武装直升机飞行控制系统的组合智能控制

讨论了专家系统的人工神经网络相结合的一种控制方法，并将这种方法成功地用于直升机飞行控制系统设计。根据系统特征模型的划分、精心设计专家系统的知识库、数据库、规则库和推理机。然后，用专家系统控制器训练了三层ＢＰ神经网络。同时，针对某型直升机用数字仿真证明了这种方法的优点和良好效果。     

INVERSE KINEMATICS FOR A 6 DOF MANIPULATOR BASED ON NEURAL NETWORK

运用神经网络求解机器人运动学位姿逆解，突破了文献局限于研究位置逆解的状况，首次实现自组织神经网络求解机器人姿态逆解。通过深入分析基于Ｋｏｈｏｎｅｎ网络原理和Ｖｉｄｒｏｗ－Ｈｏｆ误差修正的Ｍ．Ｒ．Ｓ．自组织神经网络及机器人运动学特性，创新了自组织神经网络训练算法并建立了一类工业机器人位姿逆解的神经网络方法。对ＰＵＭＡ５６０机器人的计算机仿真结果表明，本算法在自组织能力和定位控制精度方面大幅度提高。     

利用人工神经网络仿真GPS误差信号

GPS（Global positioning system）是一种在军事和民用方面广泛应用的定位系统。如何降低成本，提高精度是一个重要的课题。本文应用人工神经网络能够实现高度非线性的特点，在对地理位置已知点进行大量GSP实际测量的基础上，设计出一种BP网络，作为GPS误差信号模拟器。在给出时间和天气情况的条件下，该模型器能够输出GPS的实时误差，为应用系统中对GPS误差进行补偿提供依据。通过与实际测试数据相比较，证明这种方法具有较好的模拟效果。     

一种基于粗糙集理论的粗糙神经网络构造方法

提出在BP神经网络中使用粗糙集理论网络的设计，由于粗糙集理论有强大的数值分析能力,而BP神经网络具有准确的逼近收敛能力和较高的精度，所以通过两者的结合，可以得到一种可理解性好，计算简单，收敛速度快的神经网络模型，这种神经网络的算法的主要过程为：首先利用粗糙集能力去发现给定数据集的一些规则，然后根据这些规则构造神经网络稳含层的神经元个数，最后用BP算法迭代求了网络的各种参数，完成网络的设计，本文最后给出了一个三维非线性函数的实例进一步验证了网络的正确性。     

遥操作机器人神经网络Smith预估控制(英文)

针对遥操作机器人通讯通道中存在的时延 ,提出了一种神经网络 Smith预估控制方法。控制系统适合于时延不变但未知的情况。控制系统包括主控制器和从系统两部分。从系统采用动态神经网络辨识机器人的动态模型 ,神经网络权重在线学习 ,用神经网络的输出对非线性系统进行局部非线性补偿 ,将非线性系统线性化。主系统针对线性化的从系统 ,采用 Smith预估控制解决时延问题并保证系统的性能品质。通过李雅普诺夫稳定理论保证了时延控制系统的稳定性。对两关节机器人的仿真结果说明了该方法的有效性。     

基于前向神经网络的与内容无关的笔迹鉴别

与内容无关的笔迹鉴别是属于图象处理和模式识别领域的一项课题，有着广泛的实用前景。本文提出了一种基于前向神经网络的与内容无关的笔迹鉴别的方法。文中讨论了提取笔迹灰度图象特征和用前向神经网络分类器进行两大问题。对笔迹灰度图提取了3大类18个灰度特征，面前向神经网络分类器由一种新的遗传算法同时优化设计其结构和权重矢量。通过对10人、每人6幅笔迹度图象用18个灰度特征进行鉴别,试验结果显示此方法设计的前向神经网络分类器收敛率高，比常用的最近邻分类器有更高的识别正确率。     

轮辐式航线网的航班计划优化模型

分析了轮辐式航线网布局模式的特征,提出了在轮辐式航线网上进行航班计划优化所要考虑的主要因素,进而独立研究了该种布局模式的航班计划优化模型。并通过一个案例说明该种轮辐式航线网航班计划优化模型的应用。     

非线性系统的神经网络控制器设计

神经网络是解决非线性系统控制问题的一种新颖而有效的方法。文中主要讨论了神经网络在非线性控制中的应用,针对一个典型的非线性系统,采用不同的神经网络控制结构,设计了不同的控制器,并进行了数字仿真。比较了它们的优缺点。作者的研究对神经网络在控制领域当中的应用具有一定的理论指导作用。     

旋翼/机身气动干扰的神经网络模型

依据直升机空气动力学理论建立起来的旋翼／机身气动干扰模型,至今尚不能达到满意的准确度,而且它的计算工作量相当大。文中采用多层前向通道神经网络建立旋翼／机身气动干扰模型,探索一种新的建模方法。在试验结果的基础上,对机身的空气动力随前进比和桨盘载荷变化情况进行了分析,然后提出了一个二输入／三输出的旋翼／机身气动干扰神经网络模型。网络训练样本直接来源于试验数据。训练好的干扰模型清楚地反映了机身阻力与前进     

基于BP神经网络的随机信号筛选算法

在随机信号导航研究中,可接收到的信号数量众多、种类繁杂、特征多样,难以从中选择出适用于导航的信号。针对随机信号的筛选问题,提出了一种基于BP神经网络的随机信号筛选算法。该算法通过输入随机信号的特征信息,对随机信号的定位误差进行了估计,通过定位信息的误差对将信号用于导航的效果进行了评估。仿真结果表明,该算法能够对由随机信号解算而得到的导航信息误差进行估计,可以达到较好的筛选效果。