偏最小二乘和ANFIS在飞机燃油油量测量中的应用

分析了飞机燃油箱剩余油量测量系统具有变量多、非线性及变量间存在多重相关性的特点,指出单独采用自适应神经模糊推理系统(Adaptive network-based fuzzy inference system．ANFIS)和偏最小二乘(Partial least- squares,PLS)解决飞机燃油箱剩余油量软测量问题均有各自的局限性。结合上述两种方法的优点,提出了一种基于PLS回归与减法聚类的ANFIS软测量模型。将其应用于预测飞机油箱燃油剩余的建模过程中,得到了比采用PLS回归方法更好的精度,从而证明了该建模方法的有效性。     

NF-3风洞神经网络自适应稳风速控制系统研制

介绍西北工业大学NF-3大型低速直流式翼型风洞改进后的稳风速控制系统的结构、控制原理和性能特点.针对低速直流风洞风速控制系统建模困难,易受外界干扰影响,且自身参数时变不确定,控制难度大的特点,新系统采用了多线程、数字式数据采集方式,带死区控制的PSD神经网络自适应控制算法.通过在NF-3风洞三元试验段和二元试验段的实际应用,与正在使用的模糊控制系统相比较,新系统的适应性和鲁棒性更强,调试时间大为缩短,风速控制精度在风速大于10m/s时从国军标的合格指标0.3%提高到先进指标0.1%,稳定时间减少了10%左右,人机交互也更加友好.     

基于在线频率估计的自适应反馈主动隔振技术

针对自适应前馈控制方法的缺点,提出一种周期性振动主动控制的自适应反馈控制方法.利用误差信号恢复振动干扰信号,采用级联陷波器估计信号中周期性分量的频率,并在估计频率处为控制器构造参考信号;控制器的参数则根据Lyapunov稳定性原理进行调整.仿真和主动隔振试验结果表明:频率估计方法在不同信噪比情况下均具有较好的估计精度;主动控制方法在振动频率处的隔振效果明显,隔振量可达16?dB以上,且控制器的参数收敛速度较快.     

改进PASTd算法在大型自适应阵中的应用

矩阵特征分解算法中紧缩近似投影子空间跟踪(PASTd)算法在自适应阵波束形成中得到了广泛应用.在对其仿真中发现仅在信噪比较低时该算法才能得到较好的结果.针对这一缺陷,正交近似投影子空间跟踪(OPAST)算法被引伸到PASTd中.改进算法可在不知道信号维数的情况下估算信号的特征向量与特征值,并保证特征向量的正交性,因此具有更好的收敛性能,而算法复杂度基本不变.改进算法与多重信号分类(MUSIC)算法相结合应用于大型自适应阵,可对主瓣及其附近区域的干扰进行抑制,并大大降低MUSIC算法的计算量,对其干扰零点的形成有很强实用价值.     

3点逐步r型自适应网格算法

为了根据某个流场参数梯度较合理地分布网格同时又不增加网格点的数量,提出一种基以总变差为基础的r型3点逐步自适应网格算法,通过3点逐步调整网格点的位置以减小网格线的扭曲,生成质量较好的计算网格.以绕二维圆柱和三维双椭球的超声速流动为算例,用Euler方程模拟,以流场的压力总变差来进行自适应,通过分别用所提出的自适应方法生成的自适应网格与用原始网格计算所得的流场结果对比,计算结果表明,用自适应网格计算所得的激波比用初始网格计算所得的激波薄,采用自适应方法所计算出的流场数值解具有更高的分辨率.      

小卫星的自适应姿态控制

分析了小卫星的姿态动力学及运动学方程；利用姿态动力学方程为一动力学参数矢量的线性函数这一事实，考虑存在参数不确定性，提出了一种自适应控制方法；证明了这种方法可以保证控制系统全局渐近稳定。仿真结果验证了该方法的有效性。     

解决排班问题的多目标优化模型及算法研究

为提高排班结果的准确性可靠性,提出了排班问题的多目标优化模型,并应用改进的基于信息熵的自适应遗传算法求解模型的最优解.同时引入分割集和模拟退火算法的思想进行优解的选择.通过对航空公司机组排班问题的仿真比较,模型的正确性和先进性得到了验证.      

基于Web的带宽自适应组件化多媒体监控系统

当前的分布式多媒体监控系统存在通用性、易用性和扩展性不足等缺点,且不能自适应多种网络状况.为解决其通用性、易用性问题,参考流媒体系统结构,给出了基于Browser/Server模式的监控系统结构.为增强其可扩展性,在DirectShow技术基础上,设计了基于COM的监控系统软件结构.采用带宽自适应的策略和方法,实现了系统对多种网络状况的动态自适应.      

SMARC变形控制及神经网络建模

在复合材料层板中偏离中性层的位置铺设镍钛形状记忆合金丝,然后通电加热镍钛丝,使其在形状回复过程中产生巨大的回复力,从而使层板结构发生弯曲变形.由于形状记忆合金的非线性以及合成的智能材料结构的应力、应变分布和形状变化规律都非常复杂,尝试引入人工神经网络来建立以可控参量(电流强度)为输入变量、易测参量(稳态挠度)为输出变量的模型,所建模型的预测数据与实验数据之间符合得较好,相对误差小于9%.      

一种基于假设检验的多重渐消卡尔曼滤波

提出了一种基于假设检验的带多重渐消因子卡尔曼滤波的新算法.该算法采用χ2检验法,通过渐消因子矩阵对卡尔曼滤波器的噪声方差进行在线修正,从而使滤波器在对象模型存在误差或对象受到外扰时仍然收敛,同时能够提高系统的精度.该算法应用于车载GPS (Global Positioning System)/INS(Inerial Navigation System)组合导航系统中,取得了良好的效果.