机轮防滑刹车控制方法的研究

分析了机轮防滑刹车系统的工作原理和防滑工作过程,介绍了减速度控制法、有限状态机法和滑移率控制法在3种防滑刹车控制器设计中的应用,阐述了使用模糊控制算法、滑模变结构控制算法和人工神经网络算法的滑移率控制器的设计。     

LSTM神经网络在太阳F10.7射电流量中期预报中的应用

F_10.7指数作为大气密度经验模型的重要输入参量,其预报精度直接影响航天器轨道预报精度.研究发现,太阳活动表现出长时间尺度上平均11年和中短时间尺度平均27天的周期性变化特征.依据这一观测事实,基于长短期记忆单元（Long Short-term Memory,LSTM）递归神经网络方法进行F_10.7指数未来27天的中期预报.利用一个连续长时段F_10.7数据作为训练数据,构建LSTM神经网络训练和预测模型,分别预测太阳活动高低年未来27天的F_10.7指数.结果表明,太阳活动高年的第27天F_10.7指数预报平均相对误差最优可达10%以内,低年最优可达2%以内.      

基于神经网络动态逆的动力伞飞行控制方案

动力伞飞行控制系统为复杂的非线性系统,通过对神经网络逼近逆系统的原理分析,提出一种由静态神经网络和积分器组成的动态神经网络,设计了基于神经网络动态逆方法的飞行控制方案,进行了飞行仿真验证,结果表明该方法完全满足系统控制的稳定性和鲁棒性要求,并具有良好的抗干扰能力．     

基于小波神经网络的航空刀具磨损状态识别

针对航空零件的加工特点,采集刀具在不同磨损状态下的声发射(AE,Acoustic Emission)信号,对AE信号进行时频分析和小波变换,运用快速傅里叶变换(FFT, Fast Fourier Transform)以及db8小波5层分解,提取AE信号幅值的均方根和主能量频段的能量作为特征向量,对特征向量进行归一化处理后作为输入向量对小波神经网络进行训练.小波神经网络运用参数调整算法,在权值和阈值的修正中加入动量项.测试结果表明:AE信号对刀具磨损敏感的频率范围在10~150kHz,网络实际输出与期望结果的误差小于0.03,该方法能够对刀具不同磨损状态进行正确的识别.      

基于RBF网络的导弹滑模动态逆控制律设计

讨论了一种基于径向基函数(RBF,Radial Basic Function)神经网络的导弹滑模动态逆控制律.导弹的基本控制律采用动态逆方法设计,对慢回路设计神经网络滑模控制器以补偿整个控制系统的不确定性.即用RBF神经网络逼近导弹慢模态不确定性的数学模型,并将逼近误差引入到网络权值的调节律以改善系统的动态性能;滑模控制器用于减弱模型不确定性及神经网络的逼近误差对跟踪的影响.所设计的控制器不仅保证了闭环系统的稳定性,而且使模型不确定性及神经网络的逼近误差对跟踪的影响减小到给定的性能指标.最后通过仿真分析,验证了该方法的有效性.      

弹射座椅不利姿态控制规律设计

弹射座椅在低空不利姿态下的弹射救生性能是第四代弹射座椅的关键技术,而控制规律算法设计则是姿态轨迹控制的核心问题。提出了一种全新的控制规律设计方法,通过建立弹射全过程的轨迹姿态仿真模型、设计控制参数寻优计算模型,得到离散化的最优控制参数集。利用基于误差逆向传播(BP)算法的多层前馈神经网络模型,获得弹射状态全区间范围内的连续性控制规律算法。以单滚转不利姿态为例,进行了控制规律算法的设计验证。结果表明,采用本文控制规律算法后,弹射座椅在最低安全救生高度性能指标上远远优于多模态控制规律、美俄联合研制的K36Л-3.5型座椅,并基本满足国军际的性能要求。设计方案简单明确,结果算法逼近理论最优值,可以为第四代弹射座椅控制规律设计提供一定的参考意义。      

基于新型神经网络的航空发动机多变量控制

根据PID控制结构提出了一种新型神经网络控制器,对其基本结构和学习算法等进行了分析。结合某型航空涡喷发动机双变量控制需求,利用2个结构相同、相互联系的神经网络,实现了发动机双变量控制和接耦。在不同飞行条件、不同发动机工作状态下的仿真表明,控制器具有良好的控制性能     

具有智能调节机构的航空发动机自适应控制系统

采用仅利用输入输出测量值的模型,参考自适应控制,设计了某型涡扇发动机的多变量控制系统;在飞行包线内选取标称点分别确定了自适应律的参数,以保证控制系统性能在该标称点处达到最优;用神经网络的方法拟合了发动机工作条件与自适应律参数之间的关系,建立了根据发动机工作状况选择合适自适应律参数的智能调节机构。仿真结果表明,所设计的控制系统在整个飞行包线内的标称点与非标称点均具有良好的性能。     

利用遗传算法和神经网络响应面来实现复合材料结构优化设计

运用正交试验设计选择设计样本，建立神经网络响应面，以代替复合材料结构优化中的大量的有限元分析；将神经网络响应面作为目标函数或者约束条件，加上其他常规约束条件进行优化模型的建立，再应用遗传算法（GA）进行优化，这可以实现设计分析与设计优化的分离。以复合材料帽型加筋板的重量优化问题为例，建立了重量响应面目标函数、强度和翘曲稳定性响应面约束条件；并通过NASTRAN进行有限元计算，以获取用于响应面训练的样本点数据。研究表明，该方法能以较少的结构分析次数，取得高精度的响应面近似模型，从而使优化效率大为提高。神经网络响应面能够获得与传统响应面同等，甚至更好的精度。     

基于模糊神经网络的涡扇发动机加速控制

采用模糊神经网络对某型涡扇发动机加速过程进行自适应控制，为了进一步提高系统性能，采用遗传算法和BP算法相结合的方式，对系统分别进行了离线和在线优化。仿真结果表明，设计的模糊神经网络控制器具有良好的性能。