基于模糊神经网络的飞船GNC分系统故障诊断

研究了基于模糊神经网络的飞船GNC分系统的故障诊断方法,提出了重构新的激励函数并附加动量因子的改进BP算法,采用了由输入层、输出层、隐含层和量化层组成的一种4层前向模糊神经网络,通过Ⅱ型隶属度函数完成输入模糊化。建立了基于模糊神经网络的GNC分系统故障诊断系统,实验验证了改进BP算法以及该诊断系统的正确性和有效性。     

基于CNN-LSTM神经网络的前视成像算法

雷达前视成像作为雷达成像领域的难点与重点,在自动驾驶、导航、精确制导等方面具有广阔的应用前景。传统的前视成像算法受限于天线孔径的宽度,无法实现高分辨率的成像,本文使用卷积神经网络（Convolutional Neural Networks, CNN）与长短期记忆（Long Short-Term Memory,LSTM）网络相结合实现前视成像中方位向的预测,首先介绍了扫描前视成像信号的类卷积模型及其病态性,利用脉冲压缩以及距离徙动校正对回波信号预处理,输入CNN-LSTM神经网络逐距离单元进行方位向估计。仿真结果表明：算法能有效提高前视成像的方位分辨率,实现前视成像的超分辨。     

机械臂的改进区间二型模糊神经网络控制

针对具有不确定性模型参数的双关节机械臂系统,提出基于改进区间二型模糊神经网络逼近器的自适应反演控制算法.相比于一型模糊系统,区间二型模糊系统由于自身的区间前件和隶属函数,更有效地处理高度非线性系统.然而现有的二型模糊寻找上下输出的交叉点过程中KM迭代算法计算量大、耗时高,使得传统的二型模糊系统不适用于实际控制应用.利用...     

疲劳实验曲线拟合的神经网络方法

通过构造反向传播神经网络,对疲劳实验曲线进行学习,实现由神经网络表示的多维函数逼近。此种学习是一个慢速过程,但由这一逼近预测得出疲劳曲线则是一个快速过程。拟合结果表明,这一方法十分有效、稳定,便于使用。     

基于逻辑神经网络的图象处理方法

阐述了基于逻辑神经网络的图象平滑、压缩编码方法。这些方法的基本思想是：以逻辑神经网络为窗口,选择对某种图象变换敏感的模式训练窗口。当窗口对图象扫描时,窗口在图象的各位置输出响应,通过对这些响应的简单运算,实现所希望的处理。除了理论分析外,文中还给出了各种方法的典型试验结果。     

基于神经网络的体视PIV空间标定模型

体视粒子图像测速（SPIV）中的空间标定精度对SPIV的测试结果精度有较大影响。为研究标定模型对输入误差的处理能力,定义了一个无量纲参数——误差衰减系数,来评判空间标定模型对误差的响应。在此基础上针对SPIV两相机空间标定的误差产生和传播特性,发展了一种基于神经网络的且具有联合标定能力的SPIV空间标定模型。使用仿真实验手段,证实了该神经网络模型在很大的参数空间内均具有对输入误差的抑制能力,而传统的多项式模型或小孔模型并不具备这一能力;此外,神经网络模型在高光学畸变情况下的表现也优于多项式模型及小孔模型。因此,神经网络具备替换传统空间标定模型的能力,有助于提高SPIV的测量精度。最后在实验中证实了神经网络标定模型的空间定位误差仅为传统模型的1/4。     

一类含动态扰动的随机非线性系统的FNN控制

针对一类非仿射且带有动态扰动的纯反馈随机非线性不确定系统,在随机Lyapunov稳定性理论框架下,利用自适应Backstepping方法并结合模糊神经网络( FNN),设计出保证闭环系统所有信号概率意义下有界的自适应控制器。在控制器设计中,对系统动态扰动进行参数化处理,并对系统不确定性进行FNN逼近,以四层神经网络为基础构架,引入模糊逻辑对网络进行推理,其输出权值可自适应调整,设计方法有效地减少了可调参数的数量,数值仿真结果也表明设计方法的有效性。     

基于神经网络的双馈感应发电机滑模控制

针对不平衡电网下双馈感应发电机运行不佳的问题,将神经网络控制和二阶滑模控制相结合构成的神经网络滑模控制器运用到双馈风力发电机的直接功率控制中。设计了二阶滑模控制器,二阶滑模能够有效地削弱传统滑模控制的抖振;接着,设计了径向基神经网络对系统的不确定部分进行逼近;最后,基于李雅普诺夫稳定性定理推导了神经网络权值更新律,证明了控制系统的稳定性。仿真结果表明所设计控制策略能对有功、无功功率及其定子电流进行有效控制,削弱了传统滑模控制中的抖振。     

基于变摩擦系数的飞机刹车系统仿真研究

飞机刹车盘摩擦系数受到多种因素的影响和制约。为了研究刹车盘摩擦系数的变化对飞机刹车系统的影响,以C/C复合材料刹车盘为例,分析了影响飞机刹车过程中刹车盘摩擦系数的因素,利用BP神经网络建立摩擦系数动态模型,并将其整合到利用AMESim软件建立的飞机刹车系统模型中,进行了动态仿真分析。相对于传统的刹车系统建模仿真,考虑摩擦系数变化能更加真实地反映飞机刹车过程中各种参数的动态变化过程,能更好地模拟飞机刹车滑跑过程。     

圆筒纤维缠绕变张力神经网络动态控制

 缠绕张力作为纤维缠绕成型中的关键影响因素,其波动直接影响缠绕精度和制品的性能。针对缠绕张力的动态变化,且保证制品等环向残余应力,提出神经网络动态控制缠绕变张力方法。考虑芯模变形影响,基于各向异性缠绕层弹性变形及各向同性内衬厚壁筒理论,给出外压作用下缠绕层的径向应力及环向应力;在弹性范围内采用应力叠加原理建立剩余张力与缠绕张力之间的解析算法。基于制品环向残余应力叠加特点,采用给定输出层权值的神经网络算法,通过误差反向传播及放大方法,对等环向残余应力制品纤维缠绕过程中的缠绕变张力进行动态更新。仿真与实验结果表明:该控制方法对纤维缠绕变张力起到动态优化作用,可以达到预期要求,且更符合实际缠绕过程。