神经网络在风洞流场马赫数辨识中的应用研究

风洞流场的多维性、复杂性以及马赫数的不可直接测量、马赫数控制一直是风洞控制的难点和重点。笔者在研究FL26Y风洞流场特性的基础上,应用神经网络技术,研究马赫数在线辨识问题,为高精度风洞流场马赫数控制提供技术支持。首先介绍神经网络马赫数辨识原理,然后介绍神经网络拓扑结构的设计,并构造神经网络的马赫数辨识模型(NNI)。最后通过软件实现及仿真研究动态数据优化、软件滤波以及动量系数对网络学习性能的影响,进一步验证神经网络辨识器在实时性、自适应性、以及辨识精度等方面的优越性。     

基于径向基神经网络的有限元模型修正研究

设计参数型有限元模型修正属于结构动力学反问题，其理论基础是将结构的特征量视为设计参数的函数。然后依据特征量对设计参数的一阶导数信息进行迭代求解。本文提出了一种基于径向基神经网络的有限元模型修正方法，把模型修正归结为正问题进行研究。首先将特征量视为自变量．设计参数视为因变量，以径向基神经网络逼近两者之间的非线性映射关系，然后利用神经网络的泛化特性直接求解设计参数的目标值。不但无需迭代求解，而且避开了反问题所面临的复杂的非线性优化计算。GARTEUR飞机模型仿真研究的结果表明．修正后设计参数误差在2％以内，模态频率误差在1％以内。     

基于模糊神经网络的升温超塑性成形工艺参数优化

为了解决恒温超塑性成形工艺效率低的问题，本文提出了一种升温超塑性成形的新工艺方法，并用模糊神经网络对升温超塑性胀形成形的工艺参数进行优化，得出了优化后的TC4钛合金升温超塑性胀形成形工艺的加载曲线，利用优化后的成形工艺参数进行了某航空器用TC4钛合金薄板盒形件的升温超塑性胀形成形试验。试验结果表明：与恒温超塑性成形相比，此工艺可以显著地缩短成形时间，在本文试验条件下每个零件可以缩短成形时间10min，并可改善材料的成形性，获得厚度分布均匀（厚度分布不均匀率〈8％）的成形零件。基于模糊神经网络方法进行成形工艺参数优化的升温超塑性成形方法可在实际生产中应用。     

基于BP神经网络的核事故多核素源项反演方法

核事故发生后,为快速评估事故严重程度,需要对源项释放率进行估算。本文选取I-131,Cs-137,Xe-133和Kr-85四种核素的释放率为目标信号,利用Matlab建立基于BP神经网络的核事故四核素源项反演模型。计算结果表明,在单隐层节点数为5~60范围内,训练均方差 随节点数增加先减小后增大,在节点数为25时达到最小值41.1%。学习速率在0.01~0.2范围内时,增大学习率可减小训练均方差与各核素相对误差。对单隐层节点数为25,学习速率为0.2的训练结果进行测试,4种核素的源项估计相对误差分别为56.7%,49.1%,92.4%和92.0%。     

基于GRNN-ELM的飞机复合材料结构损伤识别

飞机结构的损伤严重影响着飞机的飞行安全,为了解决飞机复合材料结构损伤难以有效识别问题,本文提出一种基于广义回归神经网络(General regression neural network,GRNN)与极限学习机(Extreme learning machine,ELM)组合的飞机复合材料结构损伤识别新方法。首先对飞机复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用变分模态分解(Variational mode decomposition,VMD)对募集的应变信息进行自适应分解,得到多个基本模式分量(Intrinsic mode function,IMF)。计算各阶IMF分量的奇异熵,通过核独立主元分析(Kernel independent component analysis,KICA)方法对奇异熵进行特征融合,构建融合特征向量。采用融合特征向量建立基于GRNN-ELM的复合材料结构损伤识别模型,通过试验对损伤识别模型的有效性进行了验证,并分别与所构建的ELM和GRNN损伤识别模型的识别结果进行比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的工程应用价值。     

一种方形盒坯料快速设计方法

针对冲压件坯料设计存在的难题,本文以方形盒冲压件为对象,提出一种结合径向基函数神经网络(RBFNN)和有限元反向法(IA)的快速坯料设计方法。利用神经网络高度的非线性映射能力,建立方形盒零件几何形状和坯料轮廓尺寸的映射模型。利用有限元反向法为RBFNN提供训练样本,同时采用基于变形路径的坯料优化方法改进了训练样本的精度,提高了RBFNN模型对的坯料外形的预测能力。实验证明采用RBFNN-IA方法可以实现方形盒坯料的快速设计,而且可以提高坯料的预测精度。     

基于加权式多模型结构的歼击机自适应重构控制

针对复杂的歼击机飞控系统,提出一种基于多模型结构的鲁棒自适应控制方法,使得系统可以在不同的运行环境下跟踪给定的信号,并且对飞机操纵面故障具有重构作用.首先,由多个线性模型和一个模糊模型构成多模型控制结构,采用模糊方法设计多模型自适应控制器中的权值系数,再引入动态结构自适应神经网络以保证系统的稳定性,故避免了模型切换引起的噪声.最后,对歼击机进行正常和故障状态下的控制仿真,结果验证了所提控制方法的有效性.     

基于动态失效率模型的可靠性实时预测

针对失效率函数可变的非线性动态系统,基于系统状态建立参数未知的动态失效率模型。将历史状态和Nelson-Aalen估计的失效率数据作为训练样本,利用具有快速且精确学习能力的径向基网络逼近动态失效率函数。针对系统的非线性,通过粒子滤波方法对运行中的状态进行在线估计,并由此确定随状态改变的系统失效率,从而对可靠性进行实时评估与预测。通过对带有疲劳裂纹增长的机械系统进行仿真,充分验证了这种可靠性预测方法的可行性和有效性。     

基于PCA-RBF神经网络的浮选过程软测量建模

以浮选过程为研究对象,提出基于主元分析与RBF神经网络相结合的经济技术指标软测量模型,该模型依据工艺机理和经验知识对过程变量进行初选,采用主元分析方法对高维输入向量进行降维化简和辅助变量选择;采用新型混合递推算法对RBF神经网络参数进行优化。该算法包括修正网络中心的自适应聚类的简化型次胜者受罚竞争学习算法和修正网络权值的带遗忘因子的递推最小二乘算法。混合学习算法提高了网络参数辨识的收敛速度。仿真结果表明,软测量模型能很好地实现浮选过程经济技术指标的全局预测。     

半主动悬架的一种智能控制设计与稳定性分析

在建立某轻型越野车悬架系统7自由度数学模型的基础上,设计了基于模糊T-S神经网络控制策略的半主 动悬架控制系统.分析并推导了该输出反馈控制系统的局部和全局稳定性条件.然后,进行了计算机仿真计算,并在沙石路面和沥青路面上进行了实车道路试验.仿真和试验结果趋于一致,车辆性能改善较明显.实验结果表 明推理正确,控制器稳定有效,具有较强的鲁棒性.