基于BP神经网络的便携式模拟电路故障诊断系统研究

针对模拟电路故障不易被检测、不易被精确定位且现场情况复杂的特点,本文以基本共射放大电路为例重点研究了基于BP神经网络的模拟电路故障诊断方法。首先,提取待测电路特征值,对可能出现的电路故障编号,随机测量多组电路正常情况下和各故障状态下的电路特性,包括输入、输出电阻,上限、下限截止频率,增益等。随后,将测量得到的多组电路特征值用于故障检测模型的训练。接着,根据模型输出值与目标值的误差,调整模型参数,直至误差满足要求。最后,将模型参数固化于诊断系统微控制器的Flash中。经实验验证,依据该方法设计的便携式故障诊断系统具有较高准确率和较低的成本,切合社会生产实际。另外,由于其结合了深度学习算法和电子线路分析方法,也可用于电子信息类本科教育课程实践。     

微电子封装中金丝球焊工艺质量预测模型设计与研究

微电子封装过程中焊接参数的选择直接影响金丝球焊接的质量,本文通过正交试验的方法将不同的参数值进行组合、试验并通过方差分析法从诸多参数中确定影响键合质量的主要参数。针对金丝球焊质量与其影响参数之间复杂的非线性耦合关系的特点,本文建立了BP神经网络,确定神经网络的各结构参数,建立了引线键合模型。通过对模型预测结果进行验证,表明所建模型具有较高的精度,能够准确地反映焊接质量综合指标的变化趋势。     

基于神经网络自适应动态逆的结冰飞机飞行安全边界保护方法

考虑到飞机带冰飞行的安全问题，对结冰飞机进行安全边界保护成为一种有效的解决手段。基于神经网络自适应动态逆跟踪性能好、鲁棒性强的优点，提出了以安全关键飞行参数限制值作为神经网络自适应动态逆的输入，获取可用舵面偏转角的边界保护方法。建立了飞机本体动力学模型，采用高精度的数值模拟方法获得结冰数据库。设计了神经网络自适应动态逆控制律，通过在动态逆环节引入单隐层神经网络，对不确定性逆误差进行自适应补偿，增强了控制系统的鲁棒性。以俯仰姿态保持模式为例设计了结冰飞行闭环安全边界保护系统。以结冰飞机最小平飞速度的估算值作为飞机最低飞行速度，设计自动油门控制系统，实现对飞行速度的保护。通过仿真验证了设计的控制律具有较强的鲁棒性。对结冰严重程度线性增加情形下飞机状态参数的动态响应进行了分析。仿真结果表明，所设计的结冰边界保护系统，能够实现飞机在容冰飞行过程中对安全关键参数如迎角、飞行速度的实时保护。     

基于深度神经网络的超声速隔离段湍流涡黏性系数辨识

雷诺平均Navier-Stokes(RANS)方程由于计算成本较低，当前仍然在工程设计领域广泛应用。为了进一步提升计算精度和减少时间，应用深度神经网络（deep neural networks, DNN）方法自适应辨识稳态湍流涡黏性系数。以隔离段的激波串前缘位置检测流场生成为例，使用Wilcox-2006 k-ω湍流模型进行模拟。在不同的背压情况下，产生稳定状态的湍流涡黏性流场作为模型学习的训练数据集。最后在不同背压条件下开展了测试。结果表明：提出的DNN方法能够快速预测湍流涡黏性系数的值，预测值与计算流体力学数值模拟计算的参数值相比，方均根误差较小，可决系数大于99%，预测的流场结果与真实流场基本一致，进一步验证了深度学习技术在湍流模型参数辨识的可行性。     

基于神经网络和遗传算法的公差优化设计

针对产品制造中公差与成本之间高度非线性关系的特点,提出了一种综合神经网络与遗传算法进行公差优化的方法,该方法利用遗传算法在大范围解空间内采用概率搜索策略得到全局最优解且有较强鲁棒性的特点,以及神经网络解决高度非线性问题的优越性,首先利用神经网络对公差成本进行仿真,得到具有黑箱特点的公差成本函数关系;然后在公差分配中采用遗传算法,以总成本最小为目标函数,以满足装配公差要求和符合标准公差等级为约束条件进行优化;同时基于VC和Matlab开发了公差优化系统,以飞机舱门锁钩机构为对象进行了验证,并针对不同的公差成本及分配方法进行了对比.结果表明:采用神经网络与遗传算法综合分配的结果与传统方法相比具有较大的优越性.     

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。
     

面向在轨服务的自主对接控制方法与试验研究

针对在轨服务地面演示试验系统,进行了对服务星自主对接控制方法的研究,利用光学测量对服务星进行相对导航,通过一类基于BP神经网络的鲁棒自适应PD联合控制算法使6个推力器对服务星的二维平动与一维转动进行联合控制。完成了在目标星静止的情况下,服务星自主接近与对接试验。结果表明了所用控制方法的可行性。     

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。