基于残差NLSTM网络和注意力机制的航空发动机剩余使用寿命预测

针对长短期记忆（LSTM）网络对于多维数据特征识别和提取上存在不足的问题，在其改进模型嵌套式长短期记忆（NLSTM）网络的基础上，提出了一种基于注意力机制和残差NLSTM网络的剩余使用寿命预测方法。该方法将双层NLSTM网络代替残差块中的主网络，保留捷径连接中的卷积神经网络结构，既能充分提取时序特征又能保证有用数据在网络层中的跳层传递，并融入注意力机制构建多层残差网络，注意力机制的使用能够选择出对预测结果有重要影响的信息，有效提高预测的准确率。在航空发动机退化实验数据集上进行实验分析，结果表明：所述方法能有效建立监测数据与发动机健康状态之间的关系，剩余使用寿命预测误差较未改进残差结构方法平均降低10.8%，比未融入注意力机制方法平均降低18.9%，有效提高了预测精度。     

多斜率自适应卷积神经网络激活函数

针对卷积神经网络中激活函数无法有效为处于不同激活程度的像素点提供特定梯度响应的问题，设计了一种由多个分段线性函数组成的自适应激活函数.首先依据像素激活值的取值范围，自适应地生成多个独立的激活域，各个激活域的并集包含激活图中全体像素点的激活值；随后在每个激活域中学习一个特定的线性函数，为处于该激活域中的像素点提供特定的梯度响应；最后以NIN网络和ResNet18网络为例，在CIFAR 10和CIFAR 100数据集上，验证所提激活函数的性能.实验结果表明，与现有激活函数相比，本文提出的激活函数，由于能够更好地为处于不同激活程度的像素点提供适当的梯度响应，使分类准确率在NIN网络上分别达到87.96%和69.01%，在ResNet18网络上分别达到88.56%和73.54%.     

质量矩导弹的神经网络及自适应非线性控制

本文对质量矩控制导弹的动力学方程简化和控制系统的设计进行了研究。详细阐述了所提出的控制方法，介绍了径向基单隐层神经网络进行误差补偿的算法原理，用Lyapunov理论证明了所采用方法的稳定性。在给出了质量矩导弹的六自由度动力学方程和简化后的方程后，用所提出的方法设计控制系统。通过仿真分析，得出了本文所提出的方法具有较好的误差补偿能力的结论。     

铝合金焊缝成形的神经网络建模

利用神经网络对LF6铝合金的焊缝成形进行了建模，同时运用模糊推理的方法对神经网络的预测功能进行了扩展。首先根据实际确定焊缝的成形参数为正面熔宽、正面熔高、背面熔宽、背面熔高，焊缝成形的控制参数为对接间隙、送丝速度、焊接速度、焊接电流；采用正交试验设计的方法设计试验，使用较少的试验数据来获取焊缝成形信息。然后，进行试验，利用试验数据来对神经网络进行训练。采用BP算法对焊缝成形控制参数空间和焊缝成形参数空间进行了函数逼近，建立了BP网络模型。此模型能够对位于焊缝成形控制参数空间内的输入参数进行高精度的预测，对焊接参数进行修正以获得良好的焊缝成形，并可减少焊接试验次数。     

无人机自由编队飞行的补偿模糊神经网络控制

为了克服当前提出的无人机编队飞行的不足，提出一种新的无人机编队飞行概念——自由编队飞行，制定了相关的避让规则，用补偿模糊神经网络进行训练，实现自由编队飞行的补偿模糊神经网络控制。仿真显示，编队飞行的飞机能按照规则自主改变航路进行避让，表明了该方法的有效性。     

一种具有较强泛化能力的神经网络模型研究与应用

分析了影响神经网络模型泛化能力的因素。以电解铝过程中氧化铝浓度的神经网络软测量为例 ,提出了利用先验知识确定网络结构 ,采用特定实验保证样本数量和质量 ,离线训练加在线学习修正模型等措施 ,改善神经网络模型的泛化能力。现场应用表明这些措施是有效的。这样建立的神经网络模型准确 ,泛化能力强 ,为实现过程的先进控制提供了可靠保障     

基于因子模糊化BP神经网络的磨损颗粒识别

在引入了一套磨粒形态学描述子来提取磨损颗粒的显微形态特征的基础上 ,采用人工神经网络技术 ,编制了用于磨损颗粒自动识别的 BP网络计算机模拟程序。在网络训练的过程中应用了本文引入的因子模糊化训练方法 ,使训练速度大大加快 ,以异或问题为例 ,速度可提高 5～ 1 0倍。应用此网络对磨粒测试库进行识别实验 ,识别正确率在 90 %以上 ,并且识别速度很快 ,大大优于传统的磨粒识别方法。     

一种在线神经网络在补偿飞机模型不确定性误差中的应用

讨论了一种基于神经网络动态逆的直接自适应控制方法，并应用于超机动飞机的飞行控制中。基本控制律采用非线性动态逆方法进行设计，对由于模型不准确导致的逆误差采用单隐层神经网络进行在线补偿。仿真结果表明，神经网络通过补偿由于模型不准确引起的逆误差，弥补了非线性动态逆要求精确数学模型的缺点，提高了整个控制系统的鲁棒性，而且可以大大简化动态逆控制律的设计。     

神经网络在未来超分辨雷达中的应用

最新的技术发展已为研制超分辨雷达创造了条件。它能够突破普通雷达基于匹配滤波原理的分辨能力,而实现超分辨。超分辨雷达的巨大计算量通常来自求解非线性最小二乘问题时的多维搜索。本文针对这一问题,研究了雷达信号处理中的两个典型例子:(1)利用阵列处理检测个数已知而方向未知的雷达目标;(2)对波音727飞机进行超分辨距离多普勒成像。说明Hop-field神经网络通过集体运算能够求解各种困难的最优化问题,因而在未来的超分辨雷达中有广阔的应用前景。