前向神经网络快速学习算法在发动机模型辨识中的应用

介绍一种采用前向神经网络辨识发动机非线性模型的快速学习方法,与现有同类方法相比,该方法采用矩阵的QR分解求解线性方程组,解决了维数过高的矩阵直接求逆带来的解失真问题,并把这种方法应用于航空发动机的非线性模型辨识。算例仿真验证了算法的可行性。      

人工神经网络在直升机故障诊断中的应用

直升机故障诊断中,针对BP网络训练时间长、抗干扰能力弱的问题,采用径向基函数网络和自组织竞争网络进行故障诊断.仿真表明,径向基函数网络可大大缩短网络训练时间,提高精度,自组织竞争网络使故障诊断的抗干扰能力增强.     

基于自适应神经网络的非线性飞控系统设计

将动态逆理论、神经网络和自适应控制相结合应用于非线性飞行控制系统设计中，通过动态逆控制律将非线性耦合系统转换为线性解耦系统，采用具有在线学习能力的神经网络来补偿反馈线性化中存在的逆误差，最后利用李亚普诺夫稳定性理论推导了在线网络权值的自适应调整规则。仿真结果表明，这种控制结构具有良好的跟踪能力和极强的鲁棒性。     

基于改进BPNN复合材料层合板损伤识别

将B样条小波展开技术提取的损伤特征值作为改进BPNN输入进行学习与识别,识别结果显示该方法能够对复合材料层合板多种损伤进行快速准确的识别。     

基于粗糙集理论的航空发动机故障诊断

在利用神经网络诊断航空发动机故障的过程中,引入粗糙集理论和方法,对故障诊断特征参数属性进行属性约简,剔除其中不必要的属性,从而揭示了故障诊断条件属性内在的冗余性,降低了神经网络构成的复杂性,最后给出了属性约简的结果。     

人工神经网络在某型航空发动机故障诊断中的应用

介绍了神经网络在航空发动机故障诊断中的应用 ,给出了利用神经网络方法进行航空发动机故障诊断的方法和步骤及需注意的关键问题 ,并利用神经网络方法诊断了加力泵不供油故障     

基于模糊模型的鲁棒自适应重构飞行控制

提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。     

基于人工神经网络的磁航向误差校正方法

介绍了前馈神经网络的特点和基于递推预报误差(RPE)的训练算法,利用前馈神经网络对某航向同步传输系统的磁航向误差进行了校正,并给出了实验结果.     

某型飞机平显故障诊断系统的设计与实现

提出了基于知识库的某型飞机平显故障诊断系统.文中给出系统总体结构模型和面向对象模型,介绍了规则推理、神经网络推理和模糊逻辑推理的特点,并提出了三者并行推理的方法,其优点在于能节省推理时间并且各模块之间可以相互学习提高诊断能力.最后给出了系统的功能和实现方法.     

试验设计法与BP-GA算法在复合材料结构优化中的应用

试验设计法具有均衡分散性和整齐可比性,通过试验设计进行响应面的样本选取可以大大减少样本的数目,同时保证响应面的训练精度。响应面与遗传算法相结合在工程应用中已经形成一套适用于复杂结构设计的高效优化方法。本文以复合材料加筋蒙皮的质量优化问题为例,通过正交试验进行响应面训练样本选取,通过PATRAN/NASTRAN进行有限元分析得出样本的数值,应用神经网络(BP)训练、构建优化的目标函数和强度、稳定性约束响应面,结合其他常规约束条件通过遗传算法(GA)进行优化,验证了这套算法的有效性和实用性。