基于人工神经网络的反射器型面精度预测

基于人工神经网络的预测方法,利用数量适当的有限元计算结果,建立人工神经网络模型,对反射器型面进行精度预测分析,得到在最小型面精度结果下的结构设计参数。计算结果显示训练好的神经网络模型能够较精确地预测格栅反射器的型面精度,节省计算时间,并且以型面精度最小为准则进行参数分析,能够指导反射器的结构设计。     

卫星姿态控制系统执行器微小故障检测方法

针对卫星姿态控制系统执行器微小故障检测问题,提出一种基于神经网络干扰观测器的微小故障检测方法。该方法利用卫星姿态控制系统内的冗余关系,分别构建陀螺干扰观测器和干扰力矩观测器,对系统内的测量误差、扰动等进行估计,并对故障检测观测器进行扰动补偿,提高对执行器微小故障的检测能力。仿真结果表明,与基于解析模型的方法相比,该方法能够较精确地对解析模型的误差进行补偿,明显降低了检测阈值,实现了对扰动掩盖下的微小执行器故障检测。      

遥感图像飞机目标高效搜检深度学习优化算法

为了实现大幅面遥感图像中飞机目标的高效检测与准确定位,通过深度神经网络（DNN）的级联组合,提出了一种新颖的搜寻与检测相集成的飞机目标高效检测算法。首先,运用高性能的端到端DNN网络,进行停机坪与跑道区域的像素级高效精准分割,从而大幅度缩小飞机目标的搜索范围,以降低虚警发生概率,完成飞机目标候选检测区域的快速搜寻。然后,针对分割所得停机坪与跑道区域,借助手工数据集对YOLO网络模型进行迁移式强化训练,一方面可以弥补训练集在样本类型与数据规模上的不足,另一方面借助YOLO网络的强时效性优势对飞机目标的位置进行回归求解,可以显著提高飞机目标的检测效率。停机坪与跑道区域分割DNN网络在分割精度与时效性上具有显著优势,而迁移式强化训练YOLO网络不仅具有很高的检测效率,在检测精度上也能保持良好的性能。通过一系列综合实验与对比分析,验证了提出的搜寻与检测相集成的DNN级联组合式飞机目标高效检测算法的性能优势。      

大飞行包线控制律的神经网络调参设计

对于具有大飞行包线的现代电传飞行控制系统,给出了一种3层BP(Back Propagation)神经网络代替传统的根据动压、高度或马赫数单一调参的控制律,解决了大飞行包线内控制参数复杂、单一调参无规律性、在全飞行包线上特别是在平衡点之间的飞行状态的稳定性无法保证等问题.通过离线训练,得出了一组隐层只有6个节点的网络结构参数,输出为各平衡点设计的最优鲁棒反馈增益.利用该网络实现了大飞行包线的根据高度和马赫数的双参数增益调参.仿真表明,利用该神经网络可以保证在所有平衡点上原设计的最优反馈增益不变,响应过程不变,同时可以细化平衡点之间的控制参数,在较大建模误差(约50％)和平衡点间也可以具有较好的控制效果.     

基于试飞数据的航空发动机状态监测与故障诊断

在航空发动机飞行试验阶段,发动机技术状态变化快、故障频发,为了实时监控发动机工作参数变化情况,快速及时地预测并诊断发动机故障,本文研究了试飞数据驱动的航空发动机状态监控与故障诊断技术。文章基于实际试飞数据建立了航空发动机ANN-NARX参数预测模型,考虑到建模样本量大、模型结构复杂、训练时间长、输入输出延迟等因素,采用遗传算法对模型的最小数据样本需求和结构进行了改进优化,并利用蒙特卡洛方法确立了参数预测模型的自适应告警门限,同时基于构建奇偶空间残差模型实现了航空发动机典型故障诊断。结果表明：实际试飞中只需有限架次试飞数据的训练学习,即可得到发动机参数预测模型,高压转子转速、压气机后压力、涡轮后总温及滑油总回油温度预测相对误差最大值分别为：1.0%、1.7%、0.2%和1.2%,综合模型建模误差和参数测量误差后的自适应告警门限有效降低了模型预测结果的不确定性,在已有数据样本集上的典型故障识别率达到95.2%。     

基于遗传算法优化的人工神经网络下高速滚动轴承的疲劳可靠性

考虑到高速滚动轴承中热弹流润滑效应的影响,提出一种人工智能方法进行航空轴承疲劳可靠性分析。通过带交叉项的二次多项式近似拟合温度场效应,并将热应力映射到滚动轴承赫兹接触区内,完成热弹流润滑效应下航空轴承接触应力分析模型的建立,同时考虑热弹流润滑效应、材料属性以及疲劳强度修正系数的随机性,运用人工神经网络法完成热弹流润滑效应下航空滚动轴承疲劳可靠性分析。采用遗传算法完成最小可靠性指标寻优和惩罚函数最佳设计点。基于改进的一次二阶矩法完成可靠性灵敏度分析。数值算例表明,所建立的可靠性分析模型能正确反映热弹流润滑效应对航空轴承接触疲劳的影响。与传统的Monte Carlo法相比,两种计算结果的失效概率之差为2.0×10-4,相对误差为23.8%,而所提方法耗时只有蒙特卡洛方法的0.15%,具有良好的全局搜索能力和高效的计算性能。      

基于模糊神经网络的纯电动车永磁同步电机矢量控制

纯电动车控制系统对电机控制性能要求较高。提供了一种基于模糊神经网络的永磁同步电机矢量控制方案。以模糊神经网络控制器作为电流调节器,并在速度环引入模糊控制器,将其输出作为电流环的限幅,达到限速的目的。仿真和试验结果表明:对于电动车运行的复杂情况,该方法具有良好的转矩跟踪和电机限速性能。     

基于域对抗门控网络的变工况刀具磨损精确预测方法

刀具磨损的精确预测对保证零件加工质量、提高生产效率和降低制造成本具有重要作用。在实际加工过程中,切削参数、刀具几何参数、刀具材料等工况复杂多变,工况信息和刀具磨损量对监测信号的耦合作用为刀具磨损的精确预测带来了很大挑战。针对以上问题,提出了一种基于域对抗门控网络（DAGNN）的变工况刀具磨损精确预测方法。引入工况分类网络并利用无磨损量标签样本,通过域对抗和门控过滤机制自适应地从不同工况的原始监测信号中提取表征刀具磨损且对工况变化不敏感的关键信号特征。对信号特征提取网络和刀具磨损预测网络进行迭代优化,从而实现变工况刀具磨损的精确预测。实验结果表明：相比已有的方法,本文方法能够利用少量带磨损量标签的目标工况样本实现刀具材料和刀具直径变化情况下的刀具磨损量精确预测,预测精度大幅提高。     

地球观测网络成像任务可调度性预测方法

为了能够快速、合理地分配成像任务,充分发挥对地观测网络的观测效能,对成像任务可调度性预测问题进行了研究,提出一种由协同任务分配组件、任务调度组件、特征提取组件以及任务可调度性预测组件所构成的组件化求解架构。在成像卫星经典调度模型的基础上,提取成像任务特征,并采用变隐含层节点的反向传播（BP）神经网络集成技术求解成像任务可调度性问题。仿真结果表明,集成BP神经网络的平均预测准确度可以达到85%以上。     

基于预设性能的四旋翼无人机编队安全控制

针对四旋翼无人机编队系统存在模型不确定性、未知外部干扰与内部碰撞等问题,提出一种基于预设性能的安全控制方法。首先使用预设性能函数结合误差转换方法,将防止内部碰撞的不等式约束问题转换为无约束问题。同时针对模型中的不确定项,使用神经网络进行逼近;针对神经网络逼近误差与未知外部干扰组成的复合干扰,使用非线性干扰观测器进行估计,并分别设计位置与姿态子系统控制器,避免了编队内四旋翼无人机的碰撞。然后借助Lyapunov方法证明了闭环系统所有信号的收敛性。最后通过数值仿真验证了所提控制方法的有效性。