基于动态贝叶斯网络的可修GO法模型算法

GO法是评价复杂系统可靠性和安全性的有效方法,除了能描述多状态时序特性外,还能表达系统的复杂动态维修行为.针对这种带有动态可修特性的系统GO法模型,提出一种基于动态贝叶斯网络的新算法.首先将GO法模型中的可修操作符和不可修操作符转换成动态贝叶斯网络,然后将整体模型通过贝叶斯软件进行模型求解.新方法结合贝叶斯网络理论的成熟算法和软件,可得到系统可用度随时间变化的曲线和给定时间点的瞬时可靠性指标,并且无需考虑共有信号问题.基于动态贝叶斯网络理论的新算法规则简单统一,便于工程应用.      

基于细胞吸引子选择机制的网络选择算法

随着无线通信技术的发展,物联网、车联网和体联网等同类型的无线网络之间共存、相互补充和异构融合。任何单一的通信技术不能完全满足人们对网络服务的多样化需求。如何在移动过程中选择可靠高效的网络连接成为学术和工业界的研究热点。基于细胞吸引子选择模型,提出了一种面向群体终端网络选择的决策方法,并通过车联网环境数值实验比较了该生物启发式决策方法与基于效用函数方法的性能,结果表明:基于细胞吸引子选择机制的生物启发式决策方法在网络选择决策中具有较好的性能。      

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。     

Optimization of the tether-assisted return mission of a guided re-entry capsule

This paper presents the mission analysis of a tether-assisted payload retrieval from the International Space Station (ISS). The objective is to assess all relevant phases of such a mission in order to allow a comparison with a conventional mission employing a propulsive deorbitation. The controlled tether deployment procedure and the guided return flight of the released re-entry capsule are optimized. A preferable deployment strategy is identified that allows for favorable entry conditions and low flight loads. The optimal deployment trajectories serve as a basis for an optimal dynamic regulator. This approach is extended towards an adaptive concept, where artificial neural networks are applied to deployment control. For the guidance of the capsule a predictive concept is proposed that is based on the optimal re-entry trajectories identified previously. By applying these concepts, the attainable landing accuracy during return amounts to an average of 5 km, and the application of the tether system exhibits overall system mass advantages. This demonstrates that the tether-assisted return mission is a competitive alternative.     

飞行/推进系统自适应神经网络综合控制仿真研究

 提出一种基于发动机喘振裕度自适应的飞行 /推进系统综合控制。在发动机喘振裕度较大的某些飞行条件或飞行包线内,通过调整喷口面积,使发动机喘振裕度保持在一个较小值,既保证发动机稳定工作,又增加发动机推力,从而改善飞机的性能。采用分散控制方案,综合控制系统由 5个控制子系统组成。各控制子系统的设计采用自适应控制和神经网络相结合的方法,所提出的参数和权重的自适应调整律保证系统的稳定性。全包线范围内飞机平飞加速和爬升数字仿真结果表明,该综合控制方法可缩短飞机的平飞加速时间和爬升时间。     

人工神经网络技术在点焊质量控制中的应用研究

利用人工神经网络技术对交流电阻点焊的多个动态电参数进行融合处理,建立起以交流点焊过程中动态电参数作为输入空间;以熔核尺寸为输出空间,可用于实时在线检测和预测的低碳钢点焊质量监测系统。所建监测系统的熔核直径的平均预测误差小于5%,熔核高度的平均预测误差小于8%,完全可以满足工程实际的需要。     

模糊神经网络在过失速机动飞行中的应用

模糊逻辑控制技术和神经网络有机的结合 ,拓宽了模糊逻辑方法和神经网络方法的适用领域。利用神经网络具有自学习能力的优势 ,采用反向传播学习算法 ,通过对传统模糊逻辑控制器中的模糊逻辑控制规则和隶属函数有关参数进行训练学习 ,设计了模糊神经网络控制器 ,应用于飞机的过失速机动“里程碑”之一—— 70°迎角定常飞行仿真计算 ,获得了令人满意的结果。     

基于前馈补偿的一类不确定系统的动态反馈镇定

提出一种基于神经网络的复合前馈补偿的设计方法,以解决工程上的复杂控制问题,数字仿真试验表明了该方法的有效性。     

基于模糊贝叶斯网的空战传感器资源管理方法

空战中目标状态信息的不确定性、目标与我机相对态势是影响机载传感器资源分配问题的重要影响因素.针对此问题,提出一种基于模糊贝叶斯网(FBN)的空战传感器资源管理方法,以空战传感器资源管理中涉及的影响因素因果关系作为建网依据,将目标信息增量、目标威胁、飞行员指令作为证据变量驱动网络进行概率推理,从而获取空战传感器资源的分配结果.仿真结果表明,与传统方法相比,方法的自适应变间隔采样策略能够根据目标威胁及飞行员指令影响,管理空战态势不同阶段的传感器资源以满足空战作战任务需求.     

基于BiGRU-SVDD的ADS-B异常数据检测模型

广播式自动相关监视（ADS-B）作为新一代空管监视技术,由于采用明文方式广播发送数据,因而存在易遭受网络攻击的安全问题。为了准确检测ADS-B数据攻击行为,在充分考虑时间相关性的基础上,提出了针对ADS-B数据的异常数据检测模型。首先利用双向门控循环单元（BiGRU）神经网络预测ADS-B数据,得到了ADS-B数据预测值。再将预测值和实际值作差,将差值放入支持向量数据描述（SVDD）训练,得到了能检测ADS-B异常数据的超球体分类器。并且,选择了合适的滑动窗口,在保证异常检测准确率的同时,缩短BiGRU神经网络的训练时长。实验结果表明,BiGRU-SVDD模型能检测出随机位置偏移攻击、高度偏差攻击、重放攻击、拒绝服务（DOS）等攻击下的ADS-B异常数据。并且,与其他机器学习和深度学习方法相比,BiGRU-SVDD异常检测模型的准确率更佳,适应性更优。