一种用于无节点战术数据链的TDMA协议

介绍了时分多址(TDMA)技术在一种无节点战术数据链中的应用;并简要介绍了这种数据链的基本通信原理;具体讨论了如何利用时分多址技术进行数据链组网,以及终端入网、同步、和TDMA的实现等几个关键问题。     

自组织神经网络航空发动机气路故障诊断

 为克服学习样本依赖于发动机精确模型的问题,提出了一种基于自组织神经网络的发动机智能故障诊断的方法,并运用故障特征提取的数据预处理方式,成功地对航空发动机气路部件的几种典型故障做出正确诊断。为验证网络的抗噪性能,引入了自联想神经网络。研究表明,自组织网络可以脱离发动机模型,并且对测量噪声有良好的鲁棒性,能基本满足航空发动机故障诊断的要求,具有较好的工程应用前景。     

关于BP网络算法的输电线速断保护

建立人工神经网络BP算法，利用计算运行方式的变化改进传统的电力输电线系统的保护措施，可以实时跟踪故障点并同步实施控制。利用人工神经网络技术的快速性、自适应性和容错性，在一个周期内准确地定位区内、区外故障点，实现对输电线的速断保护。     

加快神经网络训练速度的方法在旋转机械故障诊断中的应用

根据一双跨转子实验台,模拟了转子与静子在轮盘处及轴颈处碰磨、轴系不对中及转子不平衡故障,通过一个信号自动处理装置记录下转子正常振动信号及发生各种故障时的信号,然后利用研制的人工神经网络系统对故障示例进行学习。通过在实际中诊断故障,证明这种是可行的。本文还针对人工神经网络(BP算法)存在的训练速度慢的问题,提出了一个加快网络训练速度的新方法(ARBP算法),较大提高了网络的训练速度。      

数控系统故障的ANN与专家诊断系统的研究及应用

 分析了ＣＮＣ系统的故障特点,针对ＦＡＮＵＣ７数控系统,建立并比较了适用于ＣＮＣ故障的ＢＰ和ＢＡＭ两种ＡＮＮ诊断模型,探讨了模糊神经网络在ＣＮＣ故障诊断中的应用,给出了模糊ＡＮＮ识别ＭＡＣＳ５００数控机床伺服系统故障的数据和结果;介绍了所开发的ＣＮＣ系统故障诊断专家系统ＣＮＣ－ＤＥＳ的总体结构、知识表达与推理等,列举了该系统应用于ＣＮＣ故障诊断的情况和结论。     

三维飞机自动识别的一种有效方法

提出一种新的飞机自动识别算法。采用矩不变量和傅立叶描述子相结合的表示方法简单而有效地描述飞机的特征;采用了分布存储的ＢＰ神经网络来减少存储量和加速搜索识别过程,并对ＢＰ网络的收敛方法提出了若干措施加速其收敛过程。通过对９架不同飞机的大量实验证实,本系统性能优越,其识别准确率在９９％以上,并且识别速度很快,一架飞机的整个识别过程在不到１ｓ的时间内就可完成。     

航空自组网退避算法研究

退避算法是一种用于多用户共享无线网络信息传输冲突的解决策略,是航空自组网研究的重要方面。退避算法能有效减小多用户节点间的碰撞概率,提高节点接入信道的公平性,改善系统性能。本文对航空自组网的MAC层退避算法进行研究,并介绍了航空自组网的MAC层协议,研究了两种常用的退避算法在航空自组网模型下的退避性能。仿真结果表明:当信道忙闲程度一定时,随着请求接入用户数的增多,二进制退避算法和P-坚持算法的平均传输次数递增,但二进制退避算法的性能明显优于P-坚持算法。     

使用深度残差网络的乘波体气动性能预测

本文探究深度学习人工智能技术在飞行器气动外形预测中的应用。以激波装配法乘波体设计为背景,建立气动数据快速生成工具,使用拉丁超立方采样得到海量样本数据。使用深度残差神经网络构建气动外形参数到气动性能数据的代理模型,并与随机森林和双隐层神经网络等普通机器学习模型对比;同时将数据转换为图片,研究基于图片识别的深度学习模型搭建,省略飞行器外形的参数化表达。测试结果说明,深度残差网络作为数据代理模型的精度是随机森林和双隐层神经网络的3倍以上,而基于图片识别的代理模型精度提高有限。研究表明,深度残差网络在乘波体等易于生成大量数据的气动外形的性能预测中效果明显,为深度学习技术在气动外形设计中的应用奠定了基础。     

基于量测一致性的分布式多传感器多目标跟踪算法

针对无线传感器网络跟踪多目标过程中传感器能搭载的计算负荷有限,不宜采用复杂算法实现数据处理的问题,提出了一种基于量测一致性的分布式多传感器多目标跟踪算法。算法采用计算相对简易的最近邻域法处理多目标跟踪中的数据互联问题,针对最近邻域法容易受杂波干扰的情况,通过量测的平均一致性迭代来改进算法的性能。仿真结果证明,算法具备有效抑制因误判产生的错误量测对跟踪过程干扰的性能,实现了良好的传感器网络跟踪精度和估计信息一致性。     

一类Cohen-Grossberg型神经网络概周期解的全局指数稳定

研究了一类Cohen-Grossberg型神经网络概周期解的存在唯一性及全局指数稳定性,得到了判断概周期解存在唯一及全局指数稳定的充分条件,推广了一些已有的结论。