基于BP神经网络的飞机维护费用估算模型研究

前向反馈(Back Propagation,简称BP)网络通常是指基于误差反向传播算法(BP算法)的多层前向神经网络.目前,在人工神经网络的实际应用中,绝大部分的神经网络模型是采用BP网络或它的变化形式,它也是前向网络的核心部分,体现了人工神经网络最精华的部分.     

基于神经网络和模糊逻辑的航空发动机状态监视

设计了基于神经网络和模糊逻辑的航空发动机状态监视系统,它包含数据有效性检查和发动机健康评估.系统利用BP(back propagation)神经网络对发动机进行数据有效性检查,根据发动机的状态确定测量参数的有效边界以检测发动机的测量参数是否超限;利用模糊逻辑对发动机健康状况进行实时的评估,监控发动机因性能蜕化引起的异常.通过对某型涡扇发动机仿真,验证了基于神经网络和模糊逻辑的状态监视系统的有效性.      

基于小波和模糊神经网络的涡喷发动机故障诊断

提出了一种基于小波和模糊神经网络的涡喷发动机故障诊断方法。即利用小波变换获取特征域，取特征域上的峰值因子、脉冲因子、裕度因子、偏态因子、峭度因子及频谱最大值作为神经网络的输入，并对神经网络的输入、输出进行模糊化处理，以神经网络进行诊断。将该方法成功地应用于某型涡喷发动机的故障诊断，结果表明，该方法诊断效果明显。     

模糊神经网络在过失速机动飞行中的应用

模糊逻辑控制技术和神经网络有机的结合 ,拓宽了模糊逻辑方法和神经网络方法的适用领域。利用神经网络具有自学习能力的优势 ,采用反向传播学习算法 ,通过对传统模糊逻辑控制器中的模糊逻辑控制规则和隶属函数有关参数进行训练学习 ,设计了模糊神经网络控制器 ,应用于飞机的过失速机动“里程碑”之一—— 70°迎角定常飞行仿真计算 ,获得了令人满意的结果。     

基于人工神经网络的手写体数字识别方法

数字识别是人工神经网络中的一项基本又重要的应用研究领域。为此提出了一种用简单BP神经网络识别手写体数字的方法。利用BP神经网络的良好监督学习功能,并结合提取的降维数字字符图像的灰度特征进行网络训练,提出了一种基于统计特征分类的手写体数字识别方法。实验结果表明,该方法简单且有较好的识别效果。     

基于过程神经网络的航空发动机排气温度预测

从泛函分析的角度出发,将航空发动机排气温度预测问题转换为一种泛函逼近问题.利用过程神经网络对任意连续泛函的逼近能力,提出了一种基于过程神经网络的航空发动机排气温度预测方法.为克服过程神经网络学习速度慢的问题,为其开发了一种基于正交基函数展开的Levenberg-Marquardt学习算法.将所提出的预测方法应用到某型航空发动机的排气温度预测中,取得了满意的结果.      

弹道导弹飞行时间的BP神经网络控制方法

时间协同攻击是提高弹道导弹突防能力和作战效能的一种重要手段。由于发动机推力偏差等干扰因素造成导弹的飞行时间偏差较大,为精确控制弹道导弹的飞行时间,运用BP神经网络算法,建立了一种适用于较大飞行时间偏差修正的飞行时间调控模型。该模型用视加速度偏差表征推力偏差等干扰的影响,根据视加速度偏差调整导弹飞行中某一时段的程序角来实现对飞行时间的精确控制。由BP神经网络建立满足飞行时间偏差要求下视加速度与飞行程序角速率、转弯结束时间之间的映射关系。导弹实际飞行时,根据实际视加速度,由BP神经网络在线计算出飞行程序角速率及转弯结束时间,使导弹在干扰条件下仍以预定飞行时间到达目标。最后,通过仿真验证了该模型的有效性和可行性。     

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.      

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。     

基于BP神经网络的飞行训练品质评估

为了弥补现有飞行训练品质评估系统存在的不足,本文提出利用飞行员生理信号和飞行操作参数来构建评估指标体系。建立了基于BP神经网络的飞行员飞行训练品质评估模型,通过已完成训练的网络的权值分布计算出各输入指标对最后评分结果的影响,并通过算例分析检验了该模型的可靠性。检验结果表明:经BP神经网络模型训练得到的结果和样本的专家评分基本吻合,选取的评价指标有效,该评估模型能够有效地将飞行员生理信号与飞行训练参数相结合,对飞行员的飞行训练品质进行评价。     

Lift coefficient prediction at high angle of attack using recurrent neural network

In this paper, identification of dynamic stall effect of rotor blade is considered. Recurrent Neural Networks have the ability to identify the nonlinear dynamical systems from training data. This paper describes the use of recurrent neural networks for predicting the coefficient of lift (C_Z) at high angle of attack. In our approach, the coefficient of lift (C_Z) obtained from the experimental results (wind tunnel data) at different mean angle of attack θ_mean is used to train the recurrent neural network. Then the recurrent neural network prediction is compared with experimental ONERA OA212 airfoil data. The time and space complexity required to predict C_Z in the proposed method is less and it is easy to incorporate in any commercially available rotor code.