基于BP神经网络的试飞训练安全性量化模型

为提升试飞员在航空试验飞行过程中的飞行安全、降低试验飞行的风险等级,研究基于BP神经网络的试验飞行训练安全性分级量化分析模型。以人因工程的人、机、环为切入,分析试验飞行训练过程中影响试飞安全的因素,并选取人、试飞训练科目及环境三部分重要因素,建立试验飞行训练过程中的安全性分级量化分析指标体系。经人因工程指标量化处理后,由于融合的数据类型相似度较低,因此采用BP神经网络构建试验飞行训练安全性分级量化分析模型,经模型训练、测试后,输出试验飞行训练的安全性分级量化等级。利用定制的接触式采集设备和非接触式面部识别系统,采集试飞员执行试飞科目训练时身体节律数据,分析训练过程中科目复杂度和难度对试飞员心理特征和生理特征的影响,从而建立量化指标和预警指标,以此优化试验飞行训练课程、提高训练品质,保障试飞安全。试验表明,该模型所得试验飞行训练过程中的安全性分级量化模型输出偏差小于2%,模型预测结果与训练过程中实际风险等级基本吻合,可有效地用于试飞训练过程中风险预警,提高试飞员训练品质,为实际试飞安全提供保障。     

燃气涡轮发动机故障诊断的人工神经网络法

介绍了人工神经网络专家系统在航空涡轮风扇发动机故障诊断上的应用。通过一个高涵道比涡扇发动机故障诊断的实例分析, 验证了三层逆传播网络的可行性。非常令人鼓舞的诊断结果证明:神经网络的模糊联想特点、分布存储和并行处理能力以及对随机误差的抑制作用, 使其成为一个有效的和快速的方法。它有很好的应用前景, 并可广泛用于航空发动机的故障诊断。      

一种卫星遥测参数趋势异常的自动识别方法

针对卫星遥测参数变化趋势人工监视准确度低、成本高的问题,在基于小波的频域转换方法基础上,提出了一种基于神经网络的趋势异常的自动学习和判别方法,即通过建立遥测参数趋势变化的频域特征向量模型,利用多层前馈(BP)神经网络方法,实现遥测趋势变化的自动判别和定位,能够有效提高卫星在轨监视的精细化程度和准确度。通过某卫星红外敏感器和太阳电池阵电流遥测趋势识别对方法的有效性进行了验证,结果表明:该方法能够满足自动监视要求,可为卫星在轨管理提供参考。     

基于神经网络的高原机场飞机离地速度计算方法

针对现有飞行理论中对民航飞机在高原机场起飞离地速度计算研究不足,且计算方法单一、复杂的问题,利用MATLAB仿真平台构建在高原机场飞机起飞滑跑阶段模型,通过计算不同飞行条件下的飞机离地速度,得到大量训练样本,建立BP神经网络模型,将机场海拔、飞机质量、安全起飞速度、温度和可用起飞距离作为输入量,飞机离地速度作为输出量,对神经网络进行训练和测试,直至均方差达到要求。将神经网络所求估算值与仿真数据进行对比并进行分析。均方误差为4.128 9,均方根误差为5.612 1。使用神经网络计算方法效率高,误差小,可应用于不同高原机型在不同影响因素下的离地速度计算,对高原机场运行和机场跑道长度设计有一定参考价值。     

模型跟踪和涡流控制在飞翼布局飞机上的应用

为增加小展弦比飞翼类布局飞机的操纵特性,并满足其对隐身性能的要求,将模型跟踪控制器和涡流控制器进行综合使用.模型跟踪是一种提高系统闭环响应并跟踪驾驶员指令的方法,通过此方法可使动态特性较差的飞机对动态特性较好的飞机输出进行跟踪,由此来改善飞机的动态特性.增加涡流控制可以进一步扩展模型跟踪控制的作用效果,涡流控制器使用变步长神经网络进行训练.结果表明,两种方法的综合使用可以有效地提高飞机的动态特性,通过增加涡流控制后,进一步增加了模型跟踪控制的作用效果.     

神经网络辅助卡尔曼滤波技术在雷达目标跟踪中的应用研究

提出了一种应用神经网络对卡尔曼滤波结果进行校正的机动目标跟踪方法,用BP神经网络修正目标机动运动时的卡尔曼滤波误差,并用matlab仿真单目标机动飞行时的滤波效果,通过与卡尔曼滤波精度和滤波稳定度的比较说明该算法比传统卡尔曼滤波算法在跟踪机动目标方面效果要好。     

BP神经网络在结构边界参数识别中的应用

针对建立发动机动力学模型过程中,试车台机架结构边界环境的不确定状况,对神经网络在边界刚度识别中的应用进行了研究。以结构模态频率为网络输入,边界X、Y、Z方向的刚度为输出,通过一种增加训练样本的方法大大提高了网络的映射性能,最终的识别结果达到了预期目标,满足工程需要。     

BP神经网络训练中的实际问题研究

研究了BP神经网络的结构以及学习算法,根据实验经验总结出了在神经网络的训练过程中需要注意的一些实际问题,对BP神经网络的应用有实际的指导意义。最后分析了BP神经网络的局限性并简要介绍了改进的一些方法,给神经网络的研究提供了一定的参考价值。     

基于神经网络的直升机可靠性预计

本文基于人工神经网络技术,利用现有军用直升机与可靠性相关因素的评分值和它们的可靠性参数值(MTBF),建立基于神经网络的军用直升机可靠性预计模型。经过检验表明,这种基于神经网络技术的可靠性预计方法为新机研制提供了一种有效可行的可靠性预计方法。     

基于CNN和LSTM的航天用涂层型自润滑关节轴承寿命预测及可靠性评估

为探索适用于涂层型自润滑关节轴承的寿命预测和可靠性评估方法,提出一种基于卷积神经网络（CNN）和长短期记忆（LSTM）神经网络的轴承剩余寿命预测模型。首先利用CNN对关节轴承的摩擦扭矩信号进行失效特征提取,然后将通过主成分分析（PCA）和滤波处理后的扭矩信号输入LSTM神经网络中进行训练,得到涂层型自润滑关节轴承寿命预测模型,可实现对轴承剩余寿命的准确预测。最后,基于加速寿命试验数据,采用两参数Weibull分布模型对涂层型自润滑关节轴承的服役可靠性进行评估,结果表明涂层型自润滑关节轴承在轻载低频工况下能够维持在高可靠性水平（90%）下进行长时间稳定服役。