传感器测量偏差下的航空发动机智能性能诊断

以某型涡扇发动机为研究对象, 构建了基于神经网络的航空发动机智能性能诊断方法, 讨论了测量噪声及测量偏差对诊断结果的影响及其处理方法.建立一簇并行的神经网络组和发动机模型, 通过比较各模型输出与发动机测量参数之间的误差, 判断传感器是否存在测量偏差.仿真结果表明, 该方法能有效消除测量噪声, 准确判断并隔离有测量偏差的传感器, 得出正确的发动机性能诊断结果.      

基于近似技术的高亚声速运输机机翼气动/结构优化设计

探索基于近似技术的高亚声速运输机机翼气动/结构多学科设计优化方法,建立了基于近似技术的多学科设计优化框架。气动学科采用全速势方程加黏性修正进行翼身组合体跨声速流动的气动计算,结构学科采用有限元分析方法进行应力与变形计算。采用均匀设计法给出若干样本点,分别采用二次响应面、Kriging模型和径向基神经网络等多种近似技术,构造气动学科和结构学科的近似分析模型,并对几种近似模型精度进行了分析和比较。研究发现,Kriging模型和二次响应面具有几乎等同的较高的近似精度,神经网络的近似精度则较差,由于二次响应面计算量更小,故最终选定为机翼设计优化的近似方法。以升阻比和结构重量为目标,考虑升力、机翼面积以及应力和应变约束条件,对运输机机翼4个外形参数和4个结构参数进行多目标、多约束优化设计。优化后的机翼具有较好的气动/结构综合性能,表明本文方法是可行的。     

无线传感器网络的低功耗研究

在野外等一些环境下的无线数据采集系统中,由于地理环境恶劣、节点数量多等原因很难更换电源电池,因此有效地降低系统各层的功耗、提高系统的生命周期尤为重要.文中在论述传感器节点结构的基础上,分析如何对传感器节点的动态电压调度、MCU能量消耗控制、动态功率管理、收发模块节能等硬件电路以及对MAC层、网络层的软件协议降低系统耗能.     

一种基于神经网络的飞机载荷参数识别方法

提出一种经遗传算法优化的Kalman滤波神经网络(GA-KFNN)方法,对飞机特定机动下的载荷进行参数识别.首先,构建Kalman滤波神经网络(KFNN),设计了相关改进算法抑制滤波发散,提高了网络的预测精度和抗噪能力;其次,利用遗传算法(GA)优化KFNN的相关参数,使网络能迅速收敛,提高了运算效率.载荷识别结果显示,改进和优化后的GA-KFNN运行稳定,收敛迅速,具有良好的识别精度和泛化能力,满足工程实际需求.     

某型航空发动机高原使用起动供油量调整研究

为保证某型发动机在高原地区能安全可靠地起动,在该型发动机进驻高原机场使用前,通过地面台架试车得到地面起动供油量调整变化规律,并应用人工神经网络,采用trainbr训练算法估算高原起动供油量调整规律,研究确定了该型发动机在高原使用条件下,起动供油量调整旋钮、起动放气嘴直径、起动补油量调整螺钉的匹配调整方法。经高原使用实践证明,该调整方法可保证一次调整成功,使该型发动机高原起动快速、安全、可靠,为飞机的快速出动创造了有利条件。      

直升机机动飞行仿真的气动建模及试验研究

 建立了适用于直升机机动飞行仿真的动力学模型。为了提高模型的真实度,着重通过瞬态操纵实验研究建立了旋翼非定常气动模型;又通过旋翼/ 机身气动干扰试验研究,并运用神经网络技术建立了一种新的机身气动力模型。使用该仿真模型做出的UH260A 直升机仿真计算结果与飞行试验数据符合良好。     

子波分析和ART神经网络在复合材料板冲击定位中的应用

将子波分析和神经网络技术用于复合材料的无损监测,利用子波分析良好的时频特性从强噪声中提取特征信息。并对复合材料受到冲击时的信号进行了实验处理,提出了一种改进的自适应共振理论 (ART)神经网络结构聚类算法。实验结果表明,能实时监测复合材料受到冲击时的冲击位置和冲击大小。     

自组织模糊CMAC神经网络及其非线性系统辨识

 针对CMAC的特点,提出了联想度的概念,并由此设计了一种自组织模糊 CMAC神经网络( SOFC-MAC)及其学习算法,证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快,逼近精度高及局部泛化能力等特点。歼击机系统特征模型辨识仿真验证表明了该方法的有效性。     

屏幕录象系统的开发与设计

屏幕实时拷贝功能是日常计算机使用中常用的功能之一，经研究发现，该功能的实现，主要应该实现计算机音频数据的捕获、屏幕视频数据的捕获，以及影音文件的合成三方面的功能。文中详细说明了系统开发的基本思想、算法和实现方法，经实践证明该方法切实可行。目前该屏幕录象系统，已经广泛应用于计算机软件操作说明的制作，以及动态多媒体教学等方面。     

基于神经网络的鲁棒制导律设计

 基于神经网络理论对寻的导弹鲁棒制导律进行了优化设计。建立了制导系统非线性运动学方程和鲁棒性能函数,并将鲁棒性能函数转化成了微分对策的极小极大化问题。采用伴随 BP技术,将微分对策的两点边值求解问题转化为 2个神经网络的学习问题,训练后的 2个神经网络分别作为对策双方的最优控制器在线使用,避免了直接求解复杂的鲁棒制导律问题,仿真结果表明了该方法有效性。