BP神经网络预测复合材料热压罐成型均匀性

复合材料热压罐成型过程中的固化度差值是复合材料固化度均匀性的主要表征参数之一。基于3层BP神经网络,以复合材料双平台固化工艺曲线的加热速率、保温时间和保温温度为输入参数,建立了成型过程任一时刻最大固化度差值的快速估算模型。仿真复合材料热压罐成型过程,得到最大固化度差值作为试验样本数据,对BP神经网络进行训练,训练结束后对该模型的准确性进行验证。结果表明:该BP神经网络估算模型准确性和效率较高,为复合材料热压罐成型最大固化度差值的估算提供了一种快速有效的新方法。      

基于异构网络表示学习的评分预测模型

深入分析电商行业的用户个性化数据并提供推荐服务近年来已成为业界的热点。推荐服务的基础是对用户的潜在兴趣进行挖掘,并对商品的感兴趣程度进行预测。因此,以此为背景,研究用户对商品的评分预测。对电商业的关系型数据在推荐系统中的应用进行了研究,提出了通过使用网络表示学习进行评分预测的方法。首先,将关系型数据构建成异构网络,用户和商品为网络中的节点。然后,设计了兼顾网络结构信息和节点之间相似性的个性化异构网络采样方法,并对节点进行表示学习。最后,将学习到的用户、商品表示向量输入到神经网络中进行训练,利用优化后的神经网络模型进行评分预测。实验结果表明:所提方法在YELP 13、Movielens 100k、Movielens 1m数据集上都有较高的准确率,对比常用方法,准确率提升6.5%以上。      

基于渐近均匀化的梯度加筋板结构优化设计

梯度加筋板结构以其优异性能广泛应用于航空航天、汽车和交通等领域。针对梯度板的渐变结构导致均匀化及两尺度优化设计计算量过大及效率过低的问题,本文采用机器学习方法搭建以微结构变形参数为输入、等效刚度系数为输出的人工神经网络,实现等效刚度的高效预测。在优化过程中,本文引入表征单胞变形的单元设计变量,实现梯度板局部变形的显式控制,并引入映射函数节点设计变量,保证优化过程中单胞的局部变形与映射函数一致,方便两尺度优化结果解耦。数值算例验证了本文方法的有效性和正确性。     

裂纹转子非线性振动特征的谐波小波与分形识别

通过对谐波小波的分析研究,指出了谐波小波对振动信号局部频段分析的优良特性。采用谐波小波对裂纹转子的非线性振动信号在低频段进行了分析。理论分析与实验结果表明:对实际裂纹转子信号,经谐波小波的频段分析后,能够得到通常难以由理论分析与实验结果获得的非整数倍周期分叉的非线性特征频谱。计算了裂纹转子的分形维数,发现裂纹转子的振动信号比理论结果要复杂、可以用多重分形作为判断实际转子是否有裂纹的一个特征。提出了用谐波小波变换后的奇异谱来识别裂纹转子非整数倍周期分叉的非线性特征频谱的方法,并对实际转子信号进行分析,得到了明显的非整数倍周期分叉的奇异谱。      

运用神经网络进行冷挤压工艺设计的特征编码技术

将人工神经网络引入冷挤压工艺规划的基础和关键是将冷挤压零件的几何信息和工艺信息转换成人工神经网络所能辨识的数据信息。本文介绍的将模式性知识引入到冷挤压工艺设计过程中,对零件进行特征编码完成信息转换的方法可以有效地解决这个问题。     

空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

基于卷积神经网络的运载火箭测发网络流量异常检测技术

运载火箭测发网络是维系各型号运载火箭远距离测试及发射控制的重要国防基础设施,对测发网络流量进行异常检测是保证其正常工作的关键举措。近年来,随着测发网络功能的拓展,其面临的网络安全威胁越来越严重,而当前的安全检测主要依赖于基于异常特征库匹配的流量异常检测方法,这种检测方法对一些新型攻击检测能力非常有限。本文结合运载火箭测发网络实际特点,针对以使用用户数据报协议(UDP)为主的测发网络流量,设计一种新的基于固定数据包数目的流量图片样本生成方法,首次提出在测发网络流量异常检测问题上使用卷积神经网络,以原始网络流量作为输入,避开难以解决的人工特征集设计问题。通过测发网络真实网络流量数据进行实验,取得了较高的精度、召回率和准确率,验证了本方法具备一定的实用性。     

一种融合神经网络与熵权法的多用户飞行程序评价体系

飞行程序人员主要依据国际民航组织（International Civil Aviation Organization, ICAO）第8168号规章从飞行安全考虑,兼顾部分经济性指标进行程序设计。目前,飞行程序设计鲜有考虑所涉及的不同用户的需求。同时,对飞行程序的评价主要依据专家经验打分,缺少对客观因素的分析。本文面向飞行程序涉及的4个用户,提出了一种融合神经网络与熵权法的飞行程序评价体系。首先,分析了飞行员、民航管制员、军航管制员、机场和城市规划部门4个飞行程序用户对飞行程序的需求,从而基于多用户需求建立了飞行程序的三级评价体系。再次,通过利用基于神经网络计算的主观权重以及基于熵权法的客观权重,利用博弈论框架得到了一种综合性主客观权重的评价体系。最后,基于中国西部某军民航合用机场的离场程序,对评估体系进行了实例验证,并对程序中的改进方向提出了建议。综合多用户需求的飞行程序将在空域资源受限条件下进一步提升空中飞行效率,降低延误。     

基于深度学习与灰度图的肌电机械手手势识别

为了提高肌电机械手手势识别的精度,首先将肌电信号信息转换为图片,实现更直观、更明显的肌电信息展示,然后使用迁移学习微调Res Net50模型,构建基于肌电信号灰度图的肌电机械手手势识别模型,并使用该模型对三种手势进行识别实验。结果显示,ResNet50模型对基于肌电灰度图的手势识别率高达93%,有效减少了过拟合现象并提高了识别精度。     

广义回归神经网络在光纤陀螺零偏补偿中的应用

因测量精度高、制造工艺简单,光纤陀螺在惯性导航系统中获得了广泛应用,但是温度的变化会使光纤陀螺产生测量误差.针对光纤陀螺的零偏容易受到环境温度影响的问题,提出了使用改进的广义回归神经网络建立光纤陀螺变温零偏补偿模型的方法,有效改善了光纤陀螺的变温零偏稳定性.该模型采用果蝇算法寻找广义回归神经网络的最优光滑因子,提高了模型的拟合精度及计算效率.在相同条件下,对比分析了应用传统广义回归神经网络和改进广义回归神经网络对光纤陀螺变温零偏进行补偿的效果.结果表明,改进的广义回归神经网络模型补偿精度较传统广义回归神经网络模型提升了27％.