无刷直流电动机的新型自适应模糊神经控制

 为无刷直流电动机提出了一种自适应模糊神经控制方法.这是一种建立在开关控制、模糊控制和自适应控制相结合基础上的控制方法,并用神经网络实现了模糊控制器和自适应机构.在无刷直流电动机的双闭环调速系统中,电流控制器是PI控制器;转速控制器是由1个开关控制器和1个包括自适应机构在内的模糊控制器相结合组成的,且用1个3层前向神经网络离线学习实现了模糊控制器,学习算法采用的是改进的BP算法.用1个单神经元通过在系统运行过程中的动态学习实现了自适应机构,学习算法选用了有监督的Hebb学习算法.由电机所处的运行阶段决定哪一个控制器工作.此控制算法的仿真结果说明,它使系统具有良好的动、静态特性和自适应性.     

一种高空台特种调节阀通用特性修正方法

为解决高空模拟试验台建立初期获取的大量试验数据,与基于厂家所提供阀门特性建立的特性模型仿真结果存在较大误差的问题,提出一种基于神经网络和试验数据修正阀门特性的方法。将使用该方法修正得到的新特性代入特性模型进行仿真,并与试验数据进行对比验证。结果表明:相对于特性修正前的仿真结果,修正后的仿真结果最大相对误差绝对值减小47.8%,相对误差绝对值的平均值减小72.6%。     

基于大数据分析平台的APU维修决策优化

通过科技创新建立的APU全寿命及成本管理系统是一个大数据分析平台,运用概率神经网络对APU系统故障进行智能判断,运用0-1线性规划法自动产生基于APU性能的维修管理决策,运用价值工程方法产生基于价值系数的维修管理决策。该系统的应用提高了APU的可靠性和经济性,使APU的维修决策由静止的、事后分析可靠性转变为预测性、基于概率分析方法的维修决策。     

基于改进准则法的复合壳阻尼结构拓扑减振动力学优化

针对复合壳阻尼结构的拓扑减振优化问题，以约束阻尼层的有限单元为设计变量，采用体积比、模态频率和振型为优化约束条件，构建以多模态权重系数的结构模态损耗因子数值关系为优化目标函数的拓扑减振优化模型。为了拓展优化目标灵敏度具有不局限于某一变密度法插值模型的形式，推导了数值表达式的一般函数式。动力学优化中优化目标灵敏度正、负数集共存，使得非凸性的目标函数设计变量出现负值或优化函数寻优于局部极值点。为此，推导出复合壳阻尼结构的全域灵敏度改进优化准则法迭代格，以确保每次迭代域均为全域设计变量集。结合有限单元法编程实现了复合壳阻尼结构改进准则法，并对复合壳结构进行拓扑减振优化分析。结果表明：在敷设体积减为全覆盖的50%时，复合壳结构的模态损耗因子增减偏差为10%，具有提升减振的轻量化设计目的；各阶目标函数和拓扑构型所需的迭代次数少，中间密度区域较小，多阶优于单阶模态优化函数，易于获得全域寻优的有效减振。     

RNN在降落伞开伞特性研究中的应用

为了对降落伞充气展开过程中的拉力、速度等关键特性进行预测,结合当下机器学习的研究热点,使用循环神经网络对空投试验数据进行学习和训练。文章对原始数据进行了归一化预处理并且采用批量梯度下降的训练方式;试验验证了循环网络方法对充气过程中重要参数进行计算的可行性;并且说明了时间序数索引项在试验中需带入网络参与计算的特点。试验结果表明,使用循环神经网络对训练集数据的开伞速度曲线拟合效果很好;计算结果能够准确反映开伞过程中的拉力变化趋势,峰值误差小于1%,且峰值时刻误差小于2%。     

雷达/红外复合导引头抗干扰跟踪方法

为了有效应对强噪声干扰、箔条干扰以及红外诱饵干扰,提出了一种雷达/红外复合导引头抗干扰跟踪方法.该方法通过导引头观测信息关联度的检测、新息方差迹值的比较,进而对于扰进行判断,然后选择合适的导引头工作模式对目标进行跟踪.仿真结果表明,所提出的协同跟踪方法不仅可以保证较高的跟踪精度,而且可以保证在干扰环境下对目标跟踪的连续性与稳定性.     

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。     

基于一致性融合和神经网络的航空发动机气路系统故障诊断方法

以信息融合为基础,运用GRNN神经网络对航空发动机气路系统进行故障诊断,提出了一种基于一致性融合和神经网络相结合的故障诊断方法。试验结果表明,该方法能快速识别航空发动机气路系统故障,并且对其他机械设备的故障诊断具有一定的参考价值。