基于自联想网络的发动机传感器解析余度技术

本文提出了一种基于自联想神经网络的传感器解析余度技术。在这种网络中,冗余传感器的信息被压缩、重组进入网络的第一部分,网络的第二部分将压缩信息恢复出来。基于数据融合原理,若一个传感器发生故障,其它传感器仍可提供足够的信息代替发生故障的传感器。理论分析和用于涡轴发动机的仿真结果表明,这种特殊结构的自联想网络具有良好的过滤噪声和故障信号的作用,特别适合于用作不易建模的复杂对象的传感器信号重构     

基于故障树和神经网络模型的航天器智能诊断研究

提出基于故障树和神经网络模型的诊断方法,提出面向故障树的基于框架和广义规则的知识表示方法及相应的确定性和可能性推理策略,对于可能性推理的结果,通过基于神经网络模型的学习诊断来进一步确定其状态。在Ｗｉｎｄｏｗｓ环境下,用Ｂｏｒｌａｎｄ Ｃ＋＋实现了一个原型系统。通过对“实践４号”卫星能源系统故障模拟实验台的诊断验证了系统的有效性。     

基于FDDI网络的空间站DMS网络可靠性分析

在首先介绍了空间站ＤＭＳ网络结构的基础上,通过对ＤＭＳ网络使用的ＦＤＤＩ、ＭＩＬ－ＳＴＤ－１５３３Ｂ及ＩＥＥＥ８０２．４网络在各种情况下的可靠性分析,应用概率分析的方法得出了系统可靠性的数学模型,通过图示得出ＤＭＳ网络可靠性随站点数及链路失效概率的变化情况,为空间站ＤＭＳ网络可靠性设计提供了依据。     

基于Web技术的产品数据管理研究

将Web技术引入产品数据管理系统(PDM)的研究和设计,分析了PDM系统中原有构架的特点与存在的不足,利用Web技术所提供独到的网络、数据库和分布式处理技术,结合开发实例提出了在Internet/Intranet解决方案下开发和研究产品数据管理系统的基本构想,并给出产品数据管理应用的组织和底层数据模式,研究了其对产品数据管理技术应用前景的影响.研究表明,Web技术的引入,将有力地推进产品数据管理技术的发展和应用.      

自适应变结构神经网络在航空发动机故障诊断上的应用

根据样本空间的内积特性,提出一种无需迭代学习的自适应变结构神经网络。它的特点是学习速度快,准确性高,且能根据出现的新样本,随时改变结构。在对某型航空发动机故障诊断中,比原软件包采用的方法在准确性方面有显着提高,而且维护工作量减少,并具有实时处理能力,因此有着良好的推广应用前景。      

人工神经网络在飞机总体外形智能CAD中的应用

将人工神经网络应用于飞机总体外形智能ＣＡＤ中,针对现有方法的局限性,研究了参数神经网络,提出了一种综合考虑影响神经网络学习３个主要因素（权值、激励函数和拓扑结构）的ＷＡＦＳ学习算法,并研究了隶属函数的神经网络表达和基于神经网络的并行推理,给出了有关应用实例。     

中小城市公安光纤城域网的实现

公安网络建设是公安"金盾工程"规划的重要组成部分,地市级公安的三级网络建设,是整个公安网络建设的重要环节。随着光传输网络的普及和千兆技术的成熟,千兆以太网GE在技术成熟度、标准化和价格等方面都是一个更合适的选择。本文将介绍湖州公安三级网络的千兆光以太城域网改造案例,分析光纤城域网建设的要求、技术。     

空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

基于虚拟仪器技术的发动机网络化试车测试系统设计

介绍虚拟仪器技术在发动机试车过程中的具体应用,以LabVIEW软件为平台实现信号的采集、分析、处理和显示。该系统通过网络实现数据共享,各个上位机根据自己的需要获取不同的数据,然后通过软件处理,实现对发动机试车过程的实时监控。     

基于蒙特卡罗法的航空发动机空气系统稳态算法优化

针对目前航空发动机空气系统稳态算法中收敛性依赖初值的问题,将蒙特卡罗方法与流体网络法综合应用到空气系统可压缩流体一维网络计算中,提出了一种新的计算方法Monte Carlo-Fluid Network（MC-FN）。该方法将空气系统简化为由节点和元件组成的网络,借助蒙特卡罗方法获得空气系统内各节点压力分配,再根据空气系统中各元件流阻特性和换热特性计算流量、温度。计算中通过将游动次数比较少的蒙特卡罗方法的计算结果作为流量残差法节点压力、温度的初始值,实现快速求得精确收敛解。与流量残差算法相比,MC-FN方法计算精度不变,收敛速度提升了66.5%;与线性求解法相比,MC-FN方法的计算精度提升了25.2%,收敛速度提升了43.8%。