基于过程神经网络的液体火箭发动机状态预测

提出一种基于极限学习算法的离散过程神经网络模型,用于解决液体火箭发动机状态预测这一难题。首先,在历史数据的基础上建立离散过程神经网络（DPNN）预测模型;然后,根据在线更新的数据样本,采用递推极限学习（EL）算法对双并联前馈离散过程神经网络（DPFDPNN）隐层到输出层的权值进行更新,并应用权值更新后的过程神经网络对发动机状态进行预测;最后,以液体火箭发动机状态预测中氢涡轮泵扬程预测为例,分别采用有权值更新和无权值更新两种预测模型进行了试验。结果表明,通过更新过程神经网络权值可以使模型具有更高的预测精度和更好的适应能力,该方法能够为液体火箭发动机状态预测提供一种有效的解决途径。      

复合材料在新技术革命中的作用

一、复合材料是新技术革命中所需的重要材料之一材料是人类进行生产、改善生活及进行社会活动的物质基础。重要的新材料的发明及推广应用,可促进技术进步和社会生产力的发展。历史上的石器、铜器、铁器时代是以材料名称作为划分人类文明史阶段的标志。近代一切工业上的新发展和技术上的新成就均与新型材料的开发和应用有关。本世纪初,制造飞机用的材料是木料、帆布、金属丝和钢索,而现代超音速喷气飞机则需使用铝合金、钛合金等材料。目前,世界上正热烈讨论的新技术革命中的“十大技术”或“三大支柱”,均将材料     

一种雷达测试中通道误差自适应补偿技术

文章针对多模式、多带宽脉宽组合的雷达系统调试测试时通道误差提取与补偿效率低的问题,提出了一种通道误差随参数变化的自适应补偿技术。该方法可在通道误差模型的基础上,根据各工作模式所设定的带宽、脉宽组合自适应生成幅相误差补偿曲线,并以回波模拟器通道误差自适应补偿为例给出了误差模型获取与自动生成的具体步骤。通过某雷达系统测试过程中的试验验证,所提出的方法幅度误差提取结果相比逐次提取结果偏差小于0.02dB,相位误差提取偏差小于0.2度,满足通道误差补偿的需求,不仅适用雷达系统调试测试,还可应用于其他通道特性稳定系统的通道误差补偿,避免繁杂的手动操作,提高测试效率。