Practical compensation for nonlinear dynamic thrust measurement system

The real dynamic thrust measurement system usually tends to be nonlinear due to the complex characteristics of the rig, pipes connection, etc. For a real dynamic measuring system,the nonlinearity must be eliminated by some adequate methods. In this paper, a nonlinear model of dynamic thrust measurement system is established by using radial basis function neural network(RBF-NN), where a novel multi-step force generator is designed to stimulate the nonlinearity of the system, and a practical compensation method for the measurement system using left inverse model is proposed. Left inverse model can be considered as a perfect dynamic compensation of the dynamic thrust measurement system, and in practice, it can be approximated by RBF-NN based on least mean square(LMS) algorithms. Different weights are set for producing the multi-step force, which is the ideal input signal of the nonlinear dynamic thrust measurement system. The validity of the compensation method depends on the engine’s performance and the tolerance error0.5%, which is commonly demanded in engineering. Results from simulations and experiments show that the practical compensation using left inverse model based on RBF-NN in dynamic thrust measuring system can yield high tracking accuracy than the conventional methods.     

基于区域的卷积神经网络在空对地车辆检测中的应用

针对传统空对地车辆检测算法在光照变换、场景变化时检测效果不佳的问题,提出了基于区域卷积神经网络Faster RCNN模型的空对地车辆检测方法,介绍了Faster RCNN模型以及模型训练过程.实验结果表明,基于Faster RCNN的空对地车辆检测方法是可行的,对不同光照和场景下的车辆检测可以取得较好的效果.     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

基于网络编码的空间DTN中CGR改进算法

随着空间通信技术的发展,卫星节点的增多,以及容延迟容中断通信需求的不断提高,空间DTN (DelayTolerant Network,容延迟网络)环境中各通信节点间的路由技术日益重要,相继出现了多种适用于DTN的路由技术.基于空间DTN的结构与特点,对CGR(Contact Graph Routing,接触图路由)算法以及基于编码的路由算法进行了分析比较,然后针对空间DTN中CGR算法的缺点和不足,研究提出了基于NC(Network Coding,网络编码)的空间DTN中的CGR改进算法(NC-CGR),并通过仿真实验平台对算法性能进行了分析评估.仿真结果表明,相比于CGR算法,NC-CGR算法在链路传输时延、传输包裹数目、中继缓存大小、链路丢包率等不同条件下的适应性方面均表现出较大优势,更适用于具有复杂拓扑、带宽受限、高动态特性的空间DTN环境.     

综合模块化航电系统FC网络的机内测试设计

针对综合模块化航电系统FC网络单元分布范围广、故障定位困难、维修效率低的问题,设计了一种机内自测试方法.在网络构建时间和通信效率的约束条件下,通过网络构建和故障检测同步进行的机制实现快速的任务前故障检测,通过实时监测和故障触发相结合实现低开销的任务中故障检测.在网络故障发生后,通过网络遍历和通信自环绕测试将故障有效地隔离至单个模块,提高检测和维修的效率.     

基于RBF带学习能力高精度非线性FDD设计

在轨航天器故障检测与诊断问题需要面对模型的非线性,而且要求尽量提高其检测的精度,为此设计了基于径向基函数（RBF）神经网络的动量轮非线性故障检测与诊断（FDD）方案。首先应用RBF补偿建模误差,提高检测精度,并选择李雅普诺夫函数证明其收敛性;然后应用非线性观测器来产生故障残差,给出了阈值以及故障检测的时间;应用RBF网络对故障信号进行重构,并据此设计了带学习能力的FDD策略。再次建立了详细的动量轮模型,通过不同条件下的仿真研究分别验证残差的阈值特性、时间特性以及RBF的重构能力,仿真结果表明了算法的有效性。     

离散拓扑业务模型中多媒体LEO网络性能分析

针对快速发展的多媒体卫星网络,提出一种新的低地球轨道卫星网络性能的定量研究模型。该模型考虑了星座动态拓扑变化和全球业务需求变化的复杂特点,建立了离散时间下的业务和拓扑映射关系;依据马尔科夫过程理论和卫星链路带宽约束条件,对实时和非实时两种类型业务采用概率分析方法,推导出定量计算阻塞概率、排队时延等网络性能参数的公式。大量仿真结果表明理论分析方法的正确性和有效性。该研究方法可用于多媒体低地球轨道卫星网络QoS路由管理和资源分配设计的参考。     

基于相关分析和组合神经网络的退化预测

产品剩余寿命预测是加速退化试验和故障预测与健康管理两大热点领域中的关键技术之一.为了解决复杂退化的预测问题,提出了一种新型预测方法,对退化轨迹能够实现较长距离的预测.此方法首先对复杂退化数据进行小波变换,通过Durbin-Watson方法和偏相关图分析各级分解序列的自相关性,最后根据序列的特点,组合BP(Back Propagation)和小波神经网络对退化轨迹进行预测.为了验证所提组合神经网络方法的有效性,采用小波神经网络的预测结果进行对比分析.实际退化数据的预测结果表明,所提方法比单独采用小波神经网络,具有更小的均方差(MSE,Mean Square Error),对剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度.     

基于神经网络的维修保障流程影响度分析方法

针对维修保障能力的主要影响因素分析及其影响度的量化问题,以维修保障业务流程作为分析对象,通过建立业务流程参数与装备使用能力的关系函数,建立影响因素和影响度的分析方法,并给出影响程度、关键要素、关键影响要素以及综合影响度定义.以流程数量、效率和稳定性作为分析指标,利用MATLAB软件基于神经网络实现对关系函数的逼近求解,为装备制造企业提供确定关键流程和主要影响因素的系统实现.以某航空装备制造企业维修保障业务流程为例给出具体应用,与专家评价方法相比该方法可获得更为客观的分析结果.      

永磁球形电机的神经网络自适应控制算法

介绍了具有三维位置检测功能的三自由度永磁球形电机工作原理及其运动控制方法.结合球电机结构特性,基于XYZ 欧拉角和拉格朗日方程建立了球电机运动学及动力学模型.为了解决动力学模型建模误差、摩擦力和外界干扰等对球电机工作性能的影响,设计了神经网络逼近模型,并将其应用于球电机的控制之中.仿真结果表明这种控制方法与传统方法相比可以有效提高球电机的抗干扰能力,在建模误差比较大的情况下仍可以保证球电机的运动精度,其结果可以为进一步的球电机精密运动控制理论研究和实验方案设计提供借鉴和参考.