基于进化神经网络和Monte—Carlo的疲劳可靠性分析

研究了进化神经网络技术,并采用进化神经网络模拟结构重要几何尺寸与载荷的分散性对危险应力的影响,考虑疲劳影响因素的随机性,运用Monte-Carlo方法仿真疲劳横向应力的分布,以获得结构的P-Sa-Sm-N曲面方程,并利用MTPMiner准则理论进行疲劳可靠性分析。实例表明该方法可以用于随机载荷下复杂结构的疲劳可靠性分析。     

轨道快速机动期间的姿态鲁棒稳定控制方法研究

根据挠性充液航天器刚液柔强耦合、变参数及模型不确定的特点,研究了一种神经网络输出变结构控制算法.根据该算法提出了轨道快速机动卜的姿态控制方案,设计了控制系统并对干扰力矩、模型不确定性等工况进行了仿真.仿真结果表明在发动机干扰力矩和模型不确定情况下.系统能够快速稳定到要求的精度.所设计的系统具有较强的鲁棒性,能够抑制挠性附件振动和液体晃动的影响.     

航天器铷钟的一种精密控温系统

研究了一种应用于航天器的高精度、高稳定度的温度控制系统：使用热敏电阻作为温度传感器;采用多级控温策略,核心级采用基于径向基函数（Radial Basis Function,RBF）神经网络比例、积分、微分（PID）控制算法,非核心级采用积分分离式PID算法;采用脉宽调制（PWM）控制作为控制方式。以航天器铷钟作为控制对...     

基于最大信噪比的带噪测控信号分离算法

在实际卫星测控信号侦察中,混合副载波信号分离比较困难,且耗时较长.为此,提出一种基于小波变换和最大信噪比的副载波盲分离算法.先利用小波阈值算法对混合带噪信号进行消噪处理,然后采用基于最大信噪比的盲分离算法对消噪后的信号实施分离,最后得到测控副载波信号的估计.MATALAB仿真结果表明,该算法计算复杂度低,耗时短,能够较...     

基于加权小波变换及MTFC的多光谱影像融合方法

IHS(intensity-hue-saturation)变换是影像融合实际生产中使用最多的一种方法,而小波变换是近几年来影像融合中的热门研究方向。但是现有方法存在纹理畸变和光谱畸变的现象,尤其是当地物光谱特性在全色和多光谱中存在较大差异的时候,融合后光谱畸变将会十分突出。为了解决上述问题,在分析现有小波变换方法的基础上提出了一种基于加权小波变换及调制传递函数补偿(MTFC)的多光谱影像融合方法,通过引入多相位小波变换的方式来抑制小波变换产生的纹理畸变,同时通过引入MTFC的方法来恢复影像融合中丢失的纹理信息。文章选用"高分二号"卫星影像来验证算法的有效性,试验结果表明,与现有的融合方法相比,文章中提出的算法能够很好地抑制影像中的光谱畸变,同时保留更多的有效纹理信息。     

基于ABC-BP神经网络的航空发动机滑油金属含量预测

为有效监测发动机滑油状态,本文建立基于ABC-BP神经网络的滑油金属含量预测模型。在参数的初始化阶段,人工蜂群的适应度为BP神经网络的误差函数,神经网络的阈值和权值选定为适应度最优的一组参数。通过实验仿真对民航实际数据进行研究,实验表明模型预测效果理想,为实现健康管理和故障预测奠定基础。     

基于Faster RCNN的屏幕防手机拍摄算法的研究

智能手机强大的拍摄功能使得通过手机拍摄屏幕来获取敏感信息的代价越来越低,存在较大风险。在分析现有屏幕防拍摄方法存在的局限性基础上,针对屏幕防手机拍摄的特定环境,提出了一种基于Faster RCNN的识别手机拍照的新方法。首先,分析使用手机拍照的特点,建立了动静结合的Pascal VOC训练集;其次,在TensorFlow的框架下实现手机识别算法;最后,根据不同的影响因素建立训练集,分析各因素在不同的阈值下对识别精准率、准确率和召回率的影响。通过对算法的详细分析和与其他屏幕防窃拍方法进行对比,验证了算法的有效性。     

对失控翻滚目标逼近的神经网络自适应滑模控制

针对失控航天器在空间中自由翻滚的情况,研究追踪器对失控翻滚目标逼近的位置和姿态六自由度耦合控制问题。建立追踪器与目标器相对运动的姿轨一体化动力学模型,设计追踪器逼近过程的标称轨迹和标称姿态。综合考虑系统不确定性和外部干扰,设计无抖振的神经网络自适应滑模控制器。将滑模控制与神经网络逼近相结合,采用径向基函数(RBF)神经网络对系统未知部分进行自适应逼近。由Lyapunov方法导出神经网络自适应律,通过自适应权重的调节保证整个闭环系统的稳定性。数值模拟实例说明了所设计的标称轨迹和标称姿态的合理性,同时验证了神经网络自适应滑模控制器的有效性。     

基于BP神经网络的模型参考自适应姿态控制

采用模型参考自适应控制的基本设计框架,并通过BP神经网络对PID控制参数进行自主调节,实现飞行器的自适应姿态控制。利用参考模型输出、实际对象输出等信号作为训练信号,对所构建的三层BP神经网络进行权重更新。仿真结果表明,将BP神经网络应用于飞行器的自适应姿态控制中,能够实现PID控制器参数的自主调整,表明了BP神经网络优良的逼近性能。同时,该控制方案确保了飞行器姿态控制系统的性能指标,并且提高了工程设计的智能化水平。     

基于学习的中段反导拦截时间和拦截点预测方法

弹道导弹实时、准确地预测拦截弹的拦截点与拦截时间,是实现中段突防的有效手段。针对弹道导弹中段突防中的拦截点坐标及拦截时间的预测问题,提出了一种基于监督学习的在线预测方法。以拦截弹的主动段关机参数和关机时刻为输入量,建立拦截时间和拦截点预测模型。在多层感知机神经网络的基础上构建有监督学习算法,通过攻防仿真获取拦截弹的参数制作训练数据集,在线下完成网络训练。仿真结果表明:神经网络能够有效在线预测拦截时间和拦截点坐标,预测结果的相对误差分别为0.124 3%和0.128 5%,拦截时间预测结果误差的平均值为0.224 0 s,拦截点预测结果距离误差平均值为2 016.48 m,均满足精度要求。