SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

力限振动试验技术理论基础研究

为了深入理解双控方程,由运载火箭有限元模型的多自由度子结构方法,导出缩聚在星/箭连接界面处的全箭动力学方程,定义相应参数后,导出星/箭耦合中的双控方程,给出界面加速度、有源机械系统的自由加速度、界面力、紧固力、源阻抗和负载阻抗表达式,从而加深了对星/箭耦合双控方程的理解,进而促进力限试验技术研究.同时,从多自由度模型简...     

基于神经网络的二维随机翼型优化设计方法(英文)

为避免翼型单点优化设计存在的非设计状态气动性能损失,改进对实际飞行环境中不确定性因素的适应能力,提出了基于神经网络的二维随机翼型优化设计方法。采用4个BP神经网络作为代理模型,用于预测翼型的气动系数与几何参数,以提供高效和可靠的分析。同时联合服从正态分布的概率密度函数和遗传算法构成了优化设计方法。采用该方法,对GA(W)-2翼型,在关于马赫数和迎角的二维飞行区域内进行了随机优化设计。通过与原始翼型和单点优化设计翼型的结果对比,表明该二维随机优化方法能够在指定飞行区域内改进翼型的整体性能,提高了翼型对多个飞行参数随机变化的适应能力。     

运载火箭/航天器耦合分支模态综合法(下)

将运载火箭作为主结构、航天器作为分支子结构,分别采用自由界面模态展开定理和固定界面模态展开定理,导出分支模态综合法,进行运载火箭/航天器组合模型响应分析。进而,采用界面约束模态质量的界面加速度,导出航天器载荷估计方法,这时的运载火箭与航天器连接界面可以是静定的或静不定的。当仅考虑连接界面是静定的情况,界面约束模态质量将退化为界面刚体质量,导出采用刚体界面加速度的航天器载荷估计的方法,这个方法所导出的公式与Chen的方法完全相同,而Chen方法的公式是由有限元法导出的。提出一种航天器载荷瞬态分析新技术:一个以前的运载火箭/航天器组合系统的载荷分析结果可以用来获得被相同的运载火箭发射的新航天器结构的动态载荷,这种方法比Chen的"恢复瞬态分析"方法更简便。     

“微风”(Zephyr7)无人机机翼力学性能分析

利用ABAQUS有限元软件对英国的"微风"(Zephyr7)无人机机翼结构进行了静力学分析,重点分析了主梁直径和蒙皮张力对机翼结构抗弯性能的影响。分析结果表明,主梁的抗弯与抗扭性能随着其直径的增大呈几何级数提升,机翼抗弯性能随着其蒙皮张力的增加近似线性增加。     

基于非线性补偿的涡扇发动机MRAC控制(英文)

以工程应用为目的,采用输入输出模型参考自适应控制方法设计了航空发动机转速模型参考自适应控制器(Model reference adaptive control,MRAC)。针对发动机的非线性特性,设计了函数连接型神经网络补偿器。开展了控制器实物在回路仿真试验,结果表明基于非线性补偿的MRAC在包线内具有良好的动静态性能,对于发动机及其工作环境的非线性具有良好的补偿能力和适应性,验证了自适应控制方法在航空发动机工程应用中的有效性。     

自由漂浮空间机器人神经网络自适应补偿控制

针对更具工程价值的任务空间内的自由漂浮状态空间机器人模型不确定性末端控制问题,提出了一种自适应神经网络控制策略用于机器人末端控制.通过神经网络在线建模来逼近系统中的非线性模型,神经网络的逼近误差及外界有界扰动通过鲁棒控制器来消除,采用引入GL矩阵及其乘法算子"·"来直接辨识的各部分系统参数.该控制策略既不需要逆动态模型的估计值,同时也避免了求雅克比矩阵的逆,降低了计算量.基于李亚普诺夫理论证明了整个闭环系统全局渐近稳定.仿真结果表明了这种神经网络控制器对于任务空间的空间机器人末端控制在达到较高的精度的同时,能够满足实时性要求,具有重要的工程应用价值.     

基于遗传算法优化神经网络的结冰环境中MVD和LWC预测

水滴平均体积直径（Mean volumetric diameter,MVD）和液态水含量（Liquid water content,LWC）是两个影响飞机结冰的重要气象参数,但在实际中难以准确测得,如果能够实时、准确地获取这两个参数可以为积冰预测和飞机适航认证标准的建立提供一些指导。文中提出了一种基于遗传算法优化神经网络的结冰气象参数预测模型。以不同测点组合的冰厚和结冰速率、环境温度、飞行速度和机翼迎角为输入参数,结冰气象参数MVD和LWC为输出参数,构建遗传算法优化的结冰气象参数预测模型,并通过预测模型对数值计算测试组数据和结冰风洞实验数据的结冰气象参数进行预测。结果表明,基于遗传算法优化Elman神经网络的预测模型对结冰气象参数的测试组预测相对误差在10%以内,实验数据相对误差在20%以内,该方法具有一定的可行性。     

多状态空间信息网络拓扑生成优化算法

依据空间信息网络（SIN）高动态性的特点,并考虑卫星工作的多状态特性,兼顾星间通信时延和拓扑抗毁性的要求,研究了多状态下空间信息网络拓扑生成及动态优化的问题。根据卫星星座的周期性,建立了一种卫星网络的拓扑周期表。综合卫星的可视性和连接度等约束条件,以网络平均和最大时延作为通信性能的优化目标,建立拓扑的多目标优化模型。提出一种改进的多目标模拟退火（IMOSA）算法,求解全局时延最优的卫星拓扑,并在考虑多状态情况下对链路进行优化,以满足网络高动态性。最后基于具有66颗低轨（LEO）的铱星星座进行仿真,研究表明：针对多状态条件下的铱星星座,该算法最大化减小了通信时延,得到抗毁性良好的拓扑结构,通信性能较之原有静态拓扑明显得到改善。     

先进战斗机过失速机动大气数据融合估计方法

可控的过失速机动是先进战斗机超机动性能的重要标志,飞机飞行包线的扩大已超出传统的大气数据系统测量范围,可靠的迎角、侧滑角、总压、静压等飞行大气数据是制约先进战斗机过失速机动中飞行控制的关键因素。以中国推力矢量验证机为对象,基于过失速机动飞行试验的数据,开展大气参数估计与验证研究。结合过失速机动的时间与空间特性,研究了基于风速、地速、空速矢量和惯性姿态、导航参数的大气参数融合计算方法;针对过失速大迎角状态下飞机周围气流非定常、模型非线性导致的融合大气参数误差的复杂特性,进一步构建深度神经网络,对机动状态融合迎角、侧滑角的强非线性误差进行拟合。仿真和飞行试验表明：该方法可在大迎角飞行状态下实现主要大气参数的融合估计,过失速机动过程中融合迎角误差优于2.3°,融合得到的大气参数可为过失速大迎角机动飞行控制提供可靠的大气参数状态反馈。