人工神经网络在航空发动机中的应用

人工神经网络是一个十分热门的交叉学科,在许多行业都得到了应用。介绍了其在系统建模、模型辨识、控制及其在航空发动机上的应用情况和最新发展,并对各种应用状况进行了归纳和分析。同时对最新神经网络模型作了介绍,并对将来神经网络在航空发动机上的应用作了预测。     

SACMA和QMW试验方法对复合材料层合板低速冲击后压缩行为的影响

采用了 SACMA标准和一种小试样试验方法对复合材料层合板低速冲击后的压缩 (CAI)行为进行试验研究 ,从层合板的冲击损伤分布、冲击后压缩破坏过程 ,以及层合板的准静态横向压缩、开孔后压缩等多方面进行对比 ,结果表明 ,这两种试验方法存在很大差别 ,试验方法不同 ,层合板低速冲击后的压缩行为也不同 ;采用 SACMA标准所测得的低速冲击后压缩强度更能全面反映基体韧性的优劣。作为 CAI试验标准 ,小试样试验方法还有待改进     

基于自适应神经网络的飞行控制律设计方案

介绍了一种自适应神经网络控制方法，利用李亚普诺夫稳定性定理推导了神经网络权值的自适应规律，保证了闭环系统的稳定性。设计了针对滚转通道的神经网络，并应用某型号飞机进行了非故障和故障状态的仿真。结果表明，自适应神经网络控制方法补偿作用显著，相当于系统具有一定的重构功能。     

基于RBF神经网络的航空发动机故障诊断模型

利用某型发动机地面定检状态实测数据作为学习样本，采用径向基函数(RBF)神经网络建立发动机的故障诊断模型。通过该模型对起飞状态实测的发动机参数进行了辨识，结果表明：这种方法具有训练时间短、学习速度快、诊断精度高等优点。     

基于物理模型的拟人智能控制

回顾了自动控制理论与智能控制的过去和现在,讨论了它们存在的问题,提出基于物理模型的拟人智能控制。通过介绍一个成功的实例"平面运动单级倒立摆"的控制来阐明拟人智能控制的机理以及设计控制律的流程。对于复杂的非线性被控对象,只要知道其物理模型,应用拟人智能控制方法可以得到很好的结果。     

非连续增强金属基复合材料的热残余应力

详细地论述了非连续增强金属基复合材料热残余应力的产生、松弛机理以及热残余应力对材料组织和性能的影响，并预测了今后的发展方向。指出增强体与基体的线膨胀系数之差、界面结合和温度变化是产生热残余应力的必要条件，非连续增强金属基复合材料的热残余应力的松弛将使得金属基复合材料基体内的位错密度增加，热残余应力使复合材料的拉伸强度降低。     

基于RBF神经网络的数字模式识别方法

在介绍径向基函数神经网络基本原理的基础上,讨论了基于 RBF 的数字模式识别的设计及其原则,包括识别数字网络模型结构、最近聚类学习算法等问题。     

基于分形的BP网络水下目标识别

主要讨论目标回波的分形特征和基于分形的识别方法,并用实际潜艇的回波数据进行了分形特征识别研究。在分析回波信号的时间域波形的基础上,应用随机分形理论,给出基于分形 Brown 运动的回波信号分形特征矢量提取的理论和方法;提取了回波信号的分形特征矢量;进而给出了基于 BP 网络的分类计算方法。计算结果表明,提出的提取水声回波信号目标特征矢量的方法与分类方法切实可行。     

基于神经网络的滚动轴承故障包络信号的自动识别方法

介绍了一种基于神经网络的滚动轴承故障包络信号的自动识别方法。将从包络信号的时域和频域信息中提取的反映滚动轴承故障的特征信息作为BP神经网络的输入,用BP算法对该网络进行训练。利用BP神经网络的智能性来实现滚动轴承故障的智能诊断。     

Elman网络在某型自动驾驶仪飞控盒多故障诊断中的仿真研究

目前采用传统故障诊断方法对复杂系统进行故障诊断时,还存在许多缺点,尤其在多故障同时发生的情况下,传统故障诊断方法难以准确定位故障点。为此,基于Elman神经网络,结合故障字典法,设计了一种基于Elman网络的综合故障诊断方法。为验证该方法的准确性,以某型飞机自动驾驶仪飞控盒的几种主要故障为诊断源,仿真研究了所设计的综合故障诊断方法。仿真结果表明,与传统故障诊断方法相比,所设计的基于Elman网络的综合故障诊断方法在进行多故障诊断中对故障的准确定位是有效的和快速的。