子波分析和ART神经网络在复合材料板冲击定位中的应用

将子波分析和神经网络技术用于复合材料的无损监测,利用子波分析良好的时频特性从强噪声中提取特征信息。并对复合材料受到冲击时的信号进行了实验处理,提出了一种改进的自适应共振理论 (ART)神经网络结构聚类算法。实验结果表明,能实时监测复合材料受到冲击时的冲击位置和冲击大小。     

基于PDM的元器件库模型研究与应用

在分析国内电子企业元器件管理中存在问题的基础上,建立了基于产品数据管理的元器件库模型.重点讨论了模型中的对象模式和元器件的分类管理,提出了新元器件入库申请流程的设计.最后给出了产品设计过程中模型在元器件选用控制方面的工程实例.     

神经网络在飞行器航迹仿真计算中的应用

在飞行器航迹计算中,与插值法存在的缺陷相比,神经网络方法具有显著的优越性。通过对插值法和BP神经网络方法原理和工作过程的详细分析,以及在此基础上针对某飞行器航迹参数的计算实例,比较了线性插值、多项式拟合与神经网络方法的误差,表明神经网络方法具有更好的计算精度。     

应用小波神经网络进行负荷预测的MATLAB编程仿真

以咸阳地区的电力负荷数据为背景,应用小波神经网络进行短期负荷预测工作,并详细介绍了其MATLAB的编程与仿真。利用MATLAB 7.0的神经网络及小波工具箱函数进行编程仿真,不仅编程简洁,而且收敛速度快。因需要大量的训练数据进行训练,介绍了在实际编程时所用技巧。     

神经网络模型在压气机通流特性分析中的应用

为了解决通流特性分析程序中原始模型对压气机性能预测精度不足的问题,提高压气机通流特性分析过程的可靠性,基于对大量多圆弧叶栅的数值模拟结果建立了压气机叶栅性能数据库,并以该数据库为依托,采用神经网络建模方法建立了压气机叶栅基准损失系数和基准落后角模型。结果显示:两模型对叶栅基准损失系数和基准落后角的预测精度均满足工程应用要求,其精度分别为±0.002和±1°。在对采用神经网络模型的通流特性分析程序校验过程中发现,其无论对压气机整机性能还是对流动细节的预测精度上都获得了显著提高,尤其是在主流区。此外从压气机整体特性上看,基准损失系数和基准落后角精度的提高对非设计工况损失系数和落后角的预测精度影响是积极的。      

联合优化的BP神经网络模型的应用研究

BP算法因收敛速度慢、易于陷入局部极小值等缺点，使得对于较大的搜索空间、多峰值和不可微函数常常不能搜索到全局极小点，这些制约了BP网络在各个领域中的应用。本文通过对学习系数、神经元的激励函数及误差函数的联合优化，在一定程度上避免了学习中的局部极小问题，提高了学习效率，改进了网络的性能。     

融合物理的神经网络方法在流场重建中的应用

神经网络融合物理先验知识能极大提高其拟合复杂变量的能力,其中融合神经网络和物理控制方程的物理融合神经网络模型（physical-informed neural network, PINN）,赋予传统神经网络所不具备的先验知识和可解释性。结合课题组对PINN方法的研究和应用,本文介绍了融合N-S方程的PINN神经网络模型预测能力。首先借助三维超声速槽道湍流的直接数值计算数据,耦合神经网络和可压缩N-S方程,应用PINN方法对槽流的瞬时流场的物理量进行预测,并对瞬时量及其统计平均值与DNS对应结果进行对比来验证训练所获PINN模型的可靠性。其次,借助不可压缩圆柱绕流与三维可压缩槽道流动的计算数据,利用PINN模型进行了N-S控制方程待定系数与待定项的重建,结果显示其在重建流场流动信息的同时可逼近方程的待定系数。研究结果证实了PINN方法可为建立流动物理模型提供工具和算法支撑。     

基于灰色GM(1,N)马尔科夫神经网络的民航旅客运输服务投诉预测模型

针对民航旅客服务投诉预防问题,综合使用灰色GM(1,N)预测模型、马尔科夫过程和神经网络方法,提出民航旅客运输服务投诉预测的灰色GM(1,N)马尔科夫神经网络预测模型。该模型包含初步预测、修正、调整三个过程。首先,利用灰色GM(1,N)对历史数据进行预测,得到初步预测结果;然后,针对灰色预测结果往往呈现弱波动无法反映真实数据的强波动性问题,利用马尔科夫模型对预测残差进行修正,得到拟合度更高的预测修正值;在此基础上,针对灰色马尔科夫模型在处理民航旅客服务投诉等复杂非线性数据时存在精度不足问题,进一步引入神经网络模型对预测结果进行调整和优化。实证研究结果表明,相对于仅用灰色预测模型或灰色马尔科夫预测模型,该模型能够较好地捕捉投诉数据的趋势和随机波动性,得到了更加精确的预测结果。     

基于神经网络的飞机轮胎与跑道间结合系数的研究

以实验数据为基础,利用神经网络的BP算法来拟合飞机轮胎与跑道之间的结合系数与滑移率的关系曲线,通过在MATLAB中编程来实现拟合,同时生成一个可以应用到SIMULINK中的模块,为系统建模提供了方便。实验结果表明BP网络能比较好地拟合μ-σ曲线,控制效果较好。     

Elman 回归神经网络在航空发动机故障诊断中的应用

提出了一种基于Elman神经网络的航空发动机故障智能诊断方法。以在某型发动机地面定检状态下实测的数据作为样本数据,建立了航空发动机故障诊断模型,利用该模型成功地对实测发动机参数进行了诊断。研究结果表明:该方法对权值初始值选取、隐含层节点数选取和输入样本规范化处理等不敏感,具有学习速度快、诊断精度高等优点。     

RBF神经网络在电气设备状态评估中的应用

以切比雪夫正交基函数(RBF)神经网络搭配教师模块作为电气设备状态评估的模型,通过对过去序列样本的学习,在考虑影响电气设备状态的各种因素的情况下用教师模块对学习过程进行监督,调整网络的权值,然后识别电气设备状态当前情况。结果表明该神经网络具有良好的识别能力、快速的收敛能力并可以应用于大规模的电气设备状态评估中。     

土地类型分类的人工神经网络方法

:研究了用人工神经网络对航空影像进行土地类型分类的方法 ,用选定窗口的平均值 ,标准差和傅利叶频谱平均值作为神经网络的输入 ,土地类型的标准值为神经网络的输出。将计算出来的未知土地类型标准值与已知土地类型的标准值相比较 ,可以确定出未知的土地类型。     

一种通用神经网络模型及其应用研究

提出了一种新型模拟生物神经网络的性能特征通用人工神经网络模型。该模型含有跨层连接和反馈连接,在这些连接上设有选择性开关,能够控制网络模型做出相应的变换。并给出了相应的学习算法。     

神经网络在经济预测中的应用

阐述了针对BP神经网络在经济预测应用中存在的网络学习速度缓慢、计算量大、网络容易陷入局部极小、学习步长需要通过实验由人工来设置和调整等问题,提出将自组织理论、扩展Kalman滤波、模糊算法、小波理论等与神经网络相结合,构成新的网络结构或改进学习算法,以克服BP神经网络自身不足的思路。     

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.     

人工神经网络在飞机电源系统故障诊断中的应用

分析总结飞机电源系统故障经验后建立故障数据库 ,以该数据库为基础设计实现了一个基于神经网络的飞机电源故障诊断系统。由于诊断网络的权值和结构随着实际的排故结果不断进行更新 ,因此它具有很强的故障诊断能力。经过大量的实际验证 ,该方法故障定位的准确性很高     

神经网络PID算法在BTT导弹度控制中的应用

提出一种基于神经网络PID的控制系统,为缺乏精确数学模型的非线性对象--BTF导弹,提供了一种有效的控制方案.仿真及实验结果表明,该控制方法可实现导弹三通道的解耦控制和输出渐近无差跟踪,可获得满意的控制效果.     

GA-BP神经网络在航空发动机状态监测中的应用研究

针对航空发动机状态监测问题,引入人工神经网络为发动机复杂非线性系统建立精确模型;选择以GA-BP贝叶斯算法作为神经网络训练算法,建立优化设计近似模型;以发动机排气温度的预测为例,构建了一个GA-BP神经网络对航空发动机状态进行预测。结果表明,GA-BP神经网络收敛速度快,泛化能力强,优于标准BP神经网络,因而为航空发动机状态监测提供了一种有效的方法。