直升机神经网络反馈线化飞行控制

以SH－2G为控制对象，采用基于神经网络的非线性系统反馈性化控制方法，进行直升机机动飞行仿真，仿真结果表明，所设计的神经网络具有逢适应能力，能够在线补偿反馈线性化所产生的逆变换误差，这种方法无须获得动态逆模型，而只需某一个状态下的动力学模型，就能在全包线提供有效的控制，既避免了传统方法的增益调参，又解决了难以获得动态逆模型及计算量大的问题，是一种很有发展潜力的智能控制方法。     

全局渐近稳定的时滞细胞神经网络模型研究

利用Lyapunov泛函方法和不等式技巧，研究了一类细胞神经网络的全局渐近稳定性，通过引入一系列参数．给出了保证时滞细胞神经网络全局渐近稳定的模型设计方法。     

利用神经网络快速极值搜索算法研究微喷十字梁系统

针对极值搜索算法在一般实际系统中的应用问题,以微喷十字梁实验系统为例,采用极值搜索算法,设计出控制器,同时考虑加入动态补偿器和RBF神经网络改善系统性能。仿真结果表明,该设计系统具有较好的稳定性及动态性能,对于噪音具有较强的鲁棒性,从而提出了一种在一般实际系统中应用极值搜索算法的方法。     

飞行仿真气动数据处理的神经网络应用

利用神经网络一致逼近任意非线性连续函数的特性,训练具有一个隐含层的神经网络来映射飞行参数和气动系数模型相比,飞行仿真系统计算速度更快、计算精度更高。在自修复飞行控制系统研究中,为故障飞机建模所需大量故障状态气动系数数据处理提供一种新方案。也为一般飞行仿真系统气动数据处理方法提供了一种新的思路。     

基于神经网络的电子线路故障诊断

分析了故障字典法在实际应用中存在的不足，提出将单位BP算法应用到电子线路的故障诊断中。对基于该方法的航空装备电子线路故障诊断进行了计算机仿真，并分析了网络参数的变化对训练结果的影响。仿真结果表明了该方法的合理性和有效性。     

导弹最优滑翔弹道的设计及存在的问题

优化飞航导弹末段无动力飞行阶段的滑翔距离,对于提高导弹的战技指标具有很大的意义。通过优化分析可知,保证最大滑翔距离的最优滑翔策略近似等价于导弹以最大升阻比飞行。为了实现这种飞行策略,首先设计了寻优法实现策略,然后比较了另外两种可行的控制方式,经仿真发现都可以实现理论上的数值最优解。为了在导弹真实飞行时保证这一策略的实现,提出了利用神经网络逼近气动数据的自适应方法,作为进一步工作的方向。     

基于AANN的数字滤波技术

航空发动机在高温、高压、高转速及较大振动等恶劣的条件下工作时,其控制系统中的传感器很容易受到干扰,所以发动机测量参数中常常包含较大的噪声,另一方面,发动机的测量参数多于其独立变量的数量,即在这些测量参数中存在冗余信息。AANN（自联想神经网络）通过对信息的压缩及解压缩过程,能够利用冗余信息抑制其测量噪声。在发动机故障诊断过程中,应用自联想神经网络对测量参数进行预处理,可以大大提高故障诊断的准确率。     

平均场退火算法在GPS姿态确定中的应用

研究了基于GPS载波相位测量载体姿态的技术 ,采用了精度高速度快的平均场退火算法(MFANN)。MEFANN是竞争性的Hopfield神经网络和随机模拟退火算法结合起来的一种算法 ,用来求解最优姿态确定问题。首先阐述了GPS载波相位姿态测量基本原理 ,接下来建立了姿态测量系统数学模型 ,应用MFANN算法来解算整周模糊度和方位角 ,最后给出了应用MFANN方法求解的实例 ,说明该方法是有效的     

红外航空图像自动目标识别的形态滤波神经网络算法

 提出了一种有实用意义的形态滤波神经网络模型及其自适应 BP学习算法。形态滤波网络的优化设计过程实际上是网络参数 (结构元素 )不断调整、逐步适应图像环境的优化学习过程,从而将目标客体的特征规律反映到网络结构上来,以实现对复杂变化的图像具有良好的滤波性能和稳健的适应能力。为结合运动图像目标的检测需要,采用了渐进收缩误差、适时校正网络权值的动态跟踪学习算法。通过实验结果可以看出,该算法不仅能适应复杂多样的背景环境,而且对运动目标的连续检测能力具有位移不变、伸缩不变和旋转不变的特性。     

基于改进的克隆选择算法的多用户检测技术

 根据克隆选择原理的免疫机理，提出了一种改进的克隆选择算法(CSA),进而设计了2种码分多址（CDMA） 多用户检测器：一种方法是混合Hopfield神经网络和克隆选择算法；另一种方法是把多阶段检测器MSD嵌入到克隆选择算法的每一代中。通过混合MSD到克隆选择算法中，可以加快克隆选择算法的收敛速度，减少计算复杂度。另外，克隆选择算法所提供的好的初值可以改善MSD的性能，嵌入的MSD还改善了克隆选择算法的性能。仿真结果证明了该方法无论抗多址干扰能力和抗远近效应能力都优于传统方法和一些应用优化算法的多用户检测器。