计算机会议系统信息传播模型的研究与分析

首先简单论述了计算机会议系统着急的为通信问题，然后详细分析了多点信息传播的集中式、层次式和分布式三种方法，并给出各自时间复杂性分析的数学推导和计算机仿真结果。     

基于神经网络的轴承故障预测模型

利用在故障预测领域广泛应用的神经网络模型,对轴承监测数据的特征提取与建模,挖掘出监测数据与剩余寿命间内在关联,从而对轴承剩余寿命做出评估。在轴承全寿命数据的实际实验中,证实了该模型的有效性。     

状态预测神经网络控制应用于小型可回收火箭

随着商业航天的到来，可重复使用运载器的研究受到广泛关注，以SpaceX为代表的商业航天公司研发的部分可回收火箭表现出了前所未有的竞争力。为了研发可回收火箭技术，翎客航天利用民间工业力量研制了RLV-T3小型可回收火箭验证机，并在该验证机上通过数百次试验逐渐掌握了垂直起降（VTVL）技术。主要介绍了翎客航天在VTVL技术中的一项动力控制技术，提出了状态预测神经网络控制（SPNNC）算法。该算法具有鲁棒性强、适用范围广、控制参数易调整等优点。详细地描述了该算法的原理，并通过Simulink对SISO和MIMO 2种系统进行了仿真。同时详细地论述了将状态预测神经网络控制算法应用于RLV-T3小型可回收火箭的飞行及回收的试验，包括RLV-T3小型可回收火箭的基本特点、控制难点、存在的问题，飞行过程中各物理量的曲线和试验结论。经试验验证，状态预测神经网络控制算法具有良好的控制性能，基于该控制技术，即状态预测神经网络控制算法的RLV-T3小型可回收火箭验证机可以安全地实现垂直起飞、弹道飞行、空中悬停、软着陆回收全流程。     

Forecasting the geomagnetic activity of the Dst index using multiscale radial basis function networks

The Dst index is a key parameter which characterises the disturbance of the geomagnetic field in magnetic storms. Modelling of the Dst index is thus very important for the analysis of the geomagnetic field. A data-based modelling approach, aimed at obtaining efficient models from limited input–output observational data, provides a powerful tool for analysing and forecasting geomagnetic activities including the prediction of the Dst index. In this study, the process of the Dst index is treated to be a structure-unknown system, where the solar wind parameter (VBs) and the solar wind dynamic pressure (P) are the system inputs, and the Dst index is the system output. A novel multiscale RBF (MSRBF) network is introduced to represent such a two-input and single-output system, where the Dst index is related to the solar wind parameter and the dynamic pressure, via a hybrid network model consisting of two submodels: a linear part that reflects the linear relationship between the output and the inputs, and a nonlinear part that captures the effect of the interacting contribution of past observations of the inputs and the output, on the current output. The proposed MSRBF network can easily be converted into a linear-in-the-parameters form and the training of the linear network model can easily be implemented using a forward orthogonal regression (FOR) algorithm. One advantage of the new MSRBF network, compared with traditional single scale RBF networks, is that the new network is more flexible for describing complex nonlinear dynamical systems.     

基于LSTM和CNN的高速柱塞泵故障诊断

针对高速轴向柱塞泵容易发生空化，且目前空化故障诊断方法存在依赖手工特征提取、鲁棒性不高的问题，提出了一种基于长短时记忆（LSTM）和一维卷积神经网络（1D-CNN）相结合的空化故障诊断方法。搭建了柱塞泵故障实验台，采集柱塞泵在不同空化等级下的壳体振动信号。利用LSTM和1D-CNN搭建的分类模型对不同进口压力情况下的振动信号进行空化等级识别。实验结果表明：提出的方法能够准确地识别出4类不同的空化等级，准确率高达99.5%，同时在不附加降噪方法的情况下，具有良好的鲁棒性，在0 dB信噪比的情况下，识别准确率高达87.3%。     

MPP蛀孔互联网的模拟研究

蛀孔交换技术的特性不同于存储转发交换技术的特性。该文分析了消息在重载蛀孔网络中传输的性能特性，指出了在典型的二维MESH网中应用蛀孔技术的障碍。在此基础上提出了二维MESH的一种改进结构，即间接二维MESH结构，并分析、模拟了该结构在各种网络负载及各种网络规模下的性能特性。分析及模拟都说明了该结构的高效性。     

土地类型分类的人工神经网络方法

:研究了用人工神经网络对航空影像进行土地类型分类的方法 ,用选定窗口的平均值 ,标准差和傅利叶频谱平均值作为神经网络的输入 ,土地类型的标准值为神经网络的输出。将计算出来的未知土地类型标准值与已知土地类型的标准值相比较 ,可以确定出未知的土地类型。     

基于特征点的颅面复原技术

介绍了用人工神经网络算法确定待复原颅面的软组织厚度及颅面特征点的方法。在计算机辅助颅面复原过程中,通常只能根据颅骨上少数特征点及其所在部位的法向软组织厚度的统计值进行运算。由于现有统计值指标涵盖的年龄较宽泛,导致复原结果缺乏个性。在测定待复原颅骨骨龄的基础上,通过神经网络训练,确定软组织厚度随年龄的变化规律,较精确地计算出与拟复原对象的骨龄相适应的特征点软组织厚度值,并用最小二乘法及曲面法线原理建立数学模型,计算出颅面特征点。最后用基于Delaunay三角剖分的wavelet插值法复原出面貌雏形。     

基于神经网络的直升机协调转弯控制律设计

针对直升机协调转弯控制提出了一种控制律设计方法。首先,在小扰动线性模型基础上,建立描述直升机全包线范围内的T-S模糊模型。其次,分析直升机协调转弯机理,确定相应的控制律结构,利用参数优化算法确定控制参数。最后用所得的控制参数样本训练径向基神经网络,实现全包线范围内的连续调参控制律。仿真结果表明,直升机转弯性能完全满足指标要求,所提出的控制律设计方法可行、有效。     

基于支持向量机回归和RBF神经网络的PID整定

针对工业控制领域中非线性系统控制,在基于梯度下降法的RBF网络PID整定的基础上,对整定算法作出改进,控制目标不再是使当前跟踪误差最小,而是使当前跟踪误差和下一时刻跟踪误差的平方和最小。实现过程为:先由RBF神经网络在线辨识被控对象离散模型,得到被控对象的Jacobian信息,采用梯度下降法对PID控制器参数进行初步整定;然后,将系统跟踪误差和PID参数输入支持向量机模型,通过回归预测系统下一时刻的误差,改进的整定算法利用预测误差信息对参数进行再整定。仿真结果表明,引入支持向量机回归优化的RBF神经网络PID整定收敛速度更快,精度更高,跟踪性能优于RBF神经网络PID整定。