改进的RBF神经网络在翼梢小翼优化设计中的应用

为了提高径向基函数(RBF)神经网络模型的预测精度,在其基础上提出了一种自适应RBF神经网络模型。该预测模型在RBF神经网络模型表达式中引入自适应向量(向量维数与样本点自变量维数相同),采用优化搜索方式确定自适应向量值,从而提高模型预测的准确度和普适性。与其他RBF神经网络模型的改进相比,本文直接从改变基函数的形式入手,使用较少的参数优化达到对网络模型的自适应构造;该方法本质上改变了基函数网络中心与宽度对网络模型预测的作用以及样本点自变量向量的各个维对因变量的影响度,其对目标问题具有自适应性。将本文的自适应RBF神经网络模型应用在基于机身+机翼+翼梢小翼模型的翼梢小翼优化设计中,在约束弯矩的情况下进行巡航减阻优化设计,设计结果验证了该预测模型的可行性,表明其具有一定的工程实用价值。     

基于IGA算法优化的RBF神经网络应用

提出了一种基于改进遗传算法(Improved Genetic Algorithm,IGA)优化的径向基函数(RBF)神经网络,将实数编码的自适应交叉和变异操作的遗传算法与梯度下降法混合交互运算,作为RBF网络的学习算法,并应用于非线性函数的逼近和导弹故障模式的识别问题。仿真结果表明,基于IGA算法的RBF神经网络不仅结构简单,而且具有较好的网络泛化性能。     

iSIGHT优化方法在涡轮叶片冷却设计中的应用

针对现有航空发动机涡轮叶片内冷结构的快速改进,在对叶片冷却设计方法集成的基础上,建立了一类冷却叶片的优化模型,并成功将该优化模型应用在航空发动机涡轮叶片设计中。结果表明,在相同冷却空气用量下,叶片表面最高温度降低了72.4℃,叶片温差减小了110.4℃,优化效果明显。同时,将近似技术成功应用到叶片优化设计中,提高了任务分析效率,为现有发动机涡轮叶片快速改进提供了一种有效手段。     

智能优化算法在飞机总体设计中的应用

飞机总体设计在飞机的整个设计过程中是非常关键的步骤,在这个过程中,飞机的总体布局和许多重要参数都被确定下来。但是,飞机的总体设计又是一个复杂和艰难的过程,因为涉及到大型系统的有约束的非线性优化问题,用传统优化方法很难得到满意的结果。本文采用了近年来发展很快的几种智能优化算法--遗传算法、模拟退火算法、禁忌搜索算法、Hopfield神经网络算法解决飞机总体设计优化问题,阐述了各算法的关键步骤及运行过程,并编写了相应的计算程序。通过对各种算法的结果进行比较和讨论,最后的结论是：模拟退火算法最适合求解这类复杂的约束非线性优化问题,禁忌搜索算法和遗传算法次之,Hopfield神经网络算法效果最差,容易陷入局部最优解。     

基于RBF网络辨识的航空发动机模糊神经网络解耦控制

对航空发动机的多变量解耦控制方法进行了研究,提出了一种基于RBF网络辨识的航空发动机模糊神经网络解耦控制方法。该方法利用RBF网络辨识航空发动机的实时模型,为模糊神经网络控制器参数的调整提供了Jacobian信息,解决了模糊神经网络自适应控制器在被控对象不能精确建模情况下应用的问题。仿真结果表明,系统鲁棒性强．在设计点和偏离设计点处,均具有良好的动态特性和解耦特性。     

结构可靠性定寿模型及其在航空动力结构中的应用

本文以安全寿命定寿，以损伤容限保障安全，发展了结构可靠性定寿模型，给出了确定结构首翻期和检修周期公式；还给出了该模型应用于航空发动机动力构件疲劳定寿的实例     

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RBF神经网络的货运量预测模型

利用RBF神经网络进行了货运量预测.经过对预测结果的检验和分析,证明了RBF神经网络在货运量预测中效果较好,而且就具体网络训练而言,RBF神经网络的预测精度和训练速度均较BP神经网路优越,具有较大的计算优势.     

基于改进的灰色RBF模型的初始备件预测研究

针对初始备件故障规律不稳定和历史消耗数据少的特点,将遗传算法、GM（1,1）模型和RBF神经网络有机结合．提出了改进的灰色RBF预测模型。该模型利用遗传算法对GM（1,1）模型参数进行动态寻优,并利用RBF网络对预测值进行残差修正。最后,通过采集新机部队某初始备件上半年的消耗数据,对该模型进行了实例仿真。结果表明：改进...     

基于RBF网络的航空装备维修保障能力评估

维修保障能力评估工作是航空装备全系统全寿命管理的一项重要内容.科学精确的维修保障能力评估方法是实现航空装备精确化保障的基础,对促进航空装备的信息化建设具有重要的意义.首先建立了航空装备维修保障能力评估指标体系,确定了关键要素指标,然后建立了基于RBF神经网络的航空装备维修保障能力评估模型,仿真结果验证了该方法的有效性.     

基于模糊径向基函数神经网络的永磁同步电机滑模观测器设计

针对传统滑模控制易导致系统出现抖振的问题,提出了一种模糊径向基函数(RBF)神经网络滑模观测器来实现永磁同步电机(PMSM)无传感器控制。为了减小观测器系统抖振,利用模糊RBF神经网络算法动态调整滑模增益,并采用李雅普诺夫稳定性定理证明了该模糊神经网络观测器的稳定性;利用锁相环(PLL)技术提高估算精度,并削弱计算噪声。基于MATLAB/Simulink软件平台搭建了仿真模型,将模糊RBF神经网络滑模观测器系统与传统滑模观测系统进行对比。结果表明,与传统的滑模观测器相比,新型滑模观测器能够快速、有效地跟踪转子位置,精确估算出转子速度,同时具有较好的动态特性。     

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。     

基于RBF神经网络的飞参数据预处理

由于存在干扰,飞参系统记录的发动机参数中,经常会有不少间断点和奇异值.为了利用数据对发动机性能趋势进行预测,必须对数据进行预处理.发动机作为一个系统,其各主要输入和输出参数之间必然存在着一定的函数关系.本文研究了利用RBF神经网络和参数之间的关系对数据进行预处理,得到了较为正常的数据,结果表明该方法是有效的.     

PSO-RBF神经网络在舵机系统故障诊断中的应用

文章建立了基于RBF神经网络的故障观测器模型,提出了一种将粒子群优化算法(PSO)与正则化正交最小二乘法(ROLS)相结合的2级RBF学习方法,并将该RBF网络观测器应用于导弹舵机系统的故障诊断.实验结果表明,基于该RBF神经网络的故障观测器能够有效地实现导弹舵机系统的故障检测.     

基于RBF神经网络的数字模式识别方法

在介绍径向基函数神经网络基本原理的基础上,讨论了基于 RBF 的数字模式识别的设计及其原则,包括识别数字网络模型结构、最近聚类学习算法等问题。     

相机稳定平台的RBF神经网络PID控制方法

相机稳定平台是作为飞行器航拍的一种外挂式设备, 可以采用先进的控制 策略避免飞机姿态变化和机身抖动对航拍质量造成的影响。常规的PID 控制需要人为手 动调节参数, 提出一种基于RBF 神经网络PID 参数自整定的控制方法。通过设定初始 PID 参数, 利用RBF 神经网络自学习能力进行在线参数整定。仿真结果表明, 与传统 PID 相比,RBF 神经网络PID 具有较高的精度和较强的适应性, 平台跟踪精度可以达到 3′以内。     

安全供货库存量的径向基函数决策模型

径向基函数神经网络是一种拓扑结构简单、学习过程透明的神经网络模型。在本文中 ,把它应用到ERP的安全供货库存量的决策中 ,不仅避免了BP神经网络模型固有的缺陷 ,而且在实际的应用过程中对其隐层节点的生成方式作了控制 ,优化了其结构 ,简化了其权值矩阵 ,提高了运算速度。     

基于RBF神经网络的微惯性测量组合标定

针对微惯性测量组合标定精度低的问题,充分发挥神经网络良好的逼近非线性函数的优势,以RBF神经网络为主要逼近手段,对微惯性测量组合输出非线性特性进行精确逼近,从而得到更为准确的标定结果。试验结果表明,基于RBF神经网络的标定算法能够有效地逼近微惯性测量组合敏感信息,与传统基于最小二乘法建模方法相比,微惯性测量组合输出标定精度有了显著提高,为后续的载体姿态准确解算奠定了基础。     

基于RBF神经网络的液压位置伺服系统故障诊断

针对液压系统的非线性、时变、流固耦合的特点,提出双级径向基函数(Radial Basis Function,RBF)神经网络模型实现液压伺服系统故障检测与定位.采用第1级RBF网络作为液压伺服系统的故障检测滤波器,通过实际系统与RBF观测器输出的残差实现液压伺服系统故障检测.利用第1级RBF观测器的输出残差和网络结构参数,应用第2级RBF网络实现液压伺服系统典型故障定位.针对K均值聚类算法收敛速度慢的缺点,提出了改进K均值聚类算法和学习速率自适应调整算法,利用网络优化结构参数和学习率,加快神经网络收敛速度,减少运算量.实验结果表明,利用双级RBF神经网络能够有效地检测出液压位置伺服系统的故障,并能实现系统的故障定位.