基于支持向量机回归的电力负荷预测研究

不同于传统的基于经验风险最小化的回归方法,支持向量机回归方法基于结构风险最小化准则.与神经网络相比,该方法在解决学习精度和推广性之间的矛盾方面有明显的优势.本文以城市电力负荷预测为应用背景,对比研究了基于统计学习理论的支持向量机回归方法和神经网络方法.预测结果显示支持向量机可能是一种非常有前景的预测工具,其预测精度明显好于神经网络.     

基于近似技术的高亚声速运输机机翼气动/结构优化设计

探索基于近似技术的高亚声速运输机机翼气动/结构多学科设计优化方法,建立了基于近似技术的多学科设计优化框架。气动学科采用全速势方程加黏性修正进行翼身组合体跨声速流动的气动计算,结构学科采用有限元分析方法进行应力与变形计算。采用均匀设计法给出若干样本点,分别采用二次响应面、Kriging模型和径向基神经网络等多种近似技术,构造气动学科和结构学科的近似分析模型,并对几种近似模型精度进行了分析和比较。研究发现,Kriging模型和二次响应面具有几乎等同的较高的近似精度,神经网络的近似精度则较差,由于二次响应面计算量更小,故最终选定为机翼设计优化的近似方法。以升阻比和结构重量为目标,考虑升力、机翼面积以及应力和应变约束条件,对运输机机翼4个外形参数和4个结构参数进行多目标、多约束优化设计。优化后的机翼具有较好的气动/结构综合性能,表明本文方法是可行的。     

基于自组织神经网络的软件功能测试数据自动生成

针对面向软件功能的测试数据自动生成问题,提出了一种动态自组织特征映射方法,用于生成揭示软件功能故障的测试数据(简称故障数据)。该方法主要有两部分组成,①采用具有全局多峰搜索特性的小生境遗传算法,在输入空间内搜索功能测试数据,生成少量的初始故障数据;②由初始故障数据,采用具有联想和分类能力的可变结构自组织特征映射,不断迭代生成大量相近而不同的故障数据,以便给开发者提供引发这些软件故障的信息,从而确定软件故障行为的模式或假设。用某型空空导弹发射控制软件进行了实验,运行结果表明了方法的有效性,故障数据生成效率高于遗传算法和随机法。     

基于ANN与FNN的飞机防滑刹车系统设计

飞机防滑刹车问题的关键是滑移率。为了使飞机刹车以最佳滑移率工作,防止陷入深度打滑和获得最大的刹车结合系数,提出一种智能飞机刹车系统,该系统由两部分组成:①利用神经网络(ANN)构造的,能实时获得最佳滑移率的最佳滑移率识别器;②利用模糊神经网络(FNN)构造的,能快速逼近目标滑移率的FNN控制器。计算机仿真结果表明系统的控制精度、稳定性和对复杂工况的适应性都得到了提高。     

战斗机非线性飞行控制技术的研究与发展

战斗机非线性飞行控制技术研究综述。首先介绍战斗机技术发展走向,然后对当前主要战斗机飞行控制设计方案进行分析,并重点介绍神经网络在飞行控制中的应用研究。最后指出,基于神经网络的智能控制方案作为飞行控制的重要研究方向,将为未来先进战斗机飞行控制系统设计提供重要的解决方案。     

无线传感器网络的低功耗研究

在野外等一些环境下的无线数据采集系统中,由于地理环境恶劣、节点数量多等原因很难更换电源电池,因此有效地降低系统各层的功耗、提高系统的生命周期尤为重要.文中在论述传感器节点结构的基础上,分析如何对传感器节点的动态电压调度、MCU能量消耗控制、动态功率管理、收发模块节能等硬件电路以及对MAC层、网络层的软件协议降低系统耗能.     

Bernoulli-Euler梁振动的人工神经元网络控制方法

分析了Bernoulli-Euler梁的振动特性,从控制系统的角度得出梁振动控制系统的传递函数,并采用人工神经元网络的方法对其进行控制,辨识器及控制器均采用非线性神经元网络, 最后用matlab对振动控制系统进行仿真。     

基于余弦基神经网络的FIR滤波器设计

提出了一种基于余弦基神经网络FIR滤波器的设计方法。根据线性相位FIR滤波器的幅频特性是有限项的傅里叶级数，构造了一个三层余弦基神经网络模型，并给出了最优隐层神经元的个数。经模拟仿真，滤波器性能非常理想，具有同时输出低通、高通、带通、带阻各种功能，通带、阻带无过冲无波动，边界频率可以精确控制。     

航空活塞式发动机空燃比实时控制算法

采用比例-积分-微分神经网络(PIDNN)的控制算法,集合了传统PID控制及神经网络各自的优点,控制发动机在不同工况下的空燃比,实现发动机在不同工况间切换时,能够快速地控制空燃比至目标值.在AMESim软件中建立发动机模型,在MATLAB软件中建立PIDNN控制算法,进行模型在环仿真,仿真结果表明:在不同海拔高度下,PIDNN控制算法都能够准确地把空燃比控制在目标值,当发动机在不同工况间切换时,PIDNN能够在0.5s内把发动机空燃比控制至目标值,并且保证过量空气系数超调量在0.2之内,改善了发动机的动力性、经济性,提高了发动机的响应能力.     

基于神经网络与果蝇优化算法的涡轮叶片低循环疲劳寿命健壮性设计

在对涡轮叶片低循环疲劳寿命概率分析的基础上,将广义回归型神经网络(generalized regression neural network,GRNN)与果蝇优化算法(fruit fly optimization algorithm,FFOA)结合,利用果蝇优化算法的多点全局的快速搜索能力来优化影响疲劳寿命的随机变量,进行涡轮叶片低循环疲劳寿命健壮性优化设计.优化结果表明:疲劳寿命的概率区间减小17.9%,对随机变量的敏感度降低,从而可以更精确地对疲劳寿命进行估计.计算结果验证了该方法在工程应用中的可行性.