利用BP网络进行发动机故障诊断的研究

探讨了利用人工神经网络的ＢＰ网络进行发动机故障诊断的特点。通过发动机实际故障样本和模拟故障样本对ＢＰ网络的故障诊断功能进行了研究，并且对ＢＰ网络与主因子模型两种算法进行了比较。     

非线性MIMO系统神经网络自适应方法及其在飞控中的应用

提出了一种非线性系统的对角自回归神经网络模型。为了实现MIMO系统自适应控制,采用自回归辨识网络对未知非线性系统进行辨识,并将被控对象的误差灵敏度信息用于对角自回归控制网络训练。辨识网络和控制网络都用动态BP算法训练。实际某型飞机纵向模型的仿真结果表明,运用这种控制结构可得到较好的控制效果。     

液体火箭发动机高速涡轮泵的振动故障检测

讨论了涡轮泵故障的几个主要原因，据此提取涡轮泵振动数据的特征，用BP神经网络的方法进行故障检测。BP神经网络的训练样本集由一个具有无监督聚类功能的神经网络从原始的特征向量集获取。     

平衡交通运输网络设计的最优化数学模型

分析了影响交通运输网络发展的因素,总结了课题研究的程序。综合运用了“系统最优原理”和“用户最优原理”,给出了多目标、多运输方式与运送对象的平衡交通网络设计的一般表达式。系统最优与用户最优方法同时又能用于研究国家和省级铁路、公路系统的交通运输问题。文中对这个非凸规划问题给出局部最优解的算法。     

计算机辅助计划管理和决策总体设计

 介绍一种新机研制计划管理和决策支持系统的总体设计方案及其实现的具体措施。详细介绍了几个主要模块的设计思想。     

圆管内不可压粘流的分布式并行算法

用并行算法求解了圆柱通道内不可压层流流动。采用有重叠的条形区域分裂法时计算域进行分区，分别求解动量方程和压力校正方程，对压力校正方程采用块修正法来加速线代数方程的收敛速度。计算结果表明有较好的并行加速比和并行效率。     

热力系统中分布参数对象的数值─解析混合仿真方法

以热力系统中常见的管式换热器为对象，建立了包括质量、动量和能量平衡方程的集中参数数学模型，通过一系列的数值简化和处理，获得了能量方程的解析解，并发现此解的精度对时间步长的大小不很敏感。利用这一特性，本文提出了数值—解析混合仿真方法，采用多段集中参数模型同时选用较大的时间步长进行仿真。与非线性分布参数模型计算结果的对比表明，本仿真方法不仅具有较高的精度，同时也大大提高了计算速度，实现了仿真精度和实时性的统一。本方法对热力系统中分布参数对象的仿真具有重要意义。     

基于自适应神经网络的非线性飞行控制

结合反馈线性化和神经网络提出了一种新的飞行控制系统设计方法,通过反馈线性化将非线性耦合系统等效转换为线性解耦系统,利用具有在线学习能力的神经网络补偿反馈线性化的误差,建立了基于自适应神经网络的控制结构,并利用李亚普诺夫函数导出了网络权值的自适应调整规则。在巡航弹地形跟踪应用中的结果表明,该控制系统不仅具有精确的跟踪性能而且具有良好的鲁棒性。     

涡扇发动机气路故障定量诊断的BP网络研究

为了克服ＢＰ算法收敛速度慢的问题,提出了一种基于混合学习规则的ＢＰ算法,并采用模归一化方法,成功地定量组织了故障的学习样本,建立了能够定量分析发动机气路部件故障的人工神经网络（ＢＰＮ）。通过分析测量系统随机误差的影响和实际试车数据的效验结果,表明该网络具有较强的推广能力及适应性,能基本满足故障定量诊断的要求,并具有较好的工程实用性。     

智能机器力觉及力控制研究综述

回顾了智能机器力觉及力控制研究历史,介绍了目前的研究现状,详细分析了现有的4种研究策略：阻抗控制、力／位混合控制、现代控制、智能控制。提出了智能机器力觉及力控制研究的4大关键问题：机器本体及位置伺服;碰撞冲击及稳定性研究;未知环境的约束研究;力传感器及力／位反馈融合,展望了智能机器力觉及力控制研究趋势和应用前景。