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。     

基于小波神经网络的PCBA检测

为了实现对PCBA的快速准确检测,提出了基于小波神经网络的检测模型,分析了网络的拓扑结构.仿真显示,该检测模型的误差小,精确度高,检测速度快,提高了SMT生产线上的一次通过率的可靠性.     

小卫星多级故障诊断系统设计

提出一种基于模糊神经网络的小卫星多级故障诊断系统,利用多级的方式对小卫星的故障进行诊断。其中第一级采用模糊聚类的方法,将故障定位于模块级;第二级采用模糊径向基神经网络,完成故障的部件级定位。最后用该故障诊断方法针对卫星故障仿真系统做了实验,对其预设故障进行了诊断,诊断结果与仿真系统预设故障完全一致。实验表明:多级故障诊断结构提高了故障诊断的系统性、准确性并大大降低了故障诊断中的计算量。     

基于声发射的铝蜂窝板超高速撞击损伤模式识别方法

为通过声发射技术识别铝合金蜂窝板超高速撞击(HVI)的损伤状态,提出一种基于神经网络的损伤模式识别方法。通过超高速撞击实验获取声发射信号,结合精确源定位技术、时频分析技术、小波分析技术及模态声发射技术,提出了10个与损伤相关的特征参数,通过非参数检验分析其与损伤的关系,设计了一种基于贝叶斯正则化BP神经网络的超高速撞击损伤模式识别方法。建立最优网络模型,通过不同参数组合识别能力分析,优选出2种特征参数组合,通过非同源样本对其损伤模式识别能力进行验证。结果表明:传播距离与损伤模式无关,却是识别损伤模式的重要参数;125~250kHz频域的自动加窗小波能量比会降低损伤模式的识别能力;采用贝叶斯正则化的BP神经网络可以较好地识别蜂窝板超高速撞击损伤模式,参数组合为传播距离、上升时间、持续时间、截止频率、4个自动加窗小波能量比及小波能量熵,共9个参数,对任意选取非同源样本识别错分率仅为9.38%。     

基于ELM的飞机数字化装配定位运动模型

针对飞机装配中开敞性较差环境下的串联装配机构半闭环定位运动控制问题进行研究,提出了基于极限学习机(EML)算法的飞机数字化装配定位运动模型。通过分析飞机数字化装配串联定位机构的运动学模型特点及性能要求,提出了飞机数字化装配定位运动的单隐含层前馈神经网络模型,并基于极限学习机提出了装配定位运动的数据辨识模型,且最后给出了基于极限学习机算法的定位运动离线辨识方法。通过将某大型飞机机身壁板柔性预定位工装作为试验平台进行验证,结果表明,获得的定位运动模型使直接装配定位精度达到±0.25 mm,满足某大型飞机机身壁板长桁的装配定位精度要求±0.50 mm。试验系统涉及的若干关键技术已应用于某大型飞机的壁板组件装配预定位柔性工装系统。     

动态模糊RBF神经网络焊接接头力学性能预测建模

建立动态模糊径向基神经网络RBF( Radial Basis Function,RBF)焊接接头力学性能预测模型,克服静态RBF和模糊神经网络( Fuzzy Neural Network,FNN)在结构辨识、动态样本训练及学习算法的不足。该模型的结构参数不再提前预设,在训练过程中动态自适应调整,适用动态样本数据学习,学习算法引入分级学习和模糊规则修剪策略,加速训练并使模型结构更加紧凑。利用三种厚度、不同工艺TC4钛合金TIG焊接试验数据对该模型进行仿真。结果表明：模型具有较高的预测精度,适用于预测焊接接头力学性能,为焊接过程在线控制开辟了新的途径。     

卫星通信中有记忆功放预失真研究进展

目前,卫星通信面临频谱资源紧张和功放功率效率低等问题,虽然采用高阶调制方式可缓解资源紧张问题,但信号通过功放时会产生失真,影响通信质量。功率回退法可在一定程度上改善信号的失真,但会导致功放功率效率不高。功放线性化技术是改善信号质量、提高功放功率效率的有效途径之一。针对卫星通信传输面临的问题,简要介绍目前国内外关于功放线性化技术的研究状况,对各种技术的实现原理和主要的技术手段进行介绍和总结,分析其优缺点;同时,介绍了为提高精度而融合多种预失真技术的预失真算法应用情况;并针对高峰均比等特殊信号,概述了目前信号预处理技术和预失真技术的联合使用情况。最后,指出预失真技术未来的发展方向。     

相机稳定平台的RBF神经网络PID控制方法

相机稳定平台是作为飞行器航拍的一种外挂式设备, 可以采用先进的控制 策略避免飞机姿态变化和机身抖动对航拍质量造成的影响。常规的PID 控制需要人为手 动调节参数, 提出一种基于RBF 神经网络PID 参数自整定的控制方法。通过设定初始 PID 参数, 利用RBF 神经网络自学习能力进行在线参数整定。仿真结果表明, 与传统 PID 相比,RBF 神经网络PID 具有较高的精度和较强的适应性, 平台跟踪精度可以达到 3′以内。     

平流层飞艇升降阶段BPNN惯性导航算法

软式平流层飞艇艇体在上升和下降时经常呈堆叠状态,GPS信号会被艇体间歇性遮挡,因而只能采用惯性导航。为保证在飞艇上升和下降过程中,INS/GPS组合导航系统在被艇体遮挡GPS时仍能够提供满足精度要求的导航信息,设计了一种改进的反向传播神经网络(Back Propagation Neural Network, BPNN）惯性导航算法。采用神经网络,根据惯性导航系统在1s内的速度均值和姿态变化量,预估其在1s末的位置误差和速度误差,并对惯性导航结果进行修正。仿真实验和跑车试验结果表明,在GPS失效的30s内,新算法使得位置误差低于15m,速度误差低于0.7m/s,误差相比纯惯性导航降低了85%。     

时滞BAM神经网络周期解的存在唯一性

研究了一类具有变系数及状态依赖时滞或分布时滞的BAM神经网络模型的周期解存在唯一性问题,利用不动点定理获得了周期解的存在唯一性条件,并应用数例说明结论的有效性。