可靠性技术的最新进展

简要总结了可靠性工程研究和发展的现状，并分析从人的可靠性、软件可靠性、学科相互交叉三个领域介绍了近2－3年来可靠性技术的最新进展和今后的研究方向。     

一种基于粗糙K-均值的椭球基函数神经网络

改进了一种椭球基函数神经网络,它与经典椭球单元神经网络的结构不同,而与径向基函数神经网络结构类似,即它有一个隐含层,并且隐层单元采用椭球基函数,区别于RBF网络的高斯函数。本文采用粗糙K-均值方法求取椭球函数的中心,并给出了该方法中确定初始阈值的步骤。这种改进方法不但使对输入空间的划分局部作用,而且划分区域封闭有界。因此,改进的神经网络具有较好的函数逼近能力和模式识别能力。仿真实验验证了该椭球基函数神经网络的正确性和有效性。     

自行判断神经网络的约束态小型导弹控制

本文描述的研究是一种自行判断的控制器，而该控制器操控一个处于最小飞行马赫数的约束状态的小型导弹，约束态就是用最少的时间使导弹从各种初始马赫数达到一个指定的最终的马赫数，且飞行路径角度完全相反，这类边际化状态空间、自由最终时间问题是非常难解决的，原因是处于约束边界状态的共同状态是不连续的，文中我们用一个双神经网络结构即所谓“自行判断”去执行该优化过程，该结构通过Hamiltonian公式求解相关的控制方程得出一个优化控制器，本文提供了关于约束边界状态下的方程和状态的详细过程，对于数据处理，采用了垂直平面方法。飞行马赫数和飞行路径角度作为状态。气动攻角作为控制对象，数据结果显示出自行判断处理有良好的性能，且表示这个公式非常适用于末端状态的制导，而该最后状态是源自于初始条件范围的约束优化问题。     

应用神经网络模型评价社保基金运营效果方法研究

社会保障基金是社会成员普遍关注的资金,他的利用关系到全社会成员的公共利益。因此,社会保障基金运用效果的评价问题一直是社会各界争论的焦点,正确评价其运用效果是值得学术界探讨的问题。运用神经网络模型对社会保障基金运用效果进行评价是对神经网络模型的应用及对社会保障基金运用效果的评价进行尝试和探讨。     

航空发动机虚拟自学习控制方法研究

随着人工智能技术的发展，智能航空发动机逐渐成为当今航空领域研究的热点。传统的航空发动机控制对发动机模型的依赖性过强，而基于发动机气热动力学公式的机理建模会引入较大的建模误差，给控制器设计带来困难。对此，提出一种基于强化学习的航空发动机控制虚拟自学习方法，首先利用航空发动机的试验数据通过LSTM 神经网络建立虚拟学习环境，然后采用深度强化学习TD3 算法，在虚拟环境中训练智能控制器，最后采用JT9D 发动机模型验证智能控制器的性能。结果表明：相比于传统PID 控制，智能控制器产生的超调量更小，调节时间更短。     

神经网络运作模型：预测航空公司破产风险

金融分析员一直追求用更精确的方法来衡量企业的财务健康状况和预测破产。传统财务分析员通常通过计算会计报表的数据比率来衡量企业的持续运营能力。由奥特曼首创的种子分析方法(Seminal Research)形成了融合传统财务比率和统计技术的预测模型。他尝试应用域的判别式(又称为“Z Score"模型)提前三年预测企业破产,结果成功率为76%。在模型中输入量包括五个财务比率,用于衡量财务健康的四个指标:清算能力、杠杆率、流通量和盈利能力。后来许多测试均证实了奥特曼模型的预测能力。1981年,格里塔运用奥特曼模型成功预测到Braniff和大陆航空公…     

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

航天器高精度悬停的改进型重复控制

研究了以高精度为目的的航天器悬停系统控制设计.采用相对轨道要素描述目标航天器和跟踪航天器之间的相对运动模型,具有清晰的几何意义和较高的精度.为了实现高精度的相对位置和相对速度跟踪,提出了一种改进型重复控制方案,该方案利用重复控制能够精确跟踪目标信号的优点,并通过加入非奇异终端滑模控制器克服了传统重复控制器易受非周期干扰...