经网络模型对某元器件贮存可靠性性能参数时间序列进行了预测,仿真表明BP神经网络预测模型有较高的精度。     

动量环式主动增稳加油锥套建模与飘摆抑制

空中加油软管-锥套受大气紊流等干扰产生飘摆运动,加大了对接过程的不确定性和危险性。创新设计了一种自旋动量环式主动增稳加油锥套,在锥杯处集成一对偏置动量环实现飘摆抑制,避免传统翼舵式锥套回收时舵面与加油机吊舱口撞击风险。基于拉格朗日方程建立了考虑动量环旋转的多级串连单摆系软管-锥套系统运动模型,分析了阵风及大气紊流干扰对锥套飘摆运动特性的影响,提出了基于动量环控制的飘摆抑制方法,仿真表明该方法能够有效缩短阵风干扰下锥套收敛至稳态位置的时间,减小大气紊流干扰下锥套飘摆幅度,削弱高频动态响应。     

基于BP神经网络的航班需求预测模型

航班需求预测是航空公司收益管理的关键技术。BP神经网络用大量的历史数据进行学习,能够记忆复杂的历史订座规律和销售趋势,提出了一种基于BP神经网络的航班需求预测模型。通过对历史数据进行主成分分析获得该模型,用一元回归法和相关系数法对训练质量进行评估,对模型作了置信区间分析。将该模型与增量法、回归法进行了对比,具有在线预测速度快、预测精度相对较高等优点。     

基于改进的BP算法在飞机压力加油系统中的仿真与应用

将一种改进了的BP神经网络算法应用于飞机压力加油系统容错控制中,进行了仿真和实验,并对仿真结果进行了分析,仿真结果表明,加入BP算法以后的压力加油控制律大大缩短了加油时间,并且提高了压力加油的控制精度,此项研究为开发基于神经网络的飞机燃油故障诊断专家系统奠定基础。     

CamShift在加油锥套识别跟踪中的应用

针对插头锥套式自主空中加油过程中加油锥套的识别跟踪问题,提出了一种基于Cam Shift的视觉识别跟踪算法。选取加油锥套跟踪视觉特征,将RGB空间图像转换到HSV色彩空间,并采用自适应阈值算法分割图像。运用最小二乘椭圆拟合算法解算锥套在图像中的中心点坐标;根据目标像素位置变换速度,对Mean Shift算法的目标搜索窗宽进行自适应修正;定义基于巴氏系数的阈值函数,处理锥套被遮挡的情况;将VC与Open CV相结合,设计了加油锥套视觉跟踪软件,对锥套位置进行实时解算和显示。试验结果表明,该算法可达到毫米级精度,满足自主空中加油视觉导航的技术要求。     

固体废弃物热解产物的神经网络预测模型

本文采用3层BP神经网络建立了固体废弃物热解产物的产率和特性的预测模型。采用遗传BP算法来优化隐层节点数和学习速率η0与回归方法相比，其预测误差明显小于回归公式的预测误差。     

基于BP神经网络的机场安检旅客流量预测模型

机场安检服务资源智能分配及调度是提高机场旅客服务水平及运营效率的有效途径之一,而准确的机场安检旅客流量预测则是实现机场安检服务资源动态分配及调度的前提。以天津机场安检旅客流量的历史数据为研究对象,利用BP神经网络算法建立机场安检旅客流量预测模型,并将该预测模型通过天津机场实际旅客流量进行验证。结果表明:该基于BP神经网络的机场安检旅客流量预测模型的预测精度可达90%以上,证明其具有较高的预测精度,能很好地应用到机场安检流量预测中,为机场运营者动态调度安检服务资源提供高效的解决方案。     

基于损伤检测的飞机结构腐蚀损伤预测方法对比研究

针对飞机结构材料易腐蚀特点,采用 BP 神经网络算法、数据拟合方法、指数平滑预测三种方法,对飞机铝合金结构腐蚀损伤进行预测对比分析。预测结果及其误差以及对比分析图表明,BP 神经网络算法所构建的网络预测模型对一定腐蚀周期内的腐蚀损伤有较好预测能力,指数平滑预测方法和幂函数数据拟合方法对一定腐蚀周期之外的腐蚀损伤预测有较好的外延性。     

基于改进BP神经网络的飞行落地剩油预测方法

针对落地剩油的监测方法有限、监控效率低等问题,提出了一种基于改进BP神经网络的飞行落地剩油预测方法。首先,采用相关性分析以及主成分分析方法简化模型,将飞行前可获得的19个参数转化为8个主成分;然后,考虑到BP神经网络存在收敛速度慢、易陷入局部极小值等问题,将遗传算法(GA)与BP神经网络相结合,构建GA-BP落地剩油量预测模型。仿真结果表明,该模型预测准确度超过95%,与传统BP神经网络相比,最大相对误差下降了5.08%,平均相对误差下降了0.79%,提高了落地剩油预测的精度和稳定性,为合理管控飞机燃油工作提供了理论依据和技术支持。     

基于DOA-BP神经网络的电离层TEC短期预测

影响全球导航卫星系统（GNSS）所需导航性能（RNP）的最大误差源之一是电离层延迟,该延迟与电离层总电子含量（TEC）成正比,因此TEC的准确预测直接影响到GNSS的RNP。探索性地使用2021年提出的澳洲野犬优化算法（DOA）优化反向传播（BP）神经网络,构建DOA-BP神经网络TEC短期预测模型,以欧洲定轨中心（CODE）提供的电离层TEC值作为数据集,训练、测试DOA-BP TEC短期预测模型,实现全球范围和中国区域不同电离层格网点处TEC值的高精度短期预测,并将预测结果分别与传统BP神经网络模型、麻雀搜索算法（SSA）优化的BP神经网络模型（SSA-BP）预测的TEC值进行对比分析,结果表明,相较传统BP模型,DOA-BP模型的TEC预测精度明显提高,且相比其他优化模型（如SSA-BP模型）,预测的TEC精度也占一定优势,能准确反映全球不同时空下电离层TEC的变化特征,可作为电离层TEC短期预测的一种新方法。     

支持向量机的B737飞机水平尾翼裂纹故障预测

为保障飞机的飞行安全,做到预防性维修,提升飞机的飞行安全及任务出勤率,需要对飞机结构出现的疲劳裂纹进行及时检测并修理。基于支持向量机理论,建立了支持向量机回归预测模型,并应用该模型对B737飞机水平尾翼健康信息的特征值(小波包分解系数提取的能量)进行了故障预测研究。为建立最佳支持向量机模型,选用了支持向量机四种常用的核函数分别对特征值进行了预测。同时还对支持向量机预测模型与神经网络预测模型(BP神经网络预测模型)的预测结果进行了比较与分析,研究表明,应用支持向量机所设计的预测模型准确率比较高,可以较好地对飞机水平尾翼的裂纹故障进行预测。     

基于神经网络的故障率预测方法

 为了更好地预测产品故障率,提出了基于神经网络的故障率预测方法,分别给出了基于反向传播(BP)网络和径向基函数(RBF)网络进行故障率预测的基本思想、预测模型和实施步骤。分别对比分析了神经网络法与回归分析法、分解分析法、移动平均法、指数平滑法、自适应过滤法、自回归移动平均混合(ARMA)模型等统计预测方法的区别,对照故障率的特点,说明了神经网络法是其中最适用于故障率预测的统计方法。最后分别按这两种模型对某航空公司波音飞机故障率进行了预测,预测结果表明：这两种模型均适用于故障率预测,预测值与真实值的误差在20%之内,且RBF网络的预测效果略优于BP网络,此外通过与上述统计预测法的误差进行对比,说明神经网络法预测误差最小。     

空中加油对接过程的动力学建模与仿真

空中加油的成功与否主要依赖于加油锥套与受油插头的顺利对接,对对接过程中产生的动力学行为的研究是实现顺利对接的前提。利用多刚体系统动力学建立对接过程的动力学模型,求解出加油锥套与受油装置间的广义速度;并依据建立的接触动力学模型,得到局部接触点间的相对速度。基于非线性连续碰撞理论,提出对接过程中碰撞力的计算方法,并在机械系统动力学仿真软件ADAMS的环境下,构建加油锥套和受油装置的对接虚拟样机。通过对虚拟样机的动力学仿真,得到了对接过程中的碰撞力及速度响应曲线,同时,得出能够实现成功对接时各参数的具体范围。结果表明,制约对接成功的主要参数是初始相对速度、加油锥套的俯仰角和相对偏距。该研究对空中加油的对接和受油机的导航控制具有重要的意义。     

多因素影响下舰载机备件需求的组合预测

舰载机列装时间较短,备件的样本数据较小,而且保障中受起落次数、飞行强度、海洋恶劣环境等因素影响较大。针对舰载机这一系列保障特点,选用了对多因素影响的小样本有较好预测效果的 BP神经网络、GM(1,N)预测模型和 SVM回归预测模型 3种预测方法,建立基于 IOWA算子的组合预测模型,以误差平方和为准则对数据进行分析,并利用 Matlab工具箱进行优化计算,从而得出最优组合预测结果。实例分析结果验证了该组合预测模型 的科学性和优越性。     

基于支持向量回归的机场旅客吞吐量预测

在分析现有机场旅客吞吐量预测方法不足的基础上,利用基于结构风险最小化原则的支持向量回归方法,建立了机场旅客吞吐量预测模型。通过实际数据的检验及与BP神经网络等方法的预测结果比较,证明应用支持向量回归方法对机场旅客吞吐量进行预测具备可行性,同时具有较高的预测精度。     

Al-Cu-Mg-Ag合金强度性能的支持向量回归预测

为了研究不同时效工艺下Al-Cu-Mg-Ag合金强度性能,根据实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了SVR预测模型.模型以Al-Cu-Mg-Ag合金时效温度与时效时间为输入,合金的抗拉强度、屈服强度为输出.经过与BP神经网络模型进行比较,结果表明:对于相同的训练样本和检验样本,支持向量回归模型比BP神经网络模型具有更高的预测精度.     

大气紊流对空中加油软管锥套运动的影响

为研究大气紊流对软管锥套运动的影响,将空中加油软管质点离散化,从软管、稳定伞空间受力出发,建立了软管锥套的动力学模型,并对其运动进行了仿真计算和分析。仿真结果表明,在晴空大气紊流作用下,锥套会产生高频振荡。高度一定时,大气紊流对软管锥套运动的影响随加油机速度的增大而减小;真速一定,加油机高度小于11 km时,锥套运动幅值和高度没有单一的线性关系,当高度大于11 km后,锥套运动幅值随高度的增加而减小;表速一定时,大气紊流对软管锥套运动的影响随加油机高度的增大而减小。