人工神经网络在电解加工阴极设计中的应用研究

将人工神经网络分析方法应用于电解阴极设计中，将工件曲线和ｃｏｓθ法求得的初始表极曲线构成的加工间隙用简单三角莆单元进行网格剖分，然后以神经单元取代有限元单元和节点，用人工神经网络求解描述极间电位分布的拉普拉斯方程。采用逐层求解电位分布和将电位误差转换为位置误差的方法，实现由工件形状直接设计电解加工阴极。     

五孔探针的神经网络处理方法

对于五孔探针的数据处理方法就行了详细的研究,发展了一种人工神经网络的数据处理方法,并将其与三维线性插值法进行了全面的对比,证明了所发展的神经网络法的精度更高,可靠性更好,而且经过简单改动就可以应用在其他多孔探针上.      

基于BP神经网络和飞行参数的航段风险评价

飞行运行风险的定量评估对于民航安全保障具有重要意义。设计并实现了一种基于BP神经网络算法的航段风险评价系统。该系统将大量飞行情景参数直接作为飞行风险评估的基础,通过飞行能力评价体系获得飞行运行风险度经验数据,并使用神经网络实现了任意飞行情景的风险度拟合运算。经过真实航班飞行数据的测试和飞行品质监控系统的验证表明,该系统可为进近着陆阶段任意时刻的飞行运行风险评估提供可靠的结果。     

飞翼布局低速反弯翼型稳健优化设计

以动压、雷诺数的变化和外形的制作误差与变形作为低速反弯翼型飞翼布局小型无人机设计中的不确定性因素,以降低翼型气动特性对这些不确定因素的敏感性为目标进行稳健设计.在稳健模型的计算中,为了最化外形误差,采用改进的PARSEC方法进行翼型的参数化,为了节省计算资源和时间,采用神经网络响应面代替N-S方程求解,为了使不确定性因...     

旋转倒立摆的神经网络控制

本文针对一种新型的倒立摆系统,设计了一个四输入单输出三层BP网络,并对一级旋转倒立摆控制器进行逼近.仿真结果表明,BP神经网络有很广阔的应用领域.     

电液仿真转台控制系统设计与仿真研究

针对影响三轴电液仿真转台动、静态性能最大的同步驱动、摩擦和大惯量负载干扰三个问题，采用了模拟人脑基于经验控制的FNN（模糊神经网络）控制器和基于学习校正的PNN（预测神经网络）控制器分别对应转台内环（角速度环）和外环（角度环）反馈系统。FNN同步控制器分为等同和主从同步控制模式，两种模式相互切换，提高了系统同步性能；PNN摩擦干扰控制器采用了基于双网络模型的NARMA（非线性自回归滑动平均）预测模型，具有较强的非线性系统辨识能力，提高了系统抗干扰能力。软件仿真结果表明，当转台外框负载发生变化或外框两马达转速相差较大时，使用PNN—FNN模型的智能控制系统仍具有较高的位置跟踪精度和动态性能。     

用于月球软着陆最优轨迹跟踪制导过程的模糊神经网络控制方法

软着陆过程的制导控制已经成为月球探测中一个具有挑战性的问题。神经网络与模糊逻辑都是处理不确定性(受控对象缺乏精确的数学描述或具有非线性的复杂性)问题的有效手段。本文根据终端着陆条件和性能指标,以由Pontryagin’s极大值原理得出从近月点到月球表面的最优着陆轨迹为基础,给出一种基于模糊神经网络的非线性最优控制策略,使被控系统能够通过模糊神经网络的非线性映射能力实现某种最优的闭环制导控制。最后通过数学仿真验证了该控制策略的可行性与有效性。     

量子超球神经网络在振动故障检测中的应用

提出了一种基于量子超球神经网络的液体火箭发动机振动故障检测方法,采用可变量子超球代表发动机工作模式,自然地提供了反映故障程度的概率幅;网络的离线学习算法可以从训练样本中自动提取发动机振动知识,监测算法不仅能正确预报故障,还能在线学习新的振动信息。试验数据检验结果表明：量子超球神经网络可以成功用于液体火箭发动机振动故障检测。     

某多挠性体卫星姿态的模糊神经网络控制设计

为改善多挠性体卫星的姿态控制系统,研究了一种基于模糊神经网络的控制器设计.根据某卫星的姿态和挠性动力学模型,给出了模糊神经网络控制器(FNNC)结构及其简化的带动量学习算法.仿真结果表明:FNNC能较好地适应卫星本体参数变化,对外界干扰的抑制能力良好,可满足高精度、高稳定度卫星的姿控要求.     

基于克隆选择算法的学习型Petri网及在潜在通路分析中的应用

传统学习型Petri网(LPN)有2个缺陷:1)都是针对无回路PN模型,这不符合实际情况;2)大部分都是利用BP算法进行学习,带来BP算法固有的缺陷.针对这2个缺陷,提出基于克隆选择算法(CSA)的LPN(CSALPN).首先对系统进行PN建模,然后利用CSA训练PN,使得PN既可以学习先验知识又可以利用系统的结构信息...