用相关参数实现参数多步预测的神经网络方法

对相关参数预测的非线性时间序列进行分析,提出了用相关参数实现多参数、多步数预测的神经网络方法,建立了神经网络实时预测模型,并对预测参数进行了综合处理,不仅弥补了预测信息的不足,而且能够使故障状态提前得到多次警报,克服了传统预测方法所遇到的困难,提高了预测模型精度     

矩形拓扑曲线网格上G~1有理插值曲面的构造

就矩形拓扑曲线网格上的Ｇ￣１有理曲面插值问题作了研究,提出了一种在空间矩形拓扑曲线网格上构造有理插值曲面的方法。进而给出了一种曲面内部形状可调而边界连接条件不受影响的有理曲线网格插值方法。此法无需考虑内网点处的扭矢协调问题及求解连续性方程,其最终产生的曲面自然达到Ｇ￣１连续。     

BP神经网络在三次有理B样条曲面近似等距面中的应用研究

利用改进的BP神经网络构造三次有理B样条曲面等距面。训练成功后的神经网络可作为描述自由曲面的模型,利用它能够产生任何需要的点。实际证明,该方法简单、有效。     

无线传感器网络的异构性研究

随着无线通信技术和微电子技术的快速发展,低成本、高度集成和自组织的无线传感器网络将会逐渐普及.首先总结归纳了无线传感器网络异构性的几种表现形式,如计算能力异构性、节点能量异构性、链路异构性及网络协议异构性,然后介绍了异构无线传感器网络层次网络体系结构和两种适用于无线传感器网络的标准.最后对无线传感器网络的安全问题进行简单探讨.     

单向CFRP螺旋铣削力建模

螺旋铣削加工工艺具有降低轴向力,改善排屑、散热条件等优点,螺旋铣削力是其重要过程指标之一。对单向CFRP螺旋铣削力建模方法展开研究,预测给定加工参数下的螺旋铣削力。首先,通过对螺旋铣削过程进行运动学分析和切屑几何分析,建立了螺旋铣削过程中侧刃、底刃动态切屑层模型,纤维切削方向角度模型和动态切削力计算模型。然后,分别通过侧刃直线槽铣实验和底刃半齿插铣实验,对各个切削方向角度下侧刃、底刃切削力系数进行了标定,并利用人工神经网络对切削力系数进行拟合。最后,将标定所得的切削力系数代入动态切削力计算模型中,建立了单向CFRP螺旋铣削过程动态切削力预测模型,并通过实验验证了模型的准确性。与现有模型相比,该模型不仅能够预测刀具螺旋运动周期内的切削力变化情况,还可以对每个刀具自转周期内的细节进行预测,通过考虑纤维切削方向角度对切削力系数的影响,反映了单向CFRP材料的各向异性,较为准确地预测了螺旋铣削力。     

基于深度学习驱动的L型定向热疏导机理

碳/碳（C/C）复合材料具有热导率大、比强度高、耐烧蚀和耐冲刷等优异特性,被广泛应用于飞行器的热防护系统中,其有效导热系数对于实际应用而言是重要的热物理性质,尽管可以通过有效介质理论、对热扩散方程直接求解和玻尔兹曼输运方程等传统方法计算C/C复合材料有效导热系数,但这些数值方法通常十分耗时。本文引入深度学习方法,将格子玻尔兹曼（LBM）的三维格子模型作为三维卷积神经网络（3D-CNN）微观结构,不仅解决了三维微观结构模型难以捕获的问题,还便于实现数值计算模型和CNN模型的同步简化,利用3D-CNN快速精准地预测三维三相C/C复合结构的有效导热系数,基于此对内置L型高导热碳纤维丝的定向热疏C/C复合结构的有效导热系数进行快速预测和研究。研究表明,CNN模型在LBM传热计算上表现出强大的学习能力,但在测试样本结构孔隙率过分超出训练集时预测误差将大幅增加,且当孔隙率变化范围从30%~35%变化到55%~60%时,CNN模型"内插"预测的相对误差较模型"外推"降低了0.93%~30.72%。在C/C复合结构中内置L型高导热碳纤维丝可以将高温区域的热量沿纤维方向定向疏导至低温区域。     

模糊极大极小算子神经元网络的图灵等价性

将模糊Zadeh算子的定义域作了扩充,并重新定义为模糊极大极小算子,使其满足交换律、结合律和零元律.在此基础上提出一种模糊极大极小算子型神经元网络模型,符合一般模糊算子型神经元网络的定义.与传统的Zadeh算子型模糊神经网络相比具有较强的映射能力.详细证明了用该模糊极大极小算子神经元网络可以计算与图灵机等价的部分递归函数,从而表明模糊极大极小算子神经元网络的计算能力等价于图灵机.将传统神经元M-P模型神经网络的图灵等价性推广到模糊神经元网络.     

工业4.0语义下智能焊接技术发展综述

工业4.0的提出为制造业的发展注入新的活力,并引发全球制造业智能化、信息化、网络化升级.在基于信息物理系统(CPSs)智能制造的发展热潮下,智能焊接技术是当前热点问题.介绍了信息物理系统、工业产业链等相关概念,解释了基于制造业产业链的“工业4.0”的内涵.以历次工业革命为背景,阐明了焊接技术的发展脉络.通过对信息物理系统架构的分析,提出了智能焊接技术在各个层次中的关键技术,并对该领域的发展趋势进行了展望,对智能焊接更好的发展具有指导意义.     

飞行器总体设计中主要参数的神经网络估算

运用近年来迅速发展的神经网络技术,成功构造了飞行器总体设计过程中具有重要作用的总体质量估算网,升力系数估算网,以及阻力系数估算网,结果表明训练后的参数估算网比通常使用的近似估计公式具有更高的精度.同时,根据所涉及问题的数据特点,为了提高对网络的训练精度,对现有MBP算法作了进一步改进,仿真结果证明改进的MBP算法具有更高的训练效率.这一思路和方法可适用于机械及航空航天其它产品的总体概念设计过程.      

BTT导弹的神经网络自适应反馈线性化控制

提出基于反馈线性化理论的BTT导弹自动驾驶仪设计方法。并提出由俯仰过载命令产生攻角命令的方法。应用CMAC神经网络构成一种自适应反馈线性化方案,使具有不确定性的实际系统获得要求的跟踪性能。闭环系统的稳定性由李雅普诺夫稳定性理论得到保证。该方法适合于控制导弹作全空域飞行。