不确定性非线性系统的自适应输出反馈控制

研究了一种不确定性非线性系统的自适应输出反馈控制方法.首先引入伪控制信号使系统反馈线性化,然后设计一个线性动态补偿器和在线神经网络,自适应消除不确定性和建模所引起的误差.仿真结果表明,该控制方法能够消除系统的稳态误差,提高系统动态性能,并且具有较好的鲁棒性.     

基于前向神经网络的非线性平滑滤波器设计研究

文章阐述了基于前向神经网络的非线性平滑滤波器的设计问题，分析了上述平滑滤波器的存在性及其滤波误差方差的组成，给出了有限观测序列下网络学习的性能指标，由此提出了一种次优网络学习算法，它具有很好的抑制白噪声能力。     

Prediction of geosynchronous electron fluxes using an artificial neural network driven by solar wind parameters

There are hundreds of satellites operating at the geosynchronous (GEO) orbit where relativistic electrons can cause severe damage. Thus, predicting relativistic electron fluxes is significant for spacecraft safety. In this study, using GOES satellite data during 2011–2020, we propose two neural network models with two hidden layers to predict geosynchronous relativistic electron fluxes at two energy channels (>0.8 MeV and > 2 MeV). The number of input neurons of the two channels (>0.8 MeV and > 2 MeV) are determined to be 36 and 44, respectively. The > 0.8 MeV model has 22 and 9 neurons in the hidden layers, while the > 2 MeV model has 25 and 15 neurons in the hidden layers. The input parameters include the north–south component of the interplanetary magnetic field, solar wind speed, solar wind dynamic pressure and solar wind proton density. Through the analysis of different time delays, we determine that the optimal time delays of two energy channels (>0.8 MeV and > 2 MeV) are 8 days and 10 days, respectively. The training set and validation set (Jan 2011-Dec 2018) are divided by the 10-fold cross-validation method, and the remaining data (Jan 2019-Feb 2020) is used to analyze the model performance as a test set. The prediction results of both energy channels show good agreement with satellite observations indicated by low RMSE (～0.3 cm^-2sr^-1s^?1), high PE (～0.8) and CC (～0.9). These results suggest that only using solar wind parameters is capable of obtaining reasonable predictions of geosynchronous relativistic electron fluxes.     

压气机机匣零件切削刀具配置专家系统开发

现代航空发动机零件结构越来越复杂,涉及的刀具种类与数量也越来越多,给刀具选择与工艺制定带来了严峻挑战.以某型压气机机匣零件为研究对象,以最佳刀具配置为研究目标,在压气机机匣零件切削数据库的基础上,设计开发了基于B/S结构的压气机机匣零件切削刀具配置专家系统,并进行了实例演示.该系统首先根据被加工对象特征及其需求,运用规则推理方法初选刀具;进而应用人工神经网络预测初选刀具的耐用度及被加工特征的表面粗糙度;最后以该预测结果作为参考,应用综合评判技术进行刀具性能评价,并对所选刀具进行优化排序和完成推荐.系统运行实例验证了所开发系统能够实现压气机机匣零件切削加工刀具的智能选取.     

基于双重注意力机制及S-BiGAN的机电设备故障诊断

标签样本少条件下机电设备的准确故障诊断对于提高复杂机电设备的健康管理能力具有重要意义。针对标签样本少条件下难以建立准确故障诊断模型的问题,在半监督生成对抗网络的基础上,将注意力模块引入生成对抗网络,并利用格拉姆角场将一维数据转换为二维图像;结合双向生成对抗网络特点,提出一种基于双重注意力机制的半监督双向生成对抗网络（S-BIGAN）机电设备故障诊断模型,以轴承数据为例进行验证。结果表明：与CNN-SVM、SGAN 等算法相比,本文提出的模型能够提高样本生成质量和故障分类特征,有效解决标签样本少情况下的故障诊断问题,极大地提高了故障诊断准确率。     

人工神经网络在HTPB推进剂力学性能预示中的应用

为预示ＨＴＰＢ推进剂的力学性能，动用人工神经网络（ＡＮＮ）及其ＢＰ算法建立了多劳多种因素对多个力学性能目标参量影响的模型。实际建立模型和检验表明，用该方法预示ＨＴＰＢ推进剂力学性能简便易行，预示精度较镐，仿真计算所得规律也与经验一致。     

基于BP算法的模糊神经网络研究

提出了一种基于模糊集合与前馈神经网络结合的神经网络。这种模糊神经网络（ＦＮＮ）在处理模糊特征时，能较好地反映出输入值和输出值的隶属度关系。应用经典的ＢＰ算法对网络进行训练，为了加快网络的学习过程，我们介绍了一种调整权值和阈值的学习方法，并且采用了Ｃ语言编制软件，实验结果表明，ＦＮＮ技术是一种新颖、有效的方法，能促进智能神经网络的发展。     

复合材料结构损伤的小波神经网络辨识研究

将小波神经网络应用于结构健康监测，研究实现复合材料结构常见损伤的高精度辨识。剖析了小波神经网络的收敛算法，并使用了惯性系数以抑制振荡并提出了一种自适应调整学习率的算法以加快收敛。组建结构健康监测实验系统，进行数据处理和特征提取以获得不同的结构损伤模式。提出了小波神经网络初始权值的设置方法，据此删除了小波神经网络的冗余节点。将该小波神经网络应用在实验获得的各种结构损伤模式的辨识上，验证了它的高精度和快速收敛，并成功实现了复合材料结构损伤状态的辨识仿真。     

基于模糊神经网络的质量矩拦截弹动态逆控制

质量矩控制是一种全新的飞行控制方法,与广泛应用的空气动力控制相比,可以避免飞行器在超高马赫数飞行时舵面的气动加热问题,而且,可以提高飞行器的机动性和敏捷性。以所建立的质量矩拦截弹数学模型为基础,通过对模型合理的简化,得到一个耦合的非线性动力学系统。考虑到系统的鲁棒性要求和三个滑块的协调控制问题,应用双时标分解的方法,提出将拦截弹动力学分离为快变状态动力学和慢变状态动力学。然后,设计了拦截弹模糊动态逆飞行控制系统,分别针对快变和慢变子系统,提出了一种基于模糊神经网络(FNN)的动态逆误差补偿方法,可以有效地抑制气动参数摄动而引起的控制系统性能的下降,提高了控制系统的鲁棒性。仿真结果表明系统性能指标满足设计要求,只需微调滑块位置,即可以实现拦截弹的飞行控制。     

智能制造系统调度的一种随机神经网络求解法

首先提出了调度系统的概念，即智能控制系统智能调度应从整体指标出发，综合研究集零件加工智能调度和产品装配智能规划于一体的调度技术，然后，给出了智能控制系统智能调度的神经网络模型的能量函数，并讨论了一种改进的模拟退火过程来求解最优解的方法。