航空发动机故障诊断的机载自适应模型

提出了复合拟合法建立状态变量模型,该方法应用于建立高维状态变量模型时,具有较高的精度.将健康参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测参数的偏离量估计得到健康参数.为了减少自适应模型与真实发动机之间的建模误差,在自适应模型中加入神经网络对稳态基点模型进行修正,从而提高了故障诊断系统的置信度.      

丁羟固体推进剂力学性能模拟计算

提出了丁羟固体推进剂力学性能的三相结构模型(分散相-界面相-连续相),建立了丁羟固体推进剂力学性能与弹性母体的伸长率和弹性模量、推进剂组分固体含量、粒径、级配、粘合剂和键合剂等的数学关系,进行了编程计算;推进剂抗拉强度和伸长率的计算结果与实验值吻合较好,并用该软件计算研究了弹性母体的伸长率及模量?AP的粒径及级配?键合剂的含量等对推进剂力学性能的影响规律。     

基于径向基神经网络的空天飞行器鲁棒自适应轨迹线性化控制

基于轨迹线性化控制方法(TLC)以及径向基神经网络(RBFNN)技术研究了一种新的鲁棒自适应轨迹线性化控制方案并应用于空天飞行器(ASV)飞行控制系统设计中.首先基于被控对象的分析模型设计系统的TLC控制器,然后利用RBFNN对系统不确定的逼近能力,设计了鲁棒自适应控制器及参数的自适应调节律,并采用Lyapunov方法严格证明了闭环系统所有误差信号一致最终有界.最后应用新控制方案设计了ASV飞行控制系统,仿真结果表明了方法的有效性.      

PID神经网络控制器在飞控系统中的应用

BP神经网络已被广泛应用于PID控制器的优化调参,但这种调参方法具有收敛速度慢、学习时间长、连接权重初值为随机值、易于陷入局部极小等缺点.提出了一种不同于用BP网络调整PID参数的新的融合方法:PID神经网络控制器(PIDNN);该控制器不仅能克服以上缺点,而且具有很好的鲁棒性.对PIDNN在某无人机姿态控制系统的应用进行了仿真研究,仿真结果表明该控制器能够大大地改善姿态控制系统性能.     

三维疲劳裂纹扩展的可靠性分析

分析了三维裂纹扩展寿命主要影响因素及其分布形式,构造了正交设计表L49（7^8）来设计各种随机变量对裂纹扩展寿命关系的模拟组合,以这些模拟结果为学习训练样本,采用7-12-1三层BP网络仿真了各种随机因素与裂纹扩展寿命的复杂非线性关系,并研究了计算给定可靠度下扩展寿命和给定寿命下可靠度的分析方法和实现流程。扭力轴表面裂纹算例表明该方法合理可行。     

基于粗糙集与RBF神经网络的雷达辐射源信号识别研究

针对新体制、新用途雷达辐射源信号难以识别的特点,用粗糙集理论对雷达辐射源信号进行离散化、属性约简、规则提取,达到分类的目的。用粗糙K-均值聚类方法计算径向基神经网络（RBFNN）的聚类中心,然后用粗糙集理论约简得到的规则构建径向基神经网络对未知雷达辐射源信号进行识别。仿真结果表明,这种基于粗糙集与RBF神经网络的识别模型减少了识别冗余特征、简化了神经网络结构,能有效地识别雷达辐射源信号。     

组合BP神经网络在数据挖掘中的应用

在吸收了人工神经网络解决非线性问题优点的基础上,针对数据挖掘的特点,提出了一种组合BP神经网络的数据挖掘方法。该方法是按照一定方式将n个BP网络组合成一个复杂的BP网络模型,并运用改进的启发式BP算法以实现有用模式的挖掘,能够大大缩短训练时间和提高挖掘精度。     

CeO_2含量对Nd_2Ce_xO_(3+2x)热障涂层性能的影响

采用高温固相法合成了Nd2CexO3+2x(x=2.0,2.25,2.5,2.75,3.0)复合氧化物,在高温合金基体上采用等离子喷涂制备了该材料热障涂层.XRD分析结果表明Nd2CexO3+2x粉末和涂层均为立方萤石晶体结构.考察了CeO2含量对Nd2CexO3+2x的力学性能(弹性模量、维氏硬度和断裂韧性)和等离子喷涂涂层在1250℃抗热震性能的影响.随着CeO2含量增加,材料的弹性模量降低,维氏硬度和断裂韧性提高.通过提高初始粉末中CeO2的含量,获得了组成接近化学计量比Nd2Ce2O7的涂层,涂层的抗热震性能增强,热循环次数达到1000次以上.Nd2CexO3+2x涂层的失效原因主要是:与金属基体之间热膨胀系数不匹配、粘结层氧化和涂层烧结.     

基于RBF神经网络的机器人鲁棒自适应控制器设计

在考虑机器人系统中存在的模型不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法。首先,通过状态变换将机器人的模型转换为适用于反演技术的形式;然后,利用反演技术设计了鲁棒自适应控制器,用两个RBF神经网络分别对模型的不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节律以及相关的鲁棒项,证明了系统的全局稳定性;最后,进行了相应的仿真研究,验证了设计的正确性和有效性。     

航空发动机全包线自适应解耦控制器设计

为实现航空发动机在全包线的解耦控制, 在飞行包线内选择了若干点, 使用遗传算法对单神经元自适应解耦控制器的比例系数进行了离线优化。以优化得到的若干组参数为训练样本, 离线训练径向基函数(RBF)神经网络, 训练后的网络可映射高度、马赫数与比例系数之间的非线性关系, 飞行包线内任意点的解耦控制器比例系数即可由该网络得到。仿真表明:在设计点和非设计点, 系统均具有良好的动态特性和解耦特性。该方法结构简单、易于实现, 具有实用价值。