基于粗糙集和神经网络的导弹故障诊断方法

人工神经元网络（ANN）具有本质的非线性特性、并行处理能力以及自组织自学习的能力,但单独使用ANN处理问题时,往往会存在一些缺陷。文章介绍导弹驾驶仪故障智能诊断的一种新方法：首先,利用粗糙集原理约简故障特征属性数据;其次,用带动量项的批处理BP神经网络方法对故障数据进行训练并检验;最后,将故障数据处理后输入神经网络分类器,对故障实施诊断。     

基于神经网络的民航安检系统风险评价研究

随着民航事业的快速发展,民航安全问题引起了广泛的关注.民航安全检查是民航管理安全重要的组成部分,如何建立一个合理的风险评价模型,指导民航安全检查的管理工作,已成为民航管理者的迫切需求.将BP神经网络模型引入民航安全管理,在分析民航安检系统的基础上,建立了安检系统的风险评价模型.通过实际应用验证了该模型的可行性.     

航空发动机滑油综合监控中的磨损故障融合诊断研究

单一的滑油光谱监控手段容易漏报航空发动机磨损故障.根据滑油光谱监控和自动磨粒检测互补的特点,在某型航空发动机上实施滑油综合监控,应用Dempster-Shafer(D-S)证据理论实现发动机磨损故障的融合诊断,并开发出基于上述监控方法和信息融合诊断的滑油监控专家系统.通过对实际诊断案例进行分析,结果表明:提出的滑油综合监控和融合诊断方法可有效解决该型发动机轴承故障预报的难题.      

一种新的蚁群算法及其在飞行器设计中的应用

尝试将蚁群算法引入飞行器优化设计领域,为此建立了适用于高维、多目标、多约束优化问题的连续空间蚁群算法,并以高超声速飞行器气动布局的多目标优化设计为例进行了验证.优化设计结果与采用遗传算法得到的优化结果进行了对比,指出了蚁群算法的优点.该研究可为蚁群算法应用于复杂、高维的大规模飞行器设计问题提供参考.      

非稳态流体网络方法在发动机空气冷却系统中的应用

将流体网络法与非稳态模拟方法相结合应用到发动机空气冷却系统沿程温度、压力、流量的非稳态特性预测中.本方法将空气系统简化为节点和元件组成的网络,节点和元件处建立守恒方程,针对传统解法的计算稳定性问题引入了压力修正和积分方法相结合的求解方法.程序应用到可参考对照的模型中得到验证.验证后的程序被应用到发动机轴部冷却通道空气系统非稳态特性预测中.      

混合神经网络和混沌理论的股票价格预测研究

针对股票时间序列的非线性特点,结合混沌理论和神经网络理论,提出了基于混沌理论的股票价格神经网络预测方法。同时利用重构相空间的嵌入维数确定神经网络的结构,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,在股票时间序列预测中有广泛的实用价值。     

基于能量的飞机横侧向控制方法研究

结合偏差控制与总能量解耦思想,将总能量控制原理应用于飞机的横侧向控制,实现了滚转与偏航模态解耦及偏航角、侧滑角的无稳差控制。对某型运输机典型飞行状态进行了横侧向解耦控制律设计和仿真,仿真结果表明,基于飞机纵向总能量控制同样能用于飞机的横侧向飞行控制,较好地实现了偏航角和侧滑角的信号跟踪及滚转与偏航模态的解耦。     

中性盐雾预腐蚀对AF1410高强钢疲劳寿命的影响

采用失重法和XRD法研究了AF1410钢在中性盐雾环境中的耐蚀性能,并对中性盐雾预腐蚀不同时间后的试样进行疲劳性能测试,研究了不同预腐蚀时间对材料疲劳寿命的影响。结果表明:AF1410钢发生了严重的全面腐蚀,腐蚀产物主要由FeO(OH)和Fe3O4组成,并得到其腐蚀失重曲线;疲劳断口形貌分析表明,随预腐蚀时间的延长,腐蚀损伤程度增加,在疲劳加载过程中易形成较多的疲劳裂纹扩展源而导致疲劳断裂失效;最终获得中性盐雾预腐蚀AF1410钢结构疲劳寿命特性以及预腐蚀对疲劳寿命的影响系数C(t)曲线。     

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

一种MEMS陀螺标度因数误差补偿方法

高动态、恶劣温度环境下,微小型飞行器(MAV)导航、制导与控制系统关键器件微机电系统(MEMS)陀螺受温度和转速耦合影响,其标度因数误差呈强非线性特点,常规方法无法精确补偿。通过分析MEMS陀螺标度因数误差的产生机理,建立了包含温度和转速非线性因素的标度因数误差模型,提出一种基于径向基(RBF)神经网络的标度因数非线性耦合误差补偿方法,解决了常规补偿方法精度差的问题。标定与补偿实验表明:在-10～+55℃温度范围、-150～+150(°)/s输入转速范围内,采用新方法补偿后MEMS陀螺输出平均精度比多项式拟合方法提高7倍;在-20～+20(°)/s低输入转速的误差强非线性区间内,精度提高近20倍,验证了本文方法的有效性和优越性。