神经网络的故障诊断技术

指出了传统基于模型的故障诊断方法的问题,综述了近几年发展起来的神经网络故障诊断技术,并对其各种方法进行了详细的论述,最后对进一步的研究作了展望。     

利用神经网络进行飞机参数估计的两种新方法

本文提出了利用前向传输神经网络依据飞行数据估计飞机稳定性和操纵导数（参数）的两种新方法。这两种方法都是利用运动变量和控制输入量作为输入文件，而以空气动力系数作为用于调试神经网络的输出文件。为了进行参数估计，允许向被调试的神经网络提供经过适当修改的文件，从而获得对应的空气动力系数预测输出文件，对这一组输入－输出文件进行适当的编译和处理后就可得到飞机参数的估计值，这些方法首先是利用模拟飞行数据进行验证的，然后才应用于实际的飞行数据。实际飞行数据是通过对已发表的报告中的模拟量数据进行数字化后得到的。文中还给出了参数估计的结果，其目的在于说明参数估计精度受网络拓扑结构，迭代次数主模拟飞行数据中测量噪声强度的影响。所介绍方法的重要特点之一是，它们并不需要像熟知的参数估值法（如最大似然法）那样去推测出一组合理的参数初始值。     

扩压器叶片形线逆命题设计的一种新方法

应用遗传算法结合神经网络技术通过对候选叶片表面速度分布与目标速度分布之间误差的极小化,求解给定表面速度分布下的扩压器叶片形线。叶片形线利用Bezier曲线参数化表示,候选叶片形线的流场分析由BP神经网完成。      

基于多特征图像增强深度卷积神经网络的航天用电子元器件分类算法

为了实现航天用电子元器件的全自动及非接触识别,并减少由照明系统造成的图像亮度不均、偏色等问题对检测结果的影响,通过结合局部、区域和总体三个层次特征提升物体检测精度,提出了一种基于多特征图像增强深度卷积神经网络(MFIE-DCNN)的航天用电子元器件分类算法。MFIE-DCNN算法包含多特征学习和深度学习,其学习过程类似于人类视觉系统,能够对形状、方向和颜色特征进行深度挖掘,突出元器件边界信息,抑制背景杂波干扰。实验结果表明,该算法能够区分电路板板载元器件的种类,检测准确度优于传统算法。对比基于稀疏自动编码器的深度神经网络,检测结果提高了近20%。     

雷达电源系统安全运行健康状态评估研究

雷达电源系统的运行状态直接影响整个雷达设备的安全性与性能指标的实现,如何实现雷达电源的 健康状态评估是亟待解决的问题。首先采用雷达电源正常状态下的健康特征数据训练自组织神经网络;然后 计算监测数据与训练后的自组织神经网络中权重向量的距离,将距离值归一化表示为健康度;最后利用试验数 据计算健康度,并实现健康分级。结果表明:该模型计算的健康度随电源老化时间变化整体呈现下降的特点, 该模型可以实现雷达电源健康状态评估。     

考虑层间应力的厚复合材料结构多级优化设计方法

充分发挥复合材料的利用率,降低结构重量,厚复合材料结构优化设计是非常重要的。然而优化设计空间复杂,层间应力问题突出,离散设计变量等问题使得厚复合材料结构的优化变得十分困难。针对由铺层相同的子层板叠成的厚复合材料层合板结构的复杂优化问题,本文提出一种多级优化设计方法。第一级优化采用基于径向基神经网络代理模型的优化设计方法,设计变量为子层内层数及铺层比例;第二级优化分为两个层次进行,系统层以结构重量最轻为目标,设计变量为子层数,子系统层采用遗传算法优化铺层顺序,以层间应力因子最小为目标。结合算例,通过Matlab编写遗传算法,并应用Isight集成Matlab来实现该优化设计方法。结果表明:本文提出的多级优化设计方法是有效的,能够很好地实现具有周期性铺层方式的厚复合材料层合板结构的优化设计。     

基于RBF网络辨识的涡扇发动机双变量神经网络PID解耦控制

根据神经网络与PID算法相结合的思想, 针对涡扇发动机双变量控制中变量之间的耦合问题, 提出基于径向基函数神经网络(RBF)辨识的发动机双变量神经网络PID解耦控制, 并给出控制系统的控制结构及原理.仿真结果表明, 该方法控制精度高、跟踪性能强、鲁棒性良好, 能够有效地减小各回路之间的耦合影响, 并保证控制系统具有良好的稳态和动态性能, 适合航空发动机控制.      

基于无迹卡尔曼滤波的柔性自由翻滚目标姿态估计

在进行在轨维修以及清除等任务时,需要确定航天器的姿态四元数和角速度。失效卫星常处于自由翻滚状态,通常带有柔性帆板,其运动规律相较于刚性帆板更为复杂。一方面,空间失效卫星的姿态确定常使用激光雷达、双目相机作为测量装备,其测量精度常受到光照、磁场等的影响,会对识别精度产生较大干扰。另一方面,柔性航天器的质量特性容易发生变化,导致很难对其动力学模型进行精确描述。针对柔性自由翻滚目标的状态难以获取的问题,本文提出基于无迹卡尔曼滤波的姿态估计方法,并采用神经网络补偿柔性航天器模型误差。仿真结果显示：无损卡尔曼滤波器(Unscented Kalman filter,UKF)算法对柔性航天器的姿态四元数预测误差值在10^-3范围内,角速度误差值最高0.08 rad/s,采用神经网络补偿动力学模型后对四元数的预测误差稳定在9×10^-4范围内,角速度误差稳定在1.5×10^-3范围内。结果表明,使用神经网络补偿柔性航天器动力学模型的不确定项之后,UKF对柔性自由翻滚目标的姿态估计精度满足工程要求。     

卫星光通信粗瞄系统非线性摩擦的神经网络补偿

 为克服摩擦对卫星光通信(IOC)瞄准捕获跟踪（PAT）粗瞄子系统的精度控制的影响,首先利用PD控制器以获得稳定的轨迹;再用一种扩展的神经网络结构在线逼近摩擦函数,对摩擦力矩进行补偿;在此基础上,利用传统单层神经网络和自适应的鲁棒项消除神经网络的逼近误差及外部扰动。最后用李亚普诺夫函数方法证明在本文的控制策略下,可以保证系统的渐近稳定性和参数的有界性。     

基于RBF神经网络的货运量预测模型

利用RBF神经网络进行了货运量预测.经过对预测结果的检验和分析,证明了RBF神经网络在货运量预测中效果较好,而且就具体网络训练而言,RBF神经网络的预测精度和训练速度均较BP神经网路优越,具有较大的计算优势.