基于偏最小二乘的向后删除变量法及其在均匀设计中的应用

针对均匀设计中的小样本数据处理问题,讨论了一种偏最小二乘与向后删除变量法相结合的变量筛选方法。首先,利用偏最小二乘建立包含尽可能多的关键自变量的全模型,然后将向后删除变量法中的每一次最小二乘回归替换为偏最小二乘回归,得到基于偏最小二乘的向后删除变量法。实验结果表明,与逐步回归法相比．该方法的预测能力明显提高,且具有更好的稳定性。     

基于QAR数据的飞机巡航段燃油流量回归模型

深入分析了波音737-700飞机的QAR数据,确定了影响飞机燃油流量的因素;采用多元线性回归分析方法,建立了该机型巡航段燃油流量模型,利用该模型对飞机巡航段燃油流量进行了验证.对验证精度的评估表明所建立的模型具有较好的验证效果,为航空公司提高燃油消耗监控效率及控制燃油成本提供了参考.     

基于神经网络的协作优化方法在飞机总体设计中的应用

多学科设计优化技术是国内外迅速发展的一门学科,而协作优化方法是其中最常用的一种有效的分布式并行优化方法.本文探讨了基于人工神经网络响应面的协作优化设计算法,从神经网络的原理和求解方法出发,对标准的BP神经网络进行相应的改进以适用于协作优化框架,并给出了一个飞机总体方案设计的算例,应用该方法对总体参数进行优化.算例证明,神经网络方法的引入可使协同优化的计算收敛速度更快,可靠性更高,并且有较好的鲁棒性.     

基于D-S证据理论和不同子神经网络集成的磨粒识别

针对磨粒识别问题,建立了基于D-S证据理论的集成神经网络磨粒融合诊断方法.首先对特征参数进行优化分组,然后对每一组建立对应的分类子神经网络,分别采用径向基函数(RBF)神经网络和反向传播(BP)神经网络进行识别,得到初步的诊断结果,经过归一化后作为2组基本概率分配函数,最后运用D-S证据理论进行融合得到最终识别结果.算例分析表明,基于D-S证据法和集成神经网络的磨粒融合识别方法比单个诊断方法具有更高的准确性.     

人工神经网络在数模混合电路故障诊断中的应用

以某导弹测试设备功能模块电路的故障诊断为例,研究了神经网络方法在数模混合电路故障诊断中的应用,着重研究了基于仿真的故障模式获取方法及基于Matlab的网络训练方法。经过验证,该方法能够快速、准确地定位故障。     

基于多元线性回归的发动机性能参数预测

在对发动机性能参数相关性研究基础上,结合多元线性回归预测模型,提出了一种能够考虑发动机众多因素对因变量影响的发动机性能预测模型.使用该模型对发动机排气温度(EGT)进行预测时,能够兼顾到p_4.95,N₂,T₃,N₁,p_B等性能参数对EGT影响.最后使用一组某民用机型发动机飞行试验数据对模型进行了验证,并与加权一阶局域法进行了对比.结果表明,该模型预测精度优于加权一阶局域法,该方法可以为这种机型发动机故障预测提供决策依据.      

钛合金线性摩擦焊接头缺陷形成机理分析

采用热力耦合技术,建立了线性摩擦焊过程的有限元模型,计算了焊接温度、应力和变形场,并对温度场进行了试验验证.观测了接头不同缺陷的微观形态,并对其形成机理进行了分析.最后,提出了控制焊接缺陷的措施.     

高性能战斗机机动动作优化控制研究

应用轨迹优化方法研究了高性能战斗机机动动作的最优控制问题。采用质点运动方程，以多层神经网络完成气动系数拟合，编写了基于最大值原理的优化程序，给出了优化结果，并据此对过失速机动的使用和控制进行了初步分析，结果表明，对特定的始末端状态，过失速机动能力能够缩短机动时间，但是进入过失速的深度与收音机推重比有关。     

故障诊断的神经网络观测器法

以神经网络的自学习代替故障诊断观测器法中的解析计算,提出了一种新的故障诊断方法,从而解决了具有模型不确定性系统的故障诊断问题。对某型航空发动机控制系统传感器故障进行了仿真研究,该方法不仅具有传统观测器法报警及时准确、易于实现容错控制的优点,又不需要获得系统精确的数学模型,对具有模型不确定性系统的故障诊断与容错很有效     

刀具磨损估计的多传感器融合神经网络方法研究

研究了利用声发射、振动和电机功率信号经BP算法信息融合估计刀具磨损量的方法,采用简单有效的灰色模型关联分析法选择特征参数,研究了网络参数对性能的影响以及网络性能的稳定性。