基于改进型BP神经网络多关节机器人逆向运动学求解

提出采用一种3层改进型快速BP神经网络(Modified fast BP neural network,MFBPNN)求解一个5自由度多关节机器人逆向运动学问题。使用正向运动学计算获得的样本向量进行离线学习,然后充分利用人工神经网络的泛化特性,实现了机器人末端作用器位姿到各个关节转角变量之间的非线性映射。仿真结果表明,采用MFBPNN算法以后,绝对误差不超过0．005°,计算精度和处理速度能够满足机器人实时控制的要求,并且可以应用于机器人路径规划控制场合。     

改进的BP神经网络技术在平面叶栅气动性能实验中的应用

将多维实验方法应用于平面叶栅正反向流动实验中,避免了单参数实验方法中的缺陷,大大提高了实验数据的可靠性。同时采用改进的BP神经网络技术,对气动性能实验数据进行分析。实验发现：低雷诺数下,翼型的流动状态很复杂,附着涡在确定翼型边界层行为和失速特性中起着重要作用。在反向流动中,翼型的吸力面常伴随有旋涡的流动,类似于薄翼流动,翼型在较小的迎角下就会发生薄翼失速。     

硅基材料烧蚀模型研究

对冲压发动机燃烧室所使用的硅基热防护材料，用以往的单纯因二氧化硅液态层被气动吹除减薄的模型进行烧蚀计算，计算结果和实际偏差很大。我们根据硅基热防护材料的实际特性，在原有的液态层模型的基础上，考虑了夹杂碳化层对熔融态硅基的补强作用，提出了既有液态层吹除也有化学反应烧蚀的新模型，即考虑了热解、熔融和碳化、气动吹除结合化学反应烧蚀的多因素过程。并根据硅基热防护材料的烧蚀特点，根据发动机模型的试验结果，初步总结出了液态层粘附力的经验公式。从物理概念上分析可以看出该模型基本符合实际情况；从多种工况计算结果可看出，新模型和经验公式是比较合理的。     

基于递归模糊神经网络的鲁棒BP算法研究

讨论了一种基于递归模糊神经网络的鲁棒BP算法的实现。该算法采用极大似然法修正传统BP算法的指标函数 ,利用M估计器和自举算法在线估计样本的误差分布 ,适合于动态非线性系统的辨识 ,逼近精度高 ,收敛速度快 ,在小噪声扰动时处于稳定 ,对过失误差有很强的鲁棒性。仿真结果证明了该算法的有效性     

一种新型装备完好率计算模型的研究

装备完好率能反映装备质量状况和战备完好性,对装备的研制、使用、维修保障和作战具有非常重要的意义。本文对装备质量信息的表示与完好状况的判定进行了讨论,对装备完好率的计算模型进行了较深入的研究,并给出了计算实例。这些模型为装备完好率信息的处理提供了一种比较科学的方法,实践表明,这些新的模型较好地实现了装备完好率的计算。     

超宽带/宽波束SAR的后向投影(BP)算法

超宽带/宽波束(UWB/WB)SAR的相参积累角很大,会引起严重的距离徙动现象,使传统窄带/窄波束成像算法(RD算法等)不再适用。后向投影(BP)算法避免了菲涅耳近似,通过计算双程时延将信号进行相干累加,从而获得方位向高分辨率。文中对SAR成像以及BP算法的原理进行推导,然后通过计算机仿真验证理论分析的正确性和算法的有效性,最后详细讨论图像的像素间隔对成像的影响。     

一种改进的BP网络系统辨识算法的研究

本文提出了一种降低网络灵敏度的BP网络改进算法,即在网络的误差反向传播信号线上增加一个协调器, 该协调器控制各层权值的修正,大大提高了网络的学习速率。通过对具体网络的仿真,证明了该算法的可行性。     

基于BP神经网络的航空发动机故障检测技术研究

为了提高航空发动机故障检测正确率,将BP神经网络应用于航空发动机故障检测中。从某航空公司使用的CFM56-7B系列发动机的实际飞行历史数据中选取研究样本,对比了6种训练方法的效果并最终选择弹性BP法对网络加以训练并进行测试。结果表明:该方法对CFM56-7B系列发动机的排气温度指示故障、进口总温指示故障和可调放气活门故障的检测正确率高达83.33%。BP神经网络能够很好地应用于航空发动机的实际故障检测,其学习记忆稳定、网络收敛速度快,具有一定的工程实用价值。     

BP网络进行0-9十个数字图像的识别

在BP算法和数字图像处理技术的基础上,本文在MATLAB软件环境下提取Word文档中26种字体的0-9十个数字的图像,使用MATLAB神经网络工具箱及图像处理工具箱进行数字的识别,给出了较详细的处理步骤及相关程序,并比较了各种识别算法的收敛速度和识别率。     

基于BP网络的机组工作量评估方法研究

为研究机组工作量的评估问题,搭建了模拟飞行实验平台,设定了7种不同负荷的飞行任务。模拟飞行中,对被试的生理指标进行测量,并采集其主观评价值。采用BP网络进行数学建模,将生理指标测量值作为输入、NASA-TLX表法的评价值作为输出,利用输入、输出模式对对网络进行训练,并对该方法进行验证。结果表明,基于BP网络的机组工作量评估方法,较传统方法更为稳定、精确,且大大降低了被试数量。提高训练模式对的数量、简化生理指标的测量过程,并保证测量精度是该方法成功的关键。