基于空域划分的超视距空战态势威胁评估

编队超视距空战(BVR,Beyond Visual Range)已成为现代空战的主要模式.在空战优势区域与劣势区域判断的基础上对整个空域进行划分,并给出4种特定空域态势.从空中态势和编队作战能力两方面对空战态势进行分析.使用主成分分析法选取输入变量分析编队作战能力,降低评估过程中收集数据的复杂度.应用遗传神经网络对影响BVR各因素进行效能评估,将遗传算法(GA,Genetic Algorithms)与多层前馈(BP,Back Propagation)网络结合,利用GA的全局搜索优化BP网络的结构参数,有效克服BP算法的局部收敛等问题.结果表明:该模型能在综合分析空战各指标后给出红蓝双发的态势评估指标,该模型可有效减少评估中的人为因素,使评估结果更为客观可信.     

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.      

基于离散事件方法的AFDX建模与仿真

采用了建模仿真的方法来分析航空电子全双工交换式以太网(AFDX,Avionics Full Duplex switched ethernet)协议.通过对AFDX协议的抽象,基于离散事件的建模方法,以基本的网络元素来抽象化网络中的端系统、交换机等设备,以离散事件来描述网络设备的行为,以此构建了AFDX网络模型,并依据模型实现了仿真.网络演算是一种理论计算AFDX最坏延迟界限的方法,将典型场景下仿真得到的结果与理论计算的结果进行比较,验证了模型.通过不同流量方案下仿真结果的对比,对AFDX进行了传输特性的分析.      

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.      

基于过程质量数据的制造系统可靠性建模分析

针对传统制造系统可靠性评价不考虑加工过程产品质量数据,无法对制造系统可靠性进行及时准确的建模分析,提出了基于过程质量数据的制造系统可靠性建模分析方法.首先,在给出了包含制造产品质量的制造系统可靠性新内涵的基础上,分析了制造过程中关键质量特性检验数据和制造系统组件的退化故障数据等过程质量数据对制造系统可靠性建模的影响,从而明确建模需求.然后,首次提出了基于产品合格概率和制造系统组件退化失效率的制造系统可靠性分析模型.最后,通过某盖板的加工系统的可靠性建模分析验证了模型的有效性.结果表明该模型能够方便地利用制造阶段的质量数据更准确地估计出制造系统可靠性.     

梯形齿车轮月面牵引性能的离散元分析

采用离散元法分析梯形齿车轮在月面软土地形的通过性,提出不规则形状颗粒群系统的离散元建模技术,建立车轮牵引性能参数的细观表达式.基于模拟月壤的直剪实验数据,通过反复调试获得最佳土单元模型参数.轮-土作用的离散元分析结果表明:车轮在月壤地形的牵引性能与滑转率和轮齿结构有关,增加滑转率可获得更高的挂钩牵引力,但同时车轮所需的驱动转矩提高;增加轮齿高度可获得更大的土壤推力,但行驶阻力也相应增大;轮齿数量对车轮牵引性能影响较小,但影响车轮在行驶中的平顺性.     

基于BP神经网络的飞行绩效评价模型

为实现飞行绩效的客观评价,利用眼动数据,建立了拓扑结构为6-14-3型的BP(Back Propagation)神经网络模型.已有的实验数据和随机插值法得到的数据作为建模的数据来源,数据分为训练集和测试集并归一化.基于Matlab的神经网络工具箱,利用经验公式和实验比较法确定了BP网络模型的隐含层节点数;对BP算法的各种改进算法进行了优化选择;将训练集数据和测试集数据先后输入网络模型进行学习训练和仿真测试;对3个技术水平的飞行员的飞行绩效进行了预测和评价.研究表明,眼动数据的BP神经网络模型可以较为准确地评价飞行绩效,评价方法可以为飞行训练提供参考.     

基于UGF-GO法的EWIS退化系统可靠性分析

针对飞机电气线路互联系统（EWIS）差异性大、随时间退化严重、可靠性建模困难等问题,将通用生成函数（UGF）和GO法融合,提出了基于UGF-GO法的EWIS退化可靠性分析方法。首先,考虑EWIS各连接部件使用性能及环境的差异性,利用含随机参数的Wiener退化过程模型建立部件可靠性仿真模型,采用马尔可夫链蒙特卡罗（MCMC）算法对模型中的未知参数进行估计,并与传统二步法参数估计值进行对比,得到较为精确的系统部件退化可靠性曲线。其次,在分析系统退化可靠性时,利用UGF-GO法对某飞机EWIS结构可靠性进行建模及计算。最后,以某飞机电气线路互联系统为例,结合部件退化可靠性计算结果,评估系统在不同给定阈值下可靠性水平。结果表明:UGF-GO法可有效解决系统退化状态的可靠性分析问题。      

利用人工神经网络快速计算木星系磁坐标

在木星辐射带研究中,从地理坐标向磁坐标的准确转换是建模基础.以往的建模中,磁壳参数L值的计算基于磁偶极场假设,该方法精确度较差.结合最新的高精度木星磁场模型JRM09,本文提出基于磁力线追踪法的木星磁坐标计算方法,并分析其合理性和必要性.要求精确度较高时,磁力线追踪法计算耗时很长.本文在磁力线追踪法的基础上进行改进,提出基于人工神经网络的磁坐标快速计算方法.该方法包括分类器和拟合器.分类器基于Adaboost算法的BP神经网络,用于预测某地理坐标是否在内磁层,如果在内磁层,则用拟合器计算L值.拟合器采用遗传算法优化BP神经网络.结果表明,分类器的分类错误率在3%以内,而拟合器的预测误差在7%以内.以Juno号一圈探测轨道为例,利用神经网络的磁坐标计算法比磁力线追踪计算法速度快3个数量级以上.基于人工神经网络的磁坐标快速计算方法可用于未来木星辐射带的研究.      

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。