基于人工神经网络的道路表面降雨水深预测

建立了基于人工神经网络的道路表面水膜厚度预测模型,通过试验数据的训练确定权重和阈值,经过检验样本的检验,能够很好地预测道路表面的水膜厚度。结果表明,本文建立的人工神经网络模型用于道路表面水膜厚度预估可行。     

基于相空间重构的网络流量RBF神经网络预测

应用混沌理论,分析了网络流量,用单变量的网络流量时闯序列重构与网络动力系统等距同构的相空间,进而计算了实际网络的关维数和Lyapunov指数,并证实了网络流量存在混沌特性;据此建立了基于径向基函数（RBF）神经网络的模型,并对实际网络数据流进行了预测。仿真结果表明,相对于其他前馈神经网络预测,基于混沌理论的RBF神经网络预测方法学习速度快,预测精度高。     

基于误差模型的权重二值神经网络近似加速

针对智能识别系统精确度和硬件复杂度之间的均衡设计问题,提出了一种基于误差统计模型的权重二值神经网络近似加速方法.在提出了一种获得高精度轻量神经网络的权重二值化处理算法基础上,引入近似加法器、消除乘法器以进一步提高能效.最终提出了一种系统级误差统计模型用于系统评估和优化设计,该设计能够分析和预测权重二值神经网络近似加速系...     

双向联想记忆集成

由多个尽可能多样化的分类器(前馈神经网络)组成的多分类器系统(MCS)能够显著地提高单个分类器的分类或推广能力.受MCS基本思想的启发,将集成引入到双向联想记忆快速学习(QLBAM)中,构建出一个BAM集成,旨在提高存储容量和纠错性能的同时,不破坏每个成员BAM的简单结构.计算机仿真表明,选择合适的"过剩生产与挑选并存"策略,即"稀疏算法"后,所提出的BAM集成在存储容量和抗噪声性能两个方面都显著优于单个QLBAM.     

基于单代号网络的银行家算法

通过对银行家算法的分析,提出单代号网络的进程安全状态序列的改进算法-基于单代号网络的银行家算法,并通过具体的示例实现此算法。     

面向在轨高效实时图像处理的二值权重沙漏网络加速器设计

为了实现在轨高速实时图像处理,提出了基于多级预测校准机制及查找表方法的二值权重沙漏网络加速器.首先,提出了一种计算架构来统一支持二值权重及多位宽权重卷积计算;其次,提出了多级预测模型来实现可变精度的高效卷积,基于这2种方法可以将网络的计算量降低77.4％,推理速度提升2.3倍.本文针对残差模块中跳转连接造成的存储访问问...     

试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明：得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。     

基于深度学习的发动机叶片故障检测技术

为了解决航空发动机叶片故障检测中存在的检测精度欠佳、检测效率不高的问题,提出了一种基于深度学习的目标检测方法。针对小样本数据集检测精度低、模型训练速度慢等问题,对Faster R-CNN目标检测算法进行结构优化,引入Res2Net结构,通过分割串联的策略强化残差模块的卷积学习能力,搭建了细粒级的多尺度残差模型Res2Net-50,以提升模型的特征提取能力。同时,在网络的训练过程中,采用多次余弦退火衰减法对学习率进行调整,以加快模型的训练速度,提升模型的训练质量。针对航空发动机叶片裂纹和缺损2种故障类型进行网络训练与检测试验,试验结果表明：优化后的模型识别准确率提高了0.7%,模型的平均检测精度提高了1.8%,训练时间缩短了5.56%,取得了比较好的检测效果。     

民用飞机航材支援网络选址因素权衡方法研究

民用飞机航材支援网络作为主制造商为客户提供航材的必要媒介,合理地搭建该航材支援网络有利于提高主制造商的服务品质和客户运营能力。基于Kriging方法,提出一种定性与定量相结合的民用飞机航材支援网络选址因素权衡方法,对选址因素进行梳理和分类,获取选址定量分析数据需求,并运用所提方法进行民用飞机航材支援网络选址因素权衡,进而对选址因素进行重要度评价;将该方法与层次分析法、响应面法、蒙特卡洛法进行对比分析,以验证其有效性和适用性。结果表明：本文所提方法可有效进行选址因素重要度评价,为民用飞机航材支援网络的搭建奠定基础。     

基于云贝叶斯网络的运输飞机超轮速风险评估

起飞超轮速严重威胁飞行安全,为了有效评估运输飞机起飞时在不确定性因素影响下的超轮速风险水平,提出一种基于云模型和贝叶斯网络的评估模型。选取抬轮速度、总重、低压转子转速、抬轮率、抬轮时机、升降舵控制量、风的分量、总温8个指标,建立超轮速风险指标体系;运用基于启发式高斯云变换算法和正向高斯云算法的云模型,实现超轮速风险等级软划分和指标离散化,并确定各指标的先验概率;构建超轮速风险的贝叶斯网络,基于所建网络和节点信息计算节点后验概率,通过网络反向诊断得到超轮速的主要诱因。结合实际运行数据进行仿真验证,结果表明：评估结果符合实际情况,验证了模型的有效性。研究结果可为超轮速事件分析、民航运行安全风险管理提供理论依据。