基于非线性预测的逆传播神经网络算法优化策略研究

逆传播神经网络算法是人工神经网络用于非线性预测的主要学习算法。它具有思路清晰，结构严谨，操作性强等特点，但同时也存在预测精度低，收敛速度慢等问题，本文从神经网络模型的结构出发，对学习算法提出了一系列改进和优化措施，以加快网络的学习速度，并增加模型的稳定性。     

智能故障模式影响分析的推理研究

介绍了应用神经网络和专家系统技术,依托专家知识,基于功能/硬件而建立的功能关系模型图进行推理的智能故障模式影响分析系统。详细论述了其故障模式选择推理模型和应用神经元网络及其扩展技术建立的产品故障模式影响分析推理模型,并对推理流程进行了详细的描述。此外,对其系统结构、各组成部分的相互关系,及系统的功能流程也作了简要的论述。     

拟人智能控制与三级倒立摆

 提出以“广义归约”和“拟人”为核心的“拟人智能控制理论”,并基于此理论成功地解决了三级倒立摆的单电机控制这一控制界的世界性难题。阐述了倒立摆的拟人控制方法 ,给出了基于拟人智能控制理论进行复杂自动控制系统设计的一般结论     

人工智能在航天飞行任务规划中的应用研究

 在航天飞行任务中,如何设计航天器的飞行过程,如何确定地面对航天器的控制操作,如何制定飞行控制计划等,是地面飞行控制中心面临的重大问题,也是航天飞行任务规划所要解决的基本问题。在充分认识和把握人工智能基本原理、方法和技术的基础上,提出了一个基于规则演绎和状态演化的生长式推理模型,并对模型的特性进行了详细讨论,然后导出了该模型在航天飞行任务规划问题中的具体形式,从而成功地解决了航天任务自动规划的难题。通过在实际航天任务中的应用和验证,不仅证明该模型和方法是正确的、可行的和高效的,而且证明人工智能在航天飞行任务规划中有着广阔的应用前景。     

某型航空发动机涡轮多级气动优化设计

采用将准三维设计和多级局部优化联合的多级涡轮气动优化设计流程,对某型航空发动机3级涡轮进行了多级气动三维优化设计;采用人工神经网络和遗传算法对各列叶栅进行了三维局部优化,流场计算采用全三维黏性流N-S方程求解。通过优化设计,调整了功率分配,改善了各列性能,并对各列间参数进行了优化匹配,使总体性能提高,达到了设计要求。     

基于ANN的FGH96合金热变形行为的模拟电路模型

在锻造领域,多采用数字模型进行工艺设计和过程控制,但数字模型无法完成材料成形过程的实时控制。因此,有必要建立一种适合于实时控制的材料动态流动行为模型,以提高生产效率和锻件质量。通过热模拟试验,对细晶态FGH96合金的高温流动特性进行了研究,用BP（Back Propagation）网络建立了FGH96合金热变形行为的人工神经网络模型,根据电模拟理论,利用模拟电路的快速反应与易于控制等特点,建立了基于ANN的FGH96合金的模拟电路模型。测试结果表明,所建立的ANN模型和模拟电路模型均具有较高的预测精度,能很好地反映材料热成形过程的动态流动行为,可用于材料热成形过程的实时控制。     

中空纤维膜分离性能实验与预测

利用机载中空纤维膜分离性能测量台架,针对分离性能随引气压力、引气温度、飞行高度等因素的变化规律开展了实验研究;并采用所获得的实验数据作为训练及验证样本,应用人工神经网络预测技术分析了该型膜的性能.研究结果显示:①所建立的数学模型可实现对中空纤维膜分离性能的有效预测;②制氮体积分数与量纲一制氮量成反比,当要求制氮体积分数较高时,其量纲一制氮量下降,制氮效率降低;③在一定制氮体积分数下,制氮量随引气温度、引气压力的增加而增加;制氮效率随引气压力的增加而增加,但随引气温度的增加而减小;④在飞行高度增加的情况下,量纲一制氮量和制氮效率都增加, 而制氮体积分数的影响随飞行高度增加而减小.      

基于优化Kriging模型和重要抽样法的结构可靠度混合算法

 结构可靠度分析计算通常采用多项式响应面拟合隐式极限状态函数,但对于复杂航空航天机械结构产品极限状态方程往往表现出高度非线性,此时多项式响应面的模拟精度不够就会造成计算不收敛。为了提高结构可靠度计算的精度、效率和收敛性,提出了基于优化Kriging模型和重要抽样法的结构可靠度计算方法。首先,利用人工蜂群算法对Kriging模型的参数进行优化;再用优化后的模型模拟隐式极限状态函数,结合重要抽样法不断修正抽样重心,逐步提高模拟精度以达到给定要求;最后,结合一阶矩法(FORM)/二阶矩法(SORM)经典算法求解结构可靠度。该方法提高了高度非线性隐式极限状态方程可靠度计算的精度和收敛性,并且具有较高的计算效率。     

单向CFRP螺旋铣削力建模

螺旋铣削加工工艺具有降低轴向力,改善排屑、散热条件等优点,螺旋铣削力是其重要过程指标之一。对单向CFRP螺旋铣削力建模方法展开研究,预测给定加工参数下的螺旋铣削力。首先,通过对螺旋铣削过程进行运动学分析和切屑几何分析,建立了螺旋铣削过程中侧刃、底刃动态切屑层模型,纤维切削方向角度模型和动态切削力计算模型。然后,分别通过侧刃直线槽铣实验和底刃半齿插铣实验,对各个切削方向角度下侧刃、底刃切削力系数进行了标定,并利用人工神经网络对切削力系数进行拟合。最后,将标定所得的切削力系数代入动态切削力计算模型中,建立了单向CFRP螺旋铣削过程动态切削力预测模型,并通过实验验证了模型的准确性。与现有模型相比,该模型不仅能够预测刀具螺旋运动周期内的切削力变化情况,还可以对每个刀具自转周期内的细节进行预测,通过考虑纤维切削方向角度对切削力系数的影响,反映了单向CFRP材料的各向异性,较为准确地预测了螺旋铣削力。     

归纳推理和归纳进程

分析了归纳推理与演绎推理的区别, 给出了归纳推理的形式化规则,定义了重构和归纳进程(序列)的概念.同时还给出了一个产生归纳序列的归纳过程模式,并证明:若已知模型M的全体实例集合ε_M,则可以从任一给定的理论出发, 使用此归纳过程模式所产生的所有归纳序列都收敛于同一极限,这个极限就是模型M的全部真语句. 这说明了归纳推理规则的合理性.