基于神经网络的智能复合材料损伤评估系统

介绍了一种复合材料损伤评估的新系统。该系统由埋入光纤传感器阵列、形状记忆合金丝和Ｋ　ｏｈｏｎｅｎ　自组织神经网络处理器组成。由埋入光纤传感器阵列实现对材料损伤的检测,神经网络由ＴＭＳ３２０Ｃ２５　高速并行处理器和ＩＢＭＰＣ／３８６组成的高速并行分布处理器进行模拟,实现传感器输出信号的实时处理,并产生相应的控制信号激励形状记忆合金丝（ＳＭＡ）,以改变材料的应力状态,延缓材料的破坏。     

人工神经网络在飞机总体外形智能CAD中的应用

将人工神经网络应用于飞机总体外形智能ＣＡＤ中,针对现有方法的局限性,研究了参数神经网络,提出了一种综合考虑影响神经网络学习３个主要因素（权值、激励函数和拓扑结构）的ＷＡＦＳ学习算法,并研究了隶属函数的神经网络表达和基于神经网络的并行推理,给出了有关应用实例。     

国外先进无损检测技术的发展及应用

介绍了国外先进的无损检测技术的发展和应用现状,概述了定量无损检测技术（ＱＮＤＥ）在生产阶段、使用阶段和使用寿命评估中的作用。并介绍了应用ＮＤＥ技术的材料的智能处理技术和人工智能技术。     

中小城市公安光纤城域网的实现

公安网络建设是公安"金盾工程"规划的重要组成部分,地市级公安的三级网络建设,是整个公安网络建设的重要环节。随着光传输网络的普及和千兆技术的成熟,千兆以太网GE在技术成熟度、标准化和价格等方面都是一个更合适的选择。本文将介绍湖州公安三级网络的千兆光以太城域网改造案例,分析光纤城域网建设的要求、技术。     

空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

基于蒙特卡罗法的航空发动机空气系统稳态算法优化

针对目前航空发动机空气系统稳态算法中收敛性依赖初值的问题,将蒙特卡罗方法与流体网络法综合应用到空气系统可压缩流体一维网络计算中,提出了一种新的计算方法Monte Carlo-Fluid Network（MC-FN）。该方法将空气系统简化为由节点和元件组成的网络,借助蒙特卡罗方法获得空气系统内各节点压力分配,再根据空气系统中各元件流阻特性和换热特性计算流量、温度。计算中通过将游动次数比较少的蒙特卡罗方法的计算结果作为流量残差法节点压力、温度的初始值,实现快速求得精确收敛解。与流量残差算法相比,MC-FN方法计算精度不变,收敛速度提升了66.5%;与线性求解法相比,MC-FN方法的计算精度提升了25.2%,收敛速度提升了43.8%。     

不同增长机制下航空网络自愈特性

结合复杂网络理论,从能量的角度分析了航空网络的功能自愈机理,并研究了航空网络在不同增长机制下的自愈特性。首先,将网络结构划分为自愈结构与耦合结构,并针对航空网络3种增长机制进行了分析和抽象建模;然后,从网络全局角度出发研究了美国航空网络在遭受蓄意攻击造成全网功能瘫痪的情况下,网络功能的恢复鲁棒性和网络增长对网络自愈能力的影响。研究表明,美国航空网络具有较好的恢复鲁棒性,接近80%的机场在受到能量冲击造成的短暂失效后具有功能自愈能力。航空网络不同的增长机制对网络的自愈能力有着不同的影响。结果证实,为完善航空网络而建立的机场群,由于其较大的连接需求,加大了网络区域密度,复杂了网络拓扑结构,降低了网络的自愈能力;而小型机场的增加不会影响网络整体的自愈能力。      

航空活塞式发动机瞬态空燃比控制仿真研究

针对航空活塞式直喷发动机瞬态空燃比难以精确控制、动态超调大等问题,采用基于改进的粒子群优化算法和Elman神经网络(VPSO-Elman网络)的模型预测控制算法对发动机过渡工况空燃比进行控制。在实验数据的基础上,利用发动机建模软件AMESim建立发动机模型,在MATLAB/Simulink中建立VPSO-Elman空燃比预测模型控制系统,通过联合仿真检验控制系统的性能。结果表明:瞬态工况下,相比于比例-积分-微分（PID）控制,VPSO-Elman网络模型预测控制下的空燃比超调量可以减小约20%,回调时间缩短约75%;针对不同的节气门开度变化速率,VPSO-Elman控制器同样具有良好的控制效果。      

基于ARCN模型的轴承故障诊断

提出注意力循环机制与胶囊网络融合的注意力循环胶囊网络（ARCN）的诊断模型。提取时序特征信息构建初级胶囊;自适应融合路由机制、注意力循环机制构建数字胶囊特征;基于西储大学轴承实验数据,验证了ARCN模型的准确率、鲁棒性、稳定性、收敛误差,其准确率相比Caps模型识别准确率提高1.2%、收敛误差达到0.2。基于实验仿真平台,采集正常、内环故障、外环故障和滚动体故障的振动信号,并通过小波基变换获取的时频图构建ARCN模型的数据集。仿真实验结果表明:ARCN模型下,每类故障被误诊的概率不超过总样本的1%。