基于神经网络逆控制的发动机直接推力控制

首次将动态神经网络逆控制用于航空发动机直接推力控制。为了有效消除由于神经网络逆模型构造误差(即神经网络逆模型不可能完全逼近航空发动机的逆模型)而产生的稳态误差和解决航空发动机推力不易测量的困难,分别设计了积分补偿器和推力估计器,从而实现航空发动机直接推力控制。飞行包线内数字仿真结果表明,此控制方案具有良好的动静态性能、精度高、跟踪快。     

基于网络演算的测控局域网时延性能分析方法研究

针对测控局域网服务质量分析的需要，根据业务的周期性特点，采用基于网络演算的方法，推导和总结了常用排队调度模型的最大服务时延性能计算公式，并结合一个实例进行了分析，同时采用OPNET软件对类似情况进行了仿真验证。     

Optimization of the tether-assisted return mission of a guided re-entry capsule

This paper presents the mission analysis of a tether-assisted payload retrieval from the International Space Station (ISS). The objective is to assess all relevant phases of such a mission in order to allow a comparison with a conventional mission employing a propulsive deorbitation. The controlled tether deployment procedure and the guided return flight of the released re-entry capsule are optimized. A preferable deployment strategy is identified that allows for favorable entry conditions and low flight loads. The optimal deployment trajectories serve as a basis for an optimal dynamic regulator. This approach is extended towards an adaptive concept, where artificial neural networks are applied to deployment control. For the guidance of the capsule a predictive concept is proposed that is based on the optimal re-entry trajectories identified previously. By applying these concepts, the attainable landing accuracy during return amounts to an average of 5 km, and the application of the tether system exhibits overall system mass advantages. This demonstrates that the tether-assisted return mission is a competitive alternative.     

航空发动机神经网络自学习PID控制

将神经网络与传统的PID控制相结合,构成神经网络自学习PID控制,用神经网络在线整定PID控制器的比例、积分及微分三个参数,使被控对象跟踪理想参考模型的输出。该系统具有自学习能力,能适用于非线性、时变的被控对象。将神经网络自学习PID控制方法用于航空发动机全包线控制以及蜕化发动机的控制,进行了数字仿真,验证了该方法的有效性。     

网络环境下大学生英语学习动机与成绩相关性研究

根据学习动机理论和建构主义的网络学习理论，以西北工业大学大二的英语网络班学生为对象，通过问卷调查的手段，结合四级成绩和最近一次的期末考试成绩对英语网络班学生的学习动机进行了分析，并探讨了英语网络学习环境下学生英语学习动机和英语成绩之间的关系，了解了网络教学过程中学生的非智力因素状况，为今后的教学活动提供参考。     

基于自联想神经网络的发动机控制系统传感器故障诊断与重构

研究自联想神经网络及其在发动机控制系统传感器故障诊断及重构中的应用。自联想神经网络关键在于特征提取和噪声滤波。综合自联想网络的最优估计与故障诊断 ,自动区分估计误差和传感器故障。仿真结果表明这种方法不需要模型 ,能诊断传感器硬、软故障 ,当发动机性能蜕化时也能提供很好的解析余度。     

基于人工神经网络的钛合金焊接接头机械性能预测

采用多层前向反馈神经网络模型,对钛合金钨极氩弧焊的焊接接头机械性能进行了模拟和预测.其中,输入参数包括钛合金成分、冷却速度和热处理参数;输出参数包括5个重要的机械性能,即极限抗拉强度、延伸率、断面收缩率、屈服强度和硬度.详细分析了铝和钒这2种元素对机械性能的影响.     

磁性薄膜电磁参数测试技术

介绍了近15年国内外在磁性薄膜材料电磁参数测试方法的概况及技术特点,这些方法主要包括带状线法、微带线法、波导法及共面波导法、终端阻抗及短路法和谐振腔法。     

基于Bayes网络的多源信息融合方法在精度评定中的应用

提出了一种基于多源验前信息融合的Bayes精度评定方法。利用Bayes网络进行多源验前信息融合时,能够结合现场试验数据,对信息加权因子做出较为合理的推断。根据验前及验后数据,通过Bayes网络中的MC—MC方法可以快速地获取各变量的验后统计特性,达到估计现场试验精度的目的。因此,基于多源验前信息融合的Bayes方法可用于解决小样本下的精度评定问题,仿真结果表明了该方法的有效性。     

航空发动机叶片砂带抛光工艺参数优化

为提高航空发动机叶片砂带抛光后的表面质量,选取影响抛光质量的主要工艺因素砂带粒度、接触力、砂带线速度、进给速度,以抛光后的叶片表面粗糙度作为评价指标,展开叶片砂带抛光工艺参数优化研究.首先,进行抛光工艺试验,基于试验结果采用BP神经网络法建立表面粗糙度与工艺参数之间的预测模型;其次,根据所建立的预测模型,采用遗传算法和粒子群算法对工艺参数进行优化对比,确定最佳工艺参数;最后,对优化后的工艺参数进行试验验证,试验结果表明:采用优化后的工艺参数进行叶片型面抛光,抛光后叶片表面粗糙度明显减小,表面质量得到了显著提高.