AHP方法和BP神经网络在装备保障性评估中的应用

目的介绍了BP神经网络的基本原理，建立装备保障性评估指标体系。方法在系统分析装备保障性的各种影响因素的基础上，设计用于评估装备保障性的神经网络模型，利用AHP方法确定指标的初始权重，并调用MATLAB神经网络工具箱中的GUI对结果进行计算和分析。结果研究表明神经网络具有很强的解决复杂非线性关系问题的特点，适用于对装备保障性的分析和评估。结论BP神经网络评估方法是一种基于非线性系统的预测方法，对装备保障性进行综合评估能够较为准确地提供决策依据。     

多级涡轮多目标气动优化设计流程

在准三维设计基础上,采用多目标优化设计方法,给出一个多级涡轮气动优化设计流程,优化联合采用人工神经网络和遗传算法,流场计算采用全三维粘性流N-S方程求解。此优化设计流程有三个特点:针对每列叶栅的气动特性进行局部优化;各列叶栅反复多次优化;粗细网格交替使用。并采用此设计流程对一三级涡轮进行优化设计,效率提高1%,说明此方法可以有效的用于多级涡轮气动优化设计。     

一种三维物体的视觉识别方法研究

研究了一种利用二维图像识别三维物体的方法。通过颜色特征提取物体的有效区域．使用链码描述了区域中三维物体的形状特征，并形成物体的形状特征向量。将该特征向量作为所设计的BP神经网络的输入进行物体匹配识别，网络输出为属于某种物体的隶属度。通过在各种光照环境下不同三维物体的二维彩色图像进行实验，证明了所提出方法的有效性。     

基于BP神经网络的航班需求预测模型

航班需求预测是航空公司收益管理的关键技术。BP神经网络用大量的历史数据进行学习,能够记忆复杂的历史订座规律和销售趋势,提出了一种基于BP神经网络的航班需求预测模型。通过对历史数据进行主成分分析获得该模型,用一元回归法和相关系数法对训练质量进行评估,对模型作了置信区间分析。将该模型与增量法、回归法进行了对比,具有在线预测速度快、预测精度相对较高等优点。     

关于BP网络算法的输电线速断保护

建立人工神经网络BP算法，利用计算运行方式的变化改进传统的电力输电线系统的保护措施，可以实时跟踪故障点并同步实施控制。利用人工神经网络技术的快速性、自适应性和容错性，在一个周期内准确地定位区内、区外故障点，实现对输电线的速断保护。     

航空发动机神经元网络控制

利用一个BP网络作为某双转子涡轮发动机的控制器,利用另一个BP网络做为非线性对象的映射器,仿真结果表明本控制结构具有较强的控制鲁棒性并有较好的应用前景。     

智能制造系统质量控制的神经网络方法研究

研究了利用人工神经网络预测质量参数的方法,提出了用有监督线性特征映射网络构造自校正神经网络的方法及网络参数的选择,并提供了在磨削尺寸预测中的应用,研究表明该方法具有广泛的应用前景。     

数控系统故障的ANN与专家诊断系统的研究及应用

 分析了ＣＮＣ系统的故障特点,针对ＦＡＮＵＣ７数控系统,建立并比较了适用于ＣＮＣ故障的ＢＰ和ＢＡＭ两种ＡＮＮ诊断模型,探讨了模糊神经网络在ＣＮＣ故障诊断中的应用,给出了模糊ＡＮＮ识别ＭＡＣＳ５００数控机床伺服系统故障的数据和结果;介绍了所开发的ＣＮＣ系统故障诊断专家系统ＣＮＣ－ＤＥＳ的总体结构、知识表达与推理等,列举了该系统应用于ＣＮＣ故障诊断的情况和结论。     

三维飞机自动识别的一种有效方法

提出一种新的飞机自动识别算法。采用矩不变量和傅立叶描述子相结合的表示方法简单而有效地描述飞机的特征;采用了分布存储的ＢＰ神经网络来减少存储量和加速搜索识别过程,并对ＢＰ网络的收敛方法提出了若干措施加速其收敛过程。通过对９架不同飞机的大量实验证实,本系统性能优越,其识别准确率在９９％以上,并且识别速度很快,一架飞机的整个识别过程在不到１ｓ的时间内就可完成。     

C/E复合材料声发射信号小波分析及人工神经网络模式识别

以复合材料为对象，以宽频带传感器及线阵列方式对各类模式试样采集了波形及信号参数，比较波形、信号参数、频谱及小波谱的特征，筛选出六类1300个样本，采用多分辨小波变换提取了5个特征向量，实现了特征空间的降维处理，采用B—P型反向传播神经网络构成了智能化模式分类器，研究了网络模型的学习效果和对与复合材料主要损伤机制有关的六类声发射信号的识别能力。试验结果表明，神经网络对六类信号的平均正确识别率达到90.4%。最佳识别率为97.2%。该方法成功用于90°、0°光滑和0°缺口三种试样的破坏过程分析，获得了满意的效果。