应用非线性观测器估计迎角和侧滑角研究

给出了一种利用非线性观测器方法能够同时估计出来所需要的迎角和侧滑角参数，研究了非线性观测器原理及其反馈参数优化设计方法，得到了所需要的非线性观测器，最后通过仿真验证表明该方法具有很高的精度且易于实现。     

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。     

小波神经网络用于CCD视频序列图像去噪

CCD摄像机获取目标影像时不可避免地受到噪声影响,因此噪声去除是CCD图像处理的一项重要研究课题。本文将小波神经网络引入CCD图像去噪领域中,提出一种基于小波神经网络的图像去噪方法。实验结果表明,该方法在去除噪声上优于传统的均值滤波等方法,在有效去除噪声的同时,又能很好地保护图像的细节信息,具有很好的保真度。     

机场道面聚丙烯腈纤维混凝土性能分析

对素混凝土和聚丙烯腈纤维混凝土的抗疲劳性能、弯曲韧性和抗冲击性能进行了试验研究,并分析了聚丙烯腈纤维对机场道面分类值PCV的改善效果。结果表明,掺入聚丙烯腈纤维后,混凝土各项性能指标显著提高,道面PCV值增加8.4％,大大提高了机场道面的承载能力。     

低成本捷联惯导不对称动态误差的神经网络补偿

 针对低成本捷联惯导系统(SINS)中陀螺动态误差的不对称性在角振动条件下造成姿态漂移的问题,设计了多层前向神经网络的补偿模型。在标定模型参数时,为降低对外部参考信号测量精度的要求,提出用姿态解算的最终误差作为网络优化目标的训练方法。由于最终的姿态误差不是网络的期望输出,无法采用有导师的训练方法,为此采用了微粒群优化算法。仿真实验结果表明:补偿后的陀螺动态误差的不对称度减小了一个数量级。     

前体边界层状态对高超声速进气道流动结构及性能的影响

采用CFD方法研究了前体边界层状态对轴对称高超声速进气道的波系结构、激波/边界层干扰特性以及流量捕获能力、总压恢复系数等的影响,获得了不同马赫数下进气道性能参数随一级锥边界层强制转捩位置的变化规律,并对采用二维粗糙体作为强制转捩措施给流场所带来的干扰进行了分析,研究中还对比了具体进气道设计方案间的差别.      

基于广义回归神经网络的传感器故障检测

为了研究航空发动机试验中精确数学模型未知的多传感器故障诊断问题,采用基于广义回归神经网络(General Regression Neural Network,GRNN)组的故障检测方法,提炼出传感器之间的约束关系和故障规律,构建了一组多输入多输出GRNN,用于估计传感器输出,与测量值生成残差,通过与门限值比较判断可疑传感器,找到神经网络组中的具有最小可疑传感器数的GRNN。采用可疑传感器的估计信号做为重构信号交叉验证其它GRNN。通过验证即可确定可疑传感器为最终故障传感器。为了控制神经网络的回归精度,将多输入多输出神经网络分解为多个多输入单输出网络。通过仿真数据验证了该方法用于传感器故障检测的可行性。     

基于区域的卷积神经网络在空对地车辆检测中的应用

针对传统空对地车辆检测算法在光照变换、场景变化时检测效果不佳的问题,提出了基于区域卷积神经网络Faster RCNN模型的空对地车辆检测方法,介绍了Faster RCNN模型以及模型训练过程.实验结果表明,基于Faster RCNN的空对地车辆检测方法是可行的,对不同光照和场景下的车辆检测可以取得较好的效果.