使用BP神经网络模型研究逆向卸荷膜片式减压器的稳定性能

采用数据挖掘中BP(back propagation)神经网络模型来研究逆向卸荷膜片式减压器的结构参数与稳定性能之间的依赖关系,得到结构参数变化,尤其是多结构参数耦合变化下减压器的稳定性结果.其中稳定性对阻尼孔直径、膜片刚度非常敏感,对弹性元件材料的阻尼系数、低压腔有效长度较为灵敏.由此提出减弱振荡的各种措施:增大阻尼孔直径、增大膜片刚度、在一定范围(标准值的6.5倍)内增大弹性元件材料的阻尼系数、增大低压腔有效长度、减小阀芯质量.数值实验误差分析表明:该模型不存在过拟合、局部最优的情况,其预测结果是可靠的,可为减压器的设计和系统分析提供决策支持.而且,该模型对不同类型的数据集具有通用性,可以用来研究其他部件的结构参数与性能指标的依赖关系.      

一种研究逆向卸荷膜片式减压器稳定性的BP神经网络改进算法

为更好地研究多结构参数耦合变化下减压器PPR(pressure reducing regulator)的稳定性,使用BFGS (Broyden-Fletcher-Goldfarb-Shanno)拟牛顿法替换梯度下降法,实现了基于Wolfe条件的一维线搜索变步长BP(back propagation)算法.结果表明:改进的BP算法使迭代次数减少了1~2个数量级,且易于收敛到最小点.该算法用于逆向卸荷膜片式减压器时,能适应2~3个结构参数的耦合,可预测大于106个数据点的数据集.多结构参数同时变化时,更容易找到使得减压器稳定的结构参数组合.更重要的是这些结构参数同时变化时减压器的稳定性比仅其中一个参数变化时更好.      

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.     

基于BP神经网络的复合材料失效分析

创建了基于BP神经网络方法预测复合材料在复杂应力状态下的失效模型.依据现有的试验数据,建立了基于BP神经网络的数学模型,并给出了网络在多次训练的统计性评价参数.以及单次样本泛化性能的评价参数,并利用这些参数实现了网络的结构优化和训练优化,得到了比较精确的网络模型,成功预测了复合材料的失效数据,拓宽了计算复合材料失效的范围,同时可以对复合材料的失效分析和试验设计进行指导.     

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。     

利用试验设计法建立翼型气动特性的人工神经网络模型

建立了翼型气动特性预测的BP(Back Propagation)神经网络模型,重点研究了3种选取训练样本的试验设计(DOE)法:完全析因法、正交设计法和均匀设计法,对BP神经网络预测精度的影响,利用所建立的BP神经网络对FX63-137翼型几何型线进行了优化设计。研究结果表明:在因素数和水平数较少时,完全析因法、正交设计法及均匀设计法的平均测试误差分别为0.002%、0.029%、0.023%;在因素和水平数较多时,完全析因法的样本规模太大而不再适合,正交设计法和均匀设计法的平均测试误差分别为0.42%和0.15%,均匀设计法的预测精度更高,更适合于翼型气动特性预测的人工神经网络模型。优化后翼型的升阻比在迎角为0°~18°范围内均高于原始翼型,在迎角为1°、4°和15°时升阻比分别提高了4.38%、1.38%和5.51%。该研究方法及成果可以应用于翼型的多参数优化设计。     

工程翼型气动特性数据挖掘与建模

以伊利诺伊大学香槟分校UIUC的工程翼型库为研究对象,首先通过几何数据直接对比以及基于型函数/类函数变换(CST)的参数化方法实现了重复翼型和数据异常翼型的清洗;接着,对CST参数的取值分布规律进行分析发现其近似呈正态分布,对CST参数之间的关联规律进行挖掘得到翼型参数之间的相关性,并对CST参数进行聚类分析,其结果基本与工程翼型的分类一致;进一步,采用级差分析方法、SOM自组织映射方法和Apriori方法分析了CST参数与典型工况翼型气动特性之间的关系.其中,级差分析方法给出了各CST参数对气动特性影响的显著程度,SOM和Apriori方法则分析了CST参数和气动特性之间的相关性;最后,分别使用支持向量机(SVM)和深度神经网络(DNN)构建了CST参数与典型工况下气动特性之间的预测模型,在拟合和泛化能力方面,深度神经网络模型明显优于SVM模型.本文所得到的数据挖掘及建模结果可为工程翼型气动特性分析与设计提供支撑.     

基于模糊信息粒化和优化SVM的航空发动机性能趋势预测

提出采用模糊信息粒化(FIG)和优化的支持向量机(SVM)来预测航空发动机参数的变化趋势和变化空间。利用模糊信息粒化方法对性能参数进行粒化处理。以K CV验证误差最小作为优化目标,采用遗传算法(GA)实现支持向量机惩罚参数和核函数参数的自适应优化选择;训练SVM模型并进行并对模糊粒子非线性预测。利用某航空公司的某型航空发动机性能参数监测数据进行验证,结果表明:该算法可以有效实现航空发动机性能参数变化趋势和变化空间预测。在实例基础上分析了窗口大小对算法预测精度的影响以及算法多步预测的效果,得出算法最佳窗口大小为3个数据且算法3步以内预测误差小于10%。      

基于BP神经网络的熔模铸件收缩率预测研究

针对熔模铸件模具型腔设计中存在收缩率赋值不准确导致多次修模的问题,作为初期研究,提出一种典型结构在凝固过程中收缩率的预测方法,为铸件收缩率预测提供一种思路。由于BP神经网络具有强大的容错性和鲁棒性,故基于BP神经网络构建依附于铸件结构的几何参数和收缩率之间的映射模型。由于BP神经网络隐含层神经元尚无针对不同案例的设计准则,因此,在映射模型建立时研究隐含层神经元个数对建模准确度的影响。结果表明,针对此典型结构铸件,当隐含层神经元个数为3时,映射模型的预测误差最小,此时,测试样本的预测和实测值收缩率平均偏差为0.09%,可较好地实现凝固过程收缩率预测。     

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。     

基于改进PSO-SVM参数优化的发动机起动过程辨识

针对影响支持向量机辨识性能的核函数及相关参数,找出使辨识结果最佳的核函数;结合两种措施改进粒子群算法,优化相关参数,选择最佳的参数组合.对比 BP 神经网络和支持向量机对发动机起动过程的辨识结果,得到支持向量机的辨识精度和收敛时间优于 BP 神经网络,与起动数据基本一致.在训练样本存在噪声的情况下,验证了所建辨识模型具...     

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。     

基于遗传算法与神经网络微电阻点焊工艺参数优化

文摘微电阻点焊工艺参数的设置对焊点力学性能有着至关重要的作用,通过正交试验极差分析研究了工艺参数对0.05 mm厚TC1箔材焊点剪切力和剥离力的影响程度。通过赋予剪切力和剥离力相应的权值将双优化目标转化为单一的混合优化目标,结合神经网络与遗传算法,对工艺参数进行了优化,建立了基于BP神经网络的焊点力学性能预测模型。结果表明预测模型的误差小于4%,预测模型具有较高的精度和预测能力,可以准确地预测焊点的力学性能。同时通过gatool工具箱对各项工艺参数进行了优化,获得焊接参数的最优组合:焊接电流800 A、电极压力8.89 N、爬坡时间1.608 ms、焊接时间8 ms,混合优化目标为55.73 N。通过与正交试验优化结果对比,遗传算法寻优可以获得更好的综合力学性能。     

Dynamic modeling and simulation of a pressurized system used in flight vehicle

For a typical pressurized system with a novel dual-stage gas pressure reducing regulator, a system model is established with modular models of various typical components. The simulation study on the whole working period shows that the general trends and magnitudes of simulation curves are in agreement with experimental measured curves. As the key component in the pressurized system, the regulator is studied by a series of numerical simulations to reveal the influences of various structure parameters on its stability. Furthermore, the variable ranges which can guarantee the stability of regulator and system are obtained to provide guidance for design. The modeling and analysis approach can be applied to other systems and components.     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

材料设计中的BP神经网络技术

论述了BP神经网络在材料设计中的应用技术、现状和发展趋势。根据材料设计的要求，建立用于材料设计的模型，并对模型建立与参数选择进行了分析，为BP网络用于材料设计提供了依据，为材料性能的设计与优化提供了有效途径。     

基于替代模型的高超声速前体/进气道一体化优化

采用基于替代模型的渐进优化策略对二维高超声速前体/进气道进行一体化设计优化,采用拉丁超立方试验设计法选择样本点,采用二维粘性CFD方法计算进气道流场来建立样本数据库,综合运用了多项式响应面、Kriging模型、BP神经网络和径向基神经网络等替代模型.相对于基准构型,前体/进气道的优化构型在设计态时提高了流量捕获与来流压缩能力,提高了总压恢复性能,同时减小了阻力系数,综合性能提高了5.3%;在非设计态时优化构型的综合性能也有不同程度的改善.