量子超球神经网络在振动故障检测中的应用

提出了一种基于量子超球神经网络的液体火箭发动机振动故障检测方法,采用可变量子超球代表发动机工作模式,自然地提供了反映故障程度的概率幅;网络的离线学习算法可以从训练样本中自动提取发动机振动知识,监测算法不仅能正确预报故障,还能在线学习新的振动信息。试验数据检验结果表明：量子超球神经网络可以成功用于液体火箭发动机振动故障检测。     

某多挠性体卫星姿态的模糊神经网络控制设计

为改善多挠性体卫星的姿态控制系统,研究了一种基于模糊神经网络的控制器设计.根据某卫星的姿态和挠性动力学模型,给出了模糊神经网络控制器(FNNC)结构及其简化的带动量学习算法.仿真结果表明:FNNC能较好地适应卫星本体参数变化,对外界干扰的抑制能力良好,可满足高精度、高稳定度卫星的姿控要求.     

基于Hopfield神经网络的最优滑模制导律研究

本文的研究目的在于使制导律既保留最优制导动态性能好、节省能量的优点,同时又对有界机动目标具有良好的鲁棒性。首先,在导弹-目标追逃问题的相对运动学关系的基础上,我们根据制导动态性能好、节省制导能量要求,构造了线性二次型性能指标,利用Hopfield神经网络在线实时求解该最优制导问题,克服了实际中的最优制导难于求解的问题;同时为了在拦截有界机动目标时,保证视线角速率趋于零,又将滑模控制理论引入到制导律的设计中,并利用Lyapunov稳定性理论对该新型导引律的稳定性进行了证明。仿真结果表明该导引律能够对有界机动目标具有较强的鲁棒性,保证了导弹在追逃过程中使视线角速率趋于零,导弹的指令加速度较小。
     

基于多尺度多参量的硅MEMS陀螺仪漂移预测

针对硅MEMS陀螺仪误差因素多,输出为非线性非平稳的特点,采用传统方法难以对其建立精确的误差模型.在对小波神经网络方法改进的基础上,提出了多尺度去噪的平稳化方法及多参量非线性预测方法并将其用于硅MEMS陀螺仪漂移预测.试验结果表明,采用多尺度多参量校准方法,硅MEMS陀螺仪精度由1°/s提高到0.02°/s.     

旋转倒立摆的神经网络控制

本文针对一种新型的倒立摆系统,设计了一个四输入单输出三层BP网络,并对一级旋转倒立摆控制器进行逼近.仿真结果表明,BP神经网络有很广阔的应用领域.     

基于BP神经网络的固体推进剂性能预示方法研究

简述了人工神经网络的原理,利用MATLAB的神经网络工具箱建立了有关固体推进剂性能参数的BP网络模型,并利用数据库的数据对网络模型进行训练和检验。具体实例表明,利用神经网络建模对固体推进剂的性能参数进行预示计算,简便易行,预示精度高。     

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...     

基于克隆选择算法的学习型Petri网及在潜在通路分析中的应用

传统学习型Petri网(LPN)有2个缺陷:1)都是针对无回路PN模型,这不符合实际情况;2)大部分都是利用BP算法进行学习,带来BP算法固有的缺陷.针对这2个缺陷,提出基于克隆选择算法(CSA)的LPN(CSALPN).首先对系统进行PN建模,然后利用CSA训练PN,使得PN既可以学习先验知识又可以利用系统的结构信息...     

广义回归神经网络在MC-CDMA空频多用户检测中的应用

简要分析介绍反传神经网络、径向基神经网络与广义回归神经网络。广义回归神经网络与传统的基于反传算法的神经网络相比,具有收敛速度快,鲁棒性强等优点。将广义回归神经网络技术援引到MC-CDMA系统的空频多用户检测中,进行收敛性和误码率的仿真计算。仿真结果表明,广义回归算法比反传算法收敛速度快,广义回归神经网络空频多用户检测的误码率比单天线多用户检测的低。     

电液仿真转台控制系统设计与仿真研究

针对影响三轴电液仿真转台动、静态性能最大的同步驱动、摩擦和大惯量负载干扰三个问题，采用了模拟人脑基于经验控制的FNN（模糊神经网络）控制器和基于学习校正的PNN（预测神经网络）控制器分别对应转台内环（角速度环）和外环（角度环）反馈系统。FNN同步控制器分为等同和主从同步控制模式，两种模式相互切换，提高了系统同步性能；PNN摩擦干扰控制器采用了基于双网络模型的NARMA（非线性自回归滑动平均）预测模型，具有较强的非线性系统辨识能力，提高了系统抗干扰能力。软件仿真结果表明，当转台外框负载发生变化或外框两马达转速相差较大时，使用PNN—FNN模型的智能控制系统仍具有较高的位置跟踪精度和动态性能。