基于序列图像的自动目标识别算法

由于利用单幅二维图像进行三维目标识别存在识别的多义性,提出了一种基于二维序列图像的三维目标自动识别算法。首先以修正的Hu不变矩构造目标的图像识别特征,进而采用BP神经网络分类器构造关于目标融合识别的基本置信指派函数,以神经网络的训练误差构造证据理论不确定性度量,采用基于吸收法的DS证据理论实现高冲突证据的贯序式融合。对各姿态飞机图像识别的仿真表明,该算法对飞机的空间姿态变化具有很强的鲁棒性,能快速地准确识别飞机类型。此外,算法对先验性参数具有一定的鲁棒性。     

基于加权线性响应面法的神经网络可靠性分析方法

在加权线性响应面法的基础上,提出隐式极限状态方程可靠性分析的神经网络方法。加权线性响应面法不仅形式简单、易于实现,而且可以很好的近似极限状态方程的设计点,但它却不能适应非线性极限状态方程的失效概率计算。神经网络对非线性极限状态方程有很强的近似能力,但神经网络的迭代不如加权线性响应面法那么简单易行,因此提出加权线性响应面与神经网络相结合的可靠性分析方法,这种方法既保证对设计点的精确近似,也保证对设计点附近的非线性极限状态方程的很好近似。与加权线性响应面法相比,本方法计算失效概率的计算工作量有所增加,但对非线性极限状态的计算精度却大大提高。算例充分显示所提算法的合理性和可行性。     

人工神经网络融合诊断航空发动机气路故障

为了提高诊断的准确性,提出了一种利用人工神经网络融合诊断航空发动机气路故障的新算法.由4个子系统有机结合起来建立了神经网络融合诊断系统,对从飞参数据中得到的气路故障数据进行预处理之后,分别输入广义回归神经网络子系统和BP神经网络子系统进行诊断,然后研究了一种新的信息融合算法对两者的诊断结果进行融合,使诊断结果的故障特征更加明显,提高了诊断的准确性.通过测试表明,该信息融合算法十分有效,具有较高的实用价值.      

基于随动机器人的舱内/外航天服手臂测试方法

 提出了一种新的方法用于测量中国舱内和舱外航天服的关节力学特性。测量原理基于机器人运动学、静力学和动力学。首先,建立了随动机器人的运动学模型,然后根据航天服特殊的机械结构同时建立了舱内和舱外航天服手臂通用的运动学模型;其次,针对包含有柔性关节的舱内和舱外航天服手臂给出了求解其运动学逆运算的方法;最后,根据航天服手臂末端的力矩、位置和姿态信息计算出航天服关节的阻尼力矩。实验结果和SGI工作站上的仿真证明了该测量方法的正确性和有效性。     

基于过程神经网络的航空发动机排气温度预测

从泛函分析的角度出发,将航空发动机排气温度预测问题转换为一种泛函逼近问题.利用过程神经网络对任意连续泛函的逼近能力,提出了一种基于过程神经网络的航空发动机排气温度预测方法.为克服过程神经网络学习速度慢的问题,为其开发了一种基于正交基函数展开的Levenberg-Marquardt学习算法.将所提出的预测方法应用到某型航空发动机的排气温度预测中,取得了满意的结果.      

滚动轴承早期故障的特征提取与智能诊断

在基于小波变换的滚动轴承故障诊断研究中,目前普遍存在小波变换参数选取和故障特征计算无法自动完成的问题。基于此,提出了一种基于二进离散小波变换的滚动轴承故障特征自动提取技术,实现了小波函数参数的自动选取和故障特征的自动提取。同时,基于结构自适应神经网络方法建立了滚动轴承的集成神经网络智能诊断模型。最后,利用实际的滚动轴承实验数据验证了所提方法的有效性。     

自适应PSO网络整定的航空发动机全程滑模控制

针对现代航空发动机是一个具有不确定性的强非线性系统,提出了一种基于自适应PSO网络整定的航空发动机全程滑模控制方法。设计了一类全程滑模面非线性函数,函数中含有变参数指数函数,其参数由一种新的自适应粒子群学习算法(PSO)结合RBF神经网络来整定。全程滑模控制保证了控制系统的全程鲁棒性,同时,由稳态误差收敛速度和滑模抖振幅度建立参数优化指标,用自适应PSO神经网络快速搜索当前的全局最优点。仿真结果表明,所设计的控制器取得了良好的效果,削弱了抖振。     

航空公司机队设备可靠性非线性动态评估模型

 机队设备可靠性是实现航空公司"安全、正点和经济"目标的核心内容,对其进行评估是实现机队设备系统综合技术保障的重要手段。根据航空公司机队设备可靠性统计、数据采集和监控方式的关键技术与重要环节,应用物理-事理-人理 (WSR)思想和Delphi法,建立了机械原因使用困难报告(SDR)和非计划停场率等航空公司机队设备可靠性的5大指标体系。基于灰色聚类方法和反步(BP)神经网络的优缺点,结合机队设备可靠性的随机性和波动性,设计了航空公司机队设备可靠性非线性动力学评估模型。航空公司机队设备可靠性评估实例的分析表明:该可靠性非线性动态评估模型是可行的,能够实现动态和静态的评估。     

基于动态云BP网络的液体火箭发动机故障诊断方法

将云模型与BP(back propagation)神经网络以串联方式有机结合,首先利用云变换方法进行网络的结构辨识和云模型的特征提取,同时通过在输入层引入单位延时环节描述发动机工作过程动态特性,研究提出了基于动态云BP网络的液体火箭发动机故障诊断方法.结合实际试车数据的验证结果表明,该方法能够准确识别发动机已有的3种故障模式,通过在试车数据中添加0期望、0.2标准差的随机噪声的方法来模拟环境噪声和测试过程中产生的随机噪声,根据持续性原则,方法仍能够正确进行故障检测与分类.方法单步运行时长为1.124×10-4s,完全能够满足实时性要求.      

基于神经网络的INS/SAR组合导航航迹状态估计算法研究

实现对已选航迹上的状态估计对于航迹规划有重要的指导意义,在干扰大的外界环境中,常规的卡尔曼滤波方法对组合导航航迹状态估计的精度已经不能满足要求,为此本文提出了采用BP神经网络用于组合导航的航迹状态估计。重点描述了BP网络用于航迹状态估计的设计方法,对训练样本的获得以及网络结构的选择给予了详细的介绍。最后结合INS/SAR组合导航的特点,分别采用常规卡尔曼滤波和BP神经网络进行航迹状态估计,仿真结果表明了该方法的有效性和实用性。