固体废弃物热解产物的神经网络预测模型

本文采用3层BP神经网络建立了固体废弃物热解产物的产率和特性的预测模型。采用遗传BP算法来优化隐层节点数和学习速率η0与回归方法相比，其预测误差明显小于回归公式的预测误差。     

引入神经网络的交互式多模型算法

在交互式多模型算法中引入神经网络算法以改进目标跟踪的精度。利用神经网络算法对基于机动目标“当前”统计模型的均值和方差自适应滤波算法进行修改,提高该算法的性能,然后采用交互作用多模型算法跟踪机动目标,提高了机动目标的跟踪精度。     

RMS系列特种复合材料的工艺剖析

针对RMS060在生产中出现的孔隙率不合格现象，从工艺参数、工艺过程及辅助材料等各个角度进行了系统分析，明确了影响孔隙率的主要和次要因素，并找出了问题解决途径，为今后复合材料的生产提供了经验和方法。     

神经网络在电液伺服系统控制上的应用

液压伺服系统固有的高度非线性特性使其成为应用各种类型复杂控制器的理想试验对象，而用神经控制器控制电液伺服系统则是一项全新的课题，本文简要介绍神经网络的构成及其控制原理，并以三种不同复杂程度的应用为例对其在存在非线性摩擦或高度耦合负载条件下的电液伺服系统上实施实时控制的效果作一考察。     

跨音速压气机中的涡结构与失速机理分析

将一种新的涡识别方法应用于压气机流场的分析.该方法采用应变率张量和旋转张量的第四不变量,具有在识别流场中涡的存在的同时,分析该处涡处于拉伸(生成)或松弛(溃灭)状态的能力.通过将该方法与传统的动压头和流线、速度矢量等分析方法的结合,本文对所研究的跨音速压气机的失速过程进行了分析和讨论.     

制导规律研究现状及展望

系统地论述了古典和现代的一些制导规律的研究现状，分析了它们的优点和不足、适应范围和局限性，并讨论了它们的发展前景，其中郑重论述了比例导引、最优导引、微分对策和近年来热门研究的神经网络控制，可供从事导弹制民垢科研人员对现有制导规律有一个全面的认识，以便于更深入地研究。     

非线性自适应神经网络控制器设计

在系统存在非匹配不确定性和输入未建模动态的情况下,提出了一种基于RBF神经网络和反演控制技术的非线性自适应控制系统的设计方法.应用RBF神经网络辨识系统中存在的不确定性,利用反演控制技术,设计了非线性自适应控制器,成功地处理了非匹配不确定性.同时动态非线性阻尼项的引入使得系统对未建模动态具有很强的鲁棒性,并应用Lyapunov稳定性理论,证明了系统跟踪误差、RBF神经网络参数误差全局渐近收敛于原点的一个邻域.最后给出的BTT导弹非线性六自由度数字仿真结果,显示了该设计方法的有效性.     

用神经网络法编程加工轮毂上特殊曲面的探讨

根据轮毂上曲面的特殊性,提出了采用神经网络方法进行编程,实现数控加工,以取代传统的加工方法的设想。     

基于神经网络的鲁棒制导律设计

 基于神经网络理论对寻的导弹鲁棒制导律进行了优化设计。建立了制导系统非线性运动学方程和鲁棒性能函数,并将鲁棒性能函数转化成了微分对策的极小极大化问题。采用伴随 BP技术,将微分对策的两点边值求解问题转化为 2个神经网络的学习问题,训练后的 2个神经网络分别作为对策双方的最优控制器在线使用,避免了直接求解复杂的鲁棒制导律问题,仿真结果表明了该方法有效性。     

航空发动机神经网络自适应控制研究

本文研究神经网络自适应控制方法及其在航空发动机控制中应用。结合某型航空涡喷发动机,首先研究采用神经网络进行非线性动态系统辨识,包括神经网络模型辨识的格式、输入信号形式等问题。然后,提出了一种神经网络自适应控制方法,阐明了该方法基本结构、原理。最后,在选定的设计点处进行发动机控制系统设计,当偏离设计点时,利用神经网络很强的学习、适应能力,通过在线修正神经网络参数,使控制系统仍保持良好性能。