基于神经网络响应面的机翼气动稳健性优化设计

针对不确定性因素引起飞机性能波动的现象,探讨了机翼气动优化设计过程的稳健性问题;建立了面向速度和扭转角两个不确定性因素的气动性能稳健性约束模型;在利用MATLAB构造基于均匀设计法的BP(Back Propagation)神经网络响应面基础上,应用遗传算法对机翼分别进行考虑稳健性约束和不考虑稳健性约束的气动优化设计,得到两种不同的优化方案。计算结果表明:两种优化方案的最大升阻比都比初始方案的大;在巡航马赫数下,与不考虑稳健性约束的优化方案相比,考虑稳健性约束的优化方案的最大升阻比小0.027 9,但在马赫数、扭转角对应范围内其最大升阻比的变化量分别小0.034 0和0.001 6,其他气动性能参数也更加稳定,波动更小,气动性能具有更好的稳健性,从而证明本文方法进行机翼气动稳健性优化设计是可行、有效的。     

基于BP神经网络的飞机油耗与轨迹匹配模型研究

研究了基于与QAR记录相匹配的飞行轨迹数据建立的BP神经网络油耗模型,利用飞行轨迹数据输入模型求得油耗估算值,通过与QAR真实燃油数据对比,进行模拟分析.以某些航班的雷达记录数据为例进行油耗计算,结果表明本实验模型在燃油方面的估算误差不超过2％,满足空管方面对燃油消耗的计算.研究结果可以用于定量分析空管运行对民航节能减排的影响,从而在确保飞行安全、管制容量的前提下更好地兼顾绿色运行的要求,提升空中交通运行质量.     

基于BP神经网络组合导航融合算法

文章针对卡尔曼滤波算法的缺陷,建立了组合导航系统模型,提出了基于BP神经网络修正卡尔曼量噪权值的自适应卡尔曼滤波法,对量测噪声统计特性进行了自适应调整,并与传统卡尔曼算法进行计算机仿真比较。结果表明,基于BP神经网络的卡尔曼滤波器在一定程度上抑制了数据的发散,提高了导航精度。     

桨叶负扭度对直升机涡环状态影响分析

利用部分旋翼涡环状态试验数据，采用神经网络误差反向传播算法（BP 算法），研究了桨叶负扭度对直升机涡环状态特性的影响问题，分析了负扭度变化对旋翼扭矩，拉力平均值及脉动幅度的影响，模拟结果表明，使用该模型可准确预测桨叶负扭度对直升机涡环状态的影响，从而减少试验次数，节约试验费用。     

基于神经网络预测的柱径特征点检出

针对峰值法中测量路径规划问题,提出了基于参数模型学习的神经网络预测器。通过预测器对测量路径的优化,测量系统的柱边特征点检出效率提高了近十倍以上。     

基于BP网络的光纤陀螺刻度因子建模研究

针对光纤陀螺(FOG)随温度呈非线性变化的特性,提出了采用BP神经网络对刻度因子的温度误差建模的方法,以减小光纤陀螺输出误差;用BP网络对其建模的结果和传统的建模结果进行了比较,结果表明采用BP神经网络对刻度因子的建模是非常有效的.     

基于BP神经网络的民航安全预测方法研究

为了对民航系统安全运行状态进行科学的分析和预测。针对反映民航系统安全运行状态的重要指标之一——飞行事故万时率，采用BP神经网络的时间序列非线性预测模型及方法，对其进行了分析研究和仿真验证，计算结果表明，该预测方法是可行的，并与实际具有较好的一致性。     

线性模型的BL估计和BP估计

线性模型最小二乘方估计的改进大致有两条途径：利用验前信息，如贝叶斯估计，改变估计形式，如特征根估计，主成分估计，本文提出ＢＬ（贝叶斯加特征根）估计和ＢＰ（贝叶斯加主成分）估计，实现两类途径的综合，有实用和理论价值。     

基于神经网络的大型矿用隔爆型干式变压器动态温升预测研究

分析了大容量隔爆型干式变压器热传递过程和特点,利用人工神经网络的非线性映射能力建立了其动态温升预测模型,并将计算结果和实测结果作了比较,验证了其可行性和优越性.     

基于神经网络的火箭发动机结构动力学优化

针对大推力液体火箭发动机研制中面临的低频结构动力学频率优化问题,采用有限元方法及试验模态方法建立了可信的发动机低频动力学模型,对结构的低频动力学特性进行灵敏度分析,提取对发动机低阶固有频率比较敏感的设计变量.以这些设计变量作为神经网络的输出,待优化的结构固有频率作为输入,通过改进的神经网络建立了映射关系,最后优化得到能使固有频率达到目标值的设计变量值.通过有限元验证,优化结果满足要求.