应用约束条件快速解算整周模糊度

ＧＰＳ载波相位测量用于解算载体的航向和姿态时必需解决的问题之一就是整周模糊度的确定。近年来提出了多种模糊度的解算法方法,但对ＧＰＳ航姿系统来说,若能利用固有的约束条件则会使模糊度问题变得简单且快速有效。在详细分析了几种约束条件的基础上,文中探讨了如何合理 这些约束条件来减小模糊度的搜索范围,以加快模糊度的解算速度,并对检验方法作了改进。通过仿真结果对文中方法进行了检验。     

基于神经网络的智能刀具状态检测系统

可靠的在线刀具磨损状态检测是柔性制造系统、计算机集成制造系统以及自动化机床必不可少的一个环节。文中论述了用反传神经网络与一类模糊神经网络分析处理由力传感器和声发射传感器所测得的刀具状态信号,识别出刀具的磨损情况,从而进一步实现刀具磨损状态的在线检测,控制自动机床及时更换刀具。本研究对四种规格的钻头的磨损情况进行了全程检测,并比较分析了反传神经网络与模糊神经网络对这一问题的有效性。实验结果表明,这两种方法对处理刀具磨损状态检测均有显著的效果与很高的准确性。用一类模糊神经网络处理多传感器信息是实现刀具状态在线检测的一个极为有效的方法。     

基于PCC-LSTM模型的短期负荷预测方法

短期负荷预测是电网合理调度和平稳运行的基础。为提高短期负荷预测精度,提出了一种基于Pearson相关系数(PCC)和长短期记忆(LSTM)神经网络的短期负荷预测方法。该方法运用Pearson相关性分析对原始多维输入变量组成的时间序列进行相关性分析,选取与电力负荷数据相关性较大的影响因素作为输入量,实现原始数据的降维和选优;再通过LSTM神经网络结合Adam优化算法,对与电力负荷相关性较大的影响因素和负荷实际输出序列之间的非线性关系建立网络模型。以嘉捷BOX和重庆丽苑维景国际大酒店的负荷数据作为实际算例,并与Prophet、LSTNet、门控循环(GRU)神经网络模型方法进行对比。结果表明:所提PCC-LSTM模型预测精度均在91%以上,最高可达95.44%,有效提高了负荷预测的精度。      

基于ANFIS的智能导航自适应滤波算法研究

智能导弹等智能化飞行器在快速跨域、高速机动飞行时,由于传感器切换、外形改变等因素,会对组合导航信息融合系统引入随机非Gauss噪声等影响,离线优化的参数往往不能满足滤波器精度的需求。自适应网络模糊推理系统ANFIS是一种将人工神经网络和模糊推理技术相结合而成,符合人类认知特点的决策方法,它可以对导航数据进行学习,实现智能决策、实时修改滤波器内部参数,对滤波器进行优化。仿真结果表明,基于ANFIS优化的智能导航自适应滤波算法可以有效减少噪声和干扰带来的影响,提高导航精度。     

基于模糊神经网络的某型直升机可靠度预测

为了实现某型直升机可靠度准确预测,建立了基于自适应模糊神经网络的可靠度预测模型。该模型以故障间隔时间为输入,以可靠度为输出,通过模糊神经网络自适应训练获得适合直升机可靠度预测的故障间隔时间隶属函数。对模型进行检验取得了较好的仿真结果,与应用RBF神经网络进行可靠度预测相比速度更快,同时预测精度提高了98.4%。     

摇臂探测车折叠式悬架的综合评价与设计分析

悬架是探测车车体与车轮的连接部件,对整车体积影响较大。为减小探测车在着陆器 内所占的空间,将悬架设计成可折叠展开形式。概括了可折叠悬架展开的特点及其设计要求 。针对同一展开悬架构型,提出了4种可折叠悬架的构型方案,对它们进行了模糊综合评价 ,确定了综合性能最优的一种构型。设计了一种弹簧驱动的可折叠悬架,并分别对折叠和展 开状态悬架进行有限元分析,结果悬架的刚度和强度均满足设计要求。最后对悬架的展开过 程进行了动力学仿真分析,得到了车体质心的垂直加速度和速度曲线。结果发现,在采取改 进措施后,车体质心垂直加速度明显减小。
     

截断分布下广义失效概率的可靠性分析方法

提出基于随机变量为截断分布和失效域模糊下的结构可靠性分析方法。由于常规的可靠性分析方法不能直接用于截断分布情况下广义失效概率的计算,因此,先将截断分布情况下的可靠性分析模型转化为非截断分布情况下的多模式并联系统模型,在此基础上引入模糊失效域的隶属函数,将截断分布情况下的模糊可靠性分析问题转化为一般的随机可靠性问题,利用Monte Carlo法和重要抽样法求得广义失效概率。给出了方法的实现步骤和原理,并用不同算例验证了方法的合理性与可行性。     

基于改进的模糊C-Means航迹聚类方法研究

为指导飞行程序的改善和发现管制员的指挥模式,在分析历史飞行航迹特征基础上,应用最小描绘长度(MDL)原理对航迹特征点进行划分,运用融合了遗传算法和模拟退火算法的改进的模糊C-Means算法对特征点进行聚类,通过最长公共子序列(LCS)算法得到航迹相似性矩阵,利用矩阵得到航迹簇,最后形成中心航迹,算例仿真验证了新算法的有效性.     

基于概率神经网络的相似度排序方法

为了研究相似度排序问题,对概率神经网络的结构进行了分析,对其输出进行了改进,使之输出后验概率,进而进行相似度排序。结合电火工品发火性能的预测问题,对方法进行了验证,结果表明：基于概率神经网络的相似度排序方法与实际结果相符,方法是可行的。