基于神经网络的不确定性空间机器人自适应控制方法研究

提出了一种针对自由漂浮状态的空间机器人模型不确定性的神经网络自适应控制 方法。通过RBF神经网络逼近模型的非线性函数和不确定性上界,无需预先估计系统的不 确 定性程度和外部干扰,提出的自适应控制律保证了权值的有界性,解决了神经网络权值的UU B（Unknown Upper Bound）问题,即未知上界有界问题,完成了笛卡尔空间内空间机器人轨 迹规划任务。证明了所提出的控制方法的稳定性,仿真结果表明控制方法避免了对空间 机器人动力学模型的参数线性化要求降低了计算量,能够满足实际任务中的实时性要求。
     

UKF-WNN及其在准定常失速气动力建模中的应用

提出一种利用无轨迹卡尔曼滤波估计小波网络参数的算法,该算法可克服算法存在的收敛速度慢、计算量大、局部极小等缺点。以飞机的准定常失速现象的气动力建模为应用背景,分别运用BP算法,扩展卡尔曼滤波算法和无轨迹卡尔曼滤波算法训练小波网络。仿真结果表明,无轨迹卡尔曼滤波算法较之BP算法和扩展卡尔曼滤波算法具有更快的训练速度和更高的预测精度,可以胜任复杂的非线性气动现象的建模任务。     

侧向随动力作用下大展弦比柔性机翼的稳定性

 随动力能够诱发弹性结构发生颤振失稳。以侧向随动力和集中质量分别模拟发动机推力和外挂质量,考虑机翼垂直弯曲-扭转刚度比、集中质量大小、侧向随动力和集中质量的位置以及机翼后掠角和上反角的影响,研究了受侧向随动力作用的大展弦比柔性机翼的气动弹性稳定性。数值模拟所采用的大展弦比柔性机翼非线性气动弹性模型耦合了几何精确完全本征运动梁模型和ONERA动失速非定常气动力模型,该模型考虑了几何非线性、动失速和材料各向异性。模拟结果表明,侧向随动力对机翼颤振可以具有稳定作用,其具体表现依赖于若干变参数的影响,如：减小机翼垂直弯曲-扭转刚度比;发动机吊舱靠近翼根布置;使发动机推力作用点在法向上与机翼弹性轴靠近;单纯的集中质量避免布置在柔性机翼中部,且布置在机翼弹性轴之前或下方,这些设计或布置均有利于提高带发动机吊舱/有效载荷外挂的柔性机翼的气动弹性稳定性。     

基于全局信息的粒子群算法翼型综合优化设计

 翼型优化往往需要考虑众多的设计目标和约束条件,对此发展了稳健高效的翼型综合优化方法。在粒子群优化算法中用繁殖策略深度挖掘由Kriging代理模型所获取的全局信息,对基准函数优化、翼型几何外形重构与层流翼型优化问题进行了测试,结果表明该算法可大幅度提高优化速度。将改进的Hicks-Henne翼型参数化方法和雷诺平均Navier-Stokes(N-S)方程流场求解器与优化算法相结合,采用可方便确定权重系数的多目标非线性适应值加权方法,分别对多点、多目标和多约束的超临界翼型与低速翼型进行综合优化,计算结果表明该方法可大大提高气动外形优化的工程实用性。     

基于原子内聚力与表面能等效的内聚裂纹模型

 从非局部连续介质理论出发,采用一种新的理性力学方法对裂纹前缘内聚应力分布规律进行研究。首先,在内聚裂纹表面引入非局部应力边界条件,从而将内聚区内表面诱发张力(非局部表面残余)与内聚应力等价联系起来;然后,利用能量平衡关系,得到仅与表面能密度相关的I型裂纹内聚力新的本构方程。最后,在推导结果的基础上,计算一个具体的脆性断裂算例研究内聚区内表面能与内聚应力随裂纹张开位移(COD)变化的分布规律。由计算结果发现,裂纹尖端应力奇异性消除,且应力最大值不一定出现在裂纹尖端,而是发生在裂纹尖端周围的内聚区内。     

基于随机文法的多功能雷达识别方法

 针对多功能雷达采用复杂体制而造成的辐射源不能正确识别问题,提出了一种基于随机文法(SG)的辐射源识别算法。该算法基于多功能雷达的句法模型,将威胁数据库中的多功能雷达文法分为随机正则文法(SRG)和随机上下文无关文法(SCFG)两种情况,并分别构造随机有限自动机(SFA)和随机下推自动机(SPDA)对测量辐射源进行识别。仿真实验表明,该方法不仅能识别出多功能雷达辐射源的型号及模式,而且能识别出雷达辐射源的功能状态,并进而推断出雷达辐射源的威胁等级。     

未知测量噪声分布下的多目标跟踪算法

 粒子概率假设密度滤波(SMC-PHDF)在进行粒子更新时需要知道测量噪声的概率分布以计算似然函数,这使得SMC-PHDF依赖于测量噪声的概率模型。针对这一点不足,提出一种未知测量噪声分布下的多目标跟踪算法——基于风险评估的概率假设密度滤波(RE-PHDF)。该算法在SMC-PHDF进行概率假设密度(PHD)粒子更新时采用风险函数计算每个PHD粒子的风险值,并通过一个风险评估函数评估每个PHD粒子,然后用评估后的结果更新粒子的权值。由于粒子更新时避免了在多维测量空间中计算似然函数,算法不仅不依赖于测量噪声的概率分布,还可以节省大量计算时间。仿真结果表明：和SMC-PHDF相比,RE-PHDF在未知的复杂测量噪声环境下具有更高的鲁棒性和稳定性;同时,在两种算法跟踪精度接近的情况下,所提算法节省了50%的运行时间。     

嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

 针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法。该方法将嵌入维数作为影响状态时间序列预测精度的重?问?以交叉验证误差为评价准则,利用粒子群优化（PSO）进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型。航空发动机排气温度（EGT）预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测。     

一种弹用涡喷发动机风车起动数值仿真方法

对弹用涡喷发动机风车起动过程进行仿真求解:点火前风车过程用径向基函数神经网络(RBFN)建模,引入相关先验知识对网络输入变量加以变换,以满足小样本情况下网络建模;依据试验数据运用滑动最小二乘法(MLS)获得压气机特性;对于点火加速过程的动态模型,采用改进的粒子群优化(PSO)算法求解.解决了N-R(Newton-Raphson)法受初值影响不易收敛的问题.计算结果与试验数据吻合较好,可作为发动机起动过程性能分析和优化的理论依据.      

基于多分类器融合的航空发动机气路故障诊断

为解决航空发动机这一复杂系统的故障诊断问题,提高智能化诊断方法的准确率,使用了D-S证据理论对RBF神经网络、BP神经网络和支持向量机三个诊断子系统的诊断结果进行决策级融合,结果表明D-S证据理论的使用可以达到比单独运用三个子系统具有更好的诊断效能,经过融合降低了误诊率,改善了诊断性能。