基于BP神经网络的冷挤压孔疲劳寿命预测

利用超高强度300M、30CrMnSiA调质钢、A3普通碳素结构钢的试验数据作为训练样本,预测了LY12CZ铝合金的疲劳寿命,并与试验数据在疲劳寿命N、子样平均值X、中值疲劳寿命N50方面分别进行分析比较,结果表明模型的误差控制在2%以内,证明了模型预测方法的可行性和有效性,也为预测新材料的疲劳寿命提供了方法和依据。     

基于BP神经网络的机场安检旅客流量预测模型

机场安检服务资源智能分配及调度是提高机场旅客服务水平及运营效率的有效途径之一,而准确的机场安检旅客流量预测则是实现机场安检服务资源动态分配及调度的前提。以天津机场安检旅客流量的历史数据为研究对象,利用BP神经网络算法建立机场安检旅客流量预测模型,并将该预测模型通过天津机场实际旅客流量进行验证。结果表明:该基于BP神经网络的机场安检旅客流量预测模型的预测精度可达90%以上,证明其具有较高的预测精度,能很好地应用到机场安检流量预测中,为机场运营者动态调度安检服务资源提供高效的解决方案。     

航空发动机自动平衡技术发展综述

针对航空发动机在运行过程中不平衡振动过大的问题,采用自动平衡技术进行在线质量补偿,可有效降低其振动水平。目前自动平衡技术主要运用于航空发动机结构、控制算法、工程应用3个方面。基于影响系数法的电磁驱动型自动平衡在美国空军C-130H运输机上得到工程应用,飞行测试4个发动机螺旋处的振动均低于1.27mm/s,降低了94%,因螺旋桨振动导致的压气机处振动降低了75%。研究结果表明:航空发动机自动平衡技术可实现在线持续动平衡,能有效降低发动机及其组件的振动疲劳损伤,降低发动机维护费用,延长维修周期。自动平衡技术在航空发动机领域得到工程应用是一个循序渐进的过程,还需要进一步开展结构设计、控制策略、系统集成等方面的研究工作,并在航空发动机设计阶段就考虑纳入自动平衡结构。      

GNSS干扰信号检测方法研究

研究了GNSS导航接收机在干扰源条件下的干扰检测和识别技术。除常见的卫星干扰如脉冲干扰、扫频干扰、BPSK干扰、宽带高斯白噪声干扰外,还添加了QPSK和8PSK干扰进行建模分析,并提取了常见的特征参数,如信号3dB带宽和频谱峰度等。通过研究,高阶累积量被提取作为MPSK干扰类内识别的特征参数。研究了基于决策树和BP神经网络等分类器算法的干扰盲识别,并分析比较了这些分类算法的识别准确率,为抗干扰领域的研究提供了重要参考。     

航空发动机内窥故障诊断专家系统研究

采用BP神经网络准确识别内窥故障信息,并且建立综合基于规则推理和基于案例推理的混合专家系统,对内窥故障进行智能诊断。实验结果证明,该专家系统能快速有效地给出损伤评估和维修策略。     

航空发动机风扇叶片结构损伤识别研究

航空发动机风扇叶片常常因为疲劳裂纹而引起整个结构的损坏,导致重大的安全事故。基于此,提出基于BP神经网络研究航空发动机风扇叶片结构损伤识别的方法,采用有限元法计算出的结构固有频率平方的变化量为标识量进行网络仿真,通过对仿真数据的分析,比较准确地识别出结构损伤的位置和程度,为及时地发现损伤并且进行针对性的维修提供依据。     

神经网络BP算法在滑油系统故障诊断中的应用

通过介绍神经网络反向传播算法(BP)的原理,研究BP算法在航空发动机滑油系统故障诊断方面的应用。BP算法因其高度的非线性、模拟的并行性、高度容错性、系统健壮性、自联想、自学习和自适应等许多特点,在航空发动机滑油系统调试和系统的监测及诊断中发挥较大的作用。     

基于BP神经网络的核事故多核素源项反演方法

核事故发生后,为快速评估事故严重程度,需要对源项释放率进行估算。本文选取I-131,Cs-137,Xe-133和Kr-85四种核素的释放率为目标信号,利用Matlab建立基于BP神经网络的核事故四核素源项反演模型。计算结果表明,在单隐层节点数为5~60范围内,训练均方差 随节点数增加先减小后增大,在节点数为25时达到最小值41.1%。学习速率在0.01~0.2范围内时,增大学习率可减小训练均方差与各核素相对误差。对单隐层节点数为25,学习速率为0.2的训练结果进行测试,4种核素的源项估计相对误差分别为56.7%,49.1%,92.4%和92.0%。     

基于BP神经网络的复合材料性能预测

针对复合材料性能表征十分复杂、困难的情况,利用人工神经网络的BP算法,建立了复合材料性能预测模型。模型由3层神经元组成,分别为输入层、隐含层和输出层。以碳/陶瓷复合材料性能与成分的关系为研究对象,选取了38组实验数据作为学习样本,模型总误差为0.18,用建立的网络预测未知,并给出预报曲线。和试验值相比较表明,所建立的网络能反映碳/陶瓷复合材料组分与其材料性能之间的关系,为实验设计提供了新的思路,节省了时间和劳力。     

逆向工程中一种新的特征识别算法

从某种角度上说,逆向工程是从已有实物的测量数据点中提取其实体特征再进行模型重建的过程。本文提出了一种新的特征识别算法,其首先采用基于面积和法矢准则的数据分割技术,对测量数据点进行数据分割。然后从特征所包含的分割面(简称特征分割面)中提取能够惟一标识该特征的4种特征编码,分别为:表述特征截面形状的截面编码、描述特征凹凸性的凹凸编码、显示特征二维俯视轮廓形状的轮廓编码以及反映特征二维俯视轮廓是否封闭的开闭编码。最后将这4种编码输入到基于人工神经(BP)网络的自动特征识别系统中,识别出特征类型并提取特征参数,从而实现特征重建。着重研究并实现了从特征分割面中提取特征编码的算法,并验证了算法的有效性。