基于小波神经网络的直升机主减速器故障诊断系统

应用离散小波变换(DWT)和神经网络相结合构建直升机主减速器速器故障诊断系统: DWT对振动信号进行特征提取,神经网络对故障进行辨识和分类。阐述了DWT、帕塞瓦尔定理和广义回归神经网络(GRNN)基本理论,提出了直升机主减速器的故障诊断系统流程图,最后用某型直升机飞行时主减速器上的振动数据对该系统进行验证。实验使用了BPNN(back-propagation neural network)和GRNN两种神经网络,结果表明:提出的故障诊断系统能对主减速器故障进行较好的辨识和分类,这将为直升机主减速器故障诊断系统的进一步开发提供新的技术参考。      

航空机电作动器神经网络快速终端滑模控制

目前机电作动器由于具有干净、维护方便等优点,越来越受到航空业的青睐。航空机电作动器的特点是控制精度、稳定性和响应速度要求高,针对以上特点,提出了一种基于多层神经网络的快速终端滑模控制策略。为了提高航空作动器响应速度和跟踪精度,设计了快速终端滑模控制策略,不仅可以加快系统响应而且可以在无扰动情况下实现系统的有限时间稳定。针对系统参数不确定性和外部扰动,设计多层神经网络进行估计并通过前馈方法加以补偿。针对神经网络的重构误差,设计了非线性鲁棒项加以克服。利用李亚普洛夫稳定性定理证明了控制系统在有扰动情况下可以实现有界稳定。实验结果表明：所设计的控制器具有良好的参数自适应和抗干扰能力,同时具有更高的跟踪精度和更快的响应速度。     

基于微分Petri网的民机航迹演化通用模型构建

为实现对未来大流量、高密度、小间隔条件下的空域实施管理,在战略航迹规划阶段,提出了一种模块化的战略航迹演化通用模型。建立了不同航段之间航空器状态动态切换的一类宏观Petri网演化模型,以及同一航段内航空器速度和高度两种特征参数值连续变化的3类微观Petri网演化模型。根据航空器特征参数值转化的4种不同形式并基于航空器全飞行剖面的混杂运行特性,运用微分Petri网理论,定义了航空器的4种演化模式,通过组合各种演化模式得到了3种航空器基本演化模型。在满足航空器性能约束的前提下,通过设定10个航段及15个高度和速度预设值,得到了全飞行剖面下各特征参数的演化图。结果表明,所设计的演化模型增强了航迹预测模型的通用性,能够反映航空器在水平剖面和垂直剖面内的状态变化。     

橡胶老化性能的神经网络研究方法

运用神经网络方法,建立了预测橡胶老化性能的计算模型。运用该模型计算了“O”型橡胶密封圈在不同时间下的老化性能,并与实验结果进行了比较。结果表明,该模型精度较高,在固体火箭发动机研究方面具有较好的工程应用价值。     

基于多尺度梯度及深度神经网络的汉字识别

介绍了一种基于多尺度滑动窗的方法提取文字的梯度直方图特征,并结合深度神经网络对印刷体汉字进行识别.针对梯度直方图的空间关系,使用可伸缩的滑动窗对图像进行分割,在不同尺度上获取文字的特征信息,有效融合汉字的全局特征和局部分块特征.实验采用5层的深度神经网络模型对国标一级3755个印刷体汉字进行分类,并应用Dropout技术防止训练过拟合,提高神经网络的泛化能力.实验准确率达到98.292%,有较好的识别性能,验证了本文多尺度梯度特征及深度神经网络模型在文字识别上的有效性.      

基于两层POD和BPNN的翼型反设计方法

翼型优化过程需要大量的 CFD 分析,计算量大、耗时长。本文发展基于本征正交分解（POD）和反向传播神经网络（BPNN）的翼型反设计方法,该方法的优化过程如下：首先,通过 Hicks-Henne 参数化,在设计空间中构造翼型外形的样本库,并利用 Xfoil/Fluent 对样本翼型的流场进行求解;然后,对翼面压力系数和几何外形分别建立 POD 模型,即两层 POD 模型,并得到对应的基模态系数;最后,使用 BPNN 建立从压力系数的基模态系数到几何外形的基模态系数的映射,实现在给定压力系数下对几何外形的快速预测。通过算例分析,结果表明：在亚/跨声速状态,基于 200 个样本训练所得的两层 POD+BPNN 模型可以实现对具有目标压力系数分布的翼型的预测,其精度满足翼型反设计要求。     

基于融合神经网络的航空发动机剩余寿命预测

航空发动机的性能退化是影响飞机飞行安全的重要因素。准确预测发动机的退化过程,对于飞机安全飞行具有重要意义。针对航空发动机剩余寿命预测问题,本文提出了一种将卷积神经网络和长短期记忆网络相融合的数据驱动模型。与常规使用单一的神经网络不同,所提出的融合模型结合了两种神经网络的优点,利用卷积神经网络提取数据中的空间特征并采用长短期记忆网络提取时间特征。实验结果证实,在寿命预测中,所提出的数据驱动模型与已有的方法相比,评分和均方根误差分别下降了32%和6.4%,因此,所提出的数据驱动模型可对数据中所包含的信息进行充分挖掘,其对航空发动机寿命预测精度较高,并具有良好的稳定性。     

音频信号联合编码的通用码书研究

为了减小音频信号编码算法的运算量,提出了在线性预测编码、SOM神经网络矢量编码以及Huffman编码相结合的声音信号联合编码算法(以下简称联合编码)的基础上,将算法中原有的专用码书改为通用码书的算法。利用Matlab软件编程进行了专用码书和通用码书条件下的声音信号编解码实验。实验结果表明,在码率相等的条件下,使用通用码书和专用码书的联合编码方法可以得到相近的译码声音质量。使用通用码书的联合编码的最低码率在音频编码格式Opus码率的范围内,且接近Opus码率的下限,而且算法较Opus编码简单,因而实时性较好。文章提出的编码算法可为音频压缩编码的进一步研究提供参考。     

BP神经网络在导弹试验干扰效果评估中的应用

导弹试验时,为了考核导弹的抗干扰性能,须要构建复杂的电磁环境。在分析复杂电磁环境影响导弹作战性能的干扰因素基础上,建立了干扰效果评估的BP神经网络模型,通过试验数据样本进行学习训练。利用训练好的模型对干扰效果进行检验评估,结果表明:基于BP神经网络的干扰效果评估模型具有一定实用性和可行性,可以对一定场景下的干扰效果作出快捷准确客观评价。     

基于Bi-LSTM 的无人机轨迹预测模型及仿真

传统轨迹预测模型存在模型简化较大、考虑因素较少等问题。结合飞行轨迹连续性、时序性、交互性 的特点,提出基于双向长短期记忆(Bi-LSTM)神经网络的轨迹预测模型,将入侵者的位置、姿态和两机的相对 信息同时作为轨迹预测模型的输入,更加符合真实轨迹变化规律;对建立的基于 Bi-LSTM 的轨迹预测模型采 用综合考虑动量和速度的自适应调整学习步长的学习算法进行训练;并与基于 Elman神经网络的轨迹预测模 型进行仿真对比分析。结果表明:与基于 Elman神经网络的轨迹预测模型相比,所提模型在不同方向预测200 个点的平均绝对误差不超过4m,三维预测效果更优,可以较为准确地进行轨迹预测。