模拟电路故障诊断技术研究

介绍了模拟电路故障诊断的现状及特点,对基于网络撕裂法的故障诊断方法进行了研究,探讨了基于BP神经网络的故障诊断方法及其在模拟电路上的应用,并指出了故障诊断技术的发展趋势。     

基于旋转矩阵的预设时间航天器编队姿态协同控制

由多个航天器组成的编队系统对复杂的环境往往具有较高的适应性和容错性,能更高效率地完成单航天器难以完成的任务。因此主要针对多航天器系统的姿态协同控制问题,提出一种基于旋转矩阵的预设时间控制算法。首先,为了避免航天器姿态建模的奇异性和模糊性问题,采用旋转矩阵对航天器的姿态进行统一描述,同时结合有向的通信拓扑对航天器姿态协同控制系统进行建模。其次,为赋予系统可控的收敛速度,提出一种基于滑模的预设时间控制算法。该算法的引入使得航天器编队系统的收敛时间可以在合理的范围内任意给定。此外,为了实现系统对参数摄动和外部干扰的鲁棒性,采用神经网络和自适应算法对不确定性进行在线估计与补偿。最后,通过理论分析和数值仿真验证了所提预设时间控制算法的有效性。     

Regression model for civil aero-engine gas path parameter deviation based on deep domain-adaptation with Res-BP neural network

The variations in gas path parameter deviations can fully reflect the healthy state of aero-engine gas path components and units; therefore, airlines usually take them as key parameters for monitoring the aero-engine gas path performance state and conducting fault diagnosis. In the past, the airlines could not obtain deviations autonomously. At present, a data-driven method based on an aero-engine dataset with a large sample size can be utilized to obtain the deviations. However, it is still difficult to utilize aero-engine datasets with small sample sizes to establish regression models for deviations based on deep neural networks. To obtain monitoring autonomy of each aero-engine model, it is crucial to transfer and reuse the relevant knowledge of deviation modelling learned from different aero-engine models. This paper adopts the Residual-Back Propagation Neural Network (Res-BPNN) to deeply extract high-level features and stacks multi-layer Multi-Kernel Maximum Mean Discrepancy (MK-MMD) adaptation layers to map the extracted high-level features to the Reproduce Kernel Hilbert Space (RKHS) for discrepancy measurement. To further reduce the distribution discrepancy of each aero-engine model, the method of maximizing domain-confusion loss based on an adversarial mechanism is introduced to make the features learned from different domains as close as possible, and then the learned features can be confused. Through the above methods, domain-invariant features can be extracted, and the optimal adaptation effect can be achieved. Finally, the effectiveness of the proposed method is verified by using cruise data from different civil aero-engine models and compared with other transfer learning algorithms.     

用BP神经网络预报太阳活动第23周的黑子数

本文设计、训练和利用BP神经网络,对1750年以来的各太阳活动周上升段和下降段太阳黑子数的变化数据进行了分类和模式识别,得到各太阳活动周上升周期及其上升期间太阳黑子数平滑月均值相当好的模拟结果;在此基础上获得较好的太阳活动第22周上升周期及太阳黑子数的最大平滑月均值预报结果;还作出太阳活动第23周的上升周期及太阳黑子数的最大平滑月均值的预报结果.      

故障诊断的神经网络多重模型自适应方法

将神经网络与故障诊断的多重模型自适应方法相结合,提出了故障诊断的神经网络多重模型自适应方法,并对某型航空发动机控制系统传感器故障进行诊断仿真。仿真表明,该方法能够用来解决具有模型不确定性系统的故障诊断问题,同时,对未知的故障模态具有自学习能力     

基于递推平方根法的神经网络模型辨识

提出一种基于递推平方根法的神经网络模型辨识方法,对Davidon最小二乘法和阻尼最小二乘法进行了改进,既保持了二者简单易行、收敛性的优点,又能提高精度,减少计算量,适合于应用在非线性系统的辨识和自适应控制中。与常规的Davidon最小二乘法和阻尼最小二乘法进行仿真比较,体现出了这种方法的有效性,尤其是在输入及隐含节点个数较多的情况,其优点比较明显。     

基于LDA的航线潜在价值挖掘模型

在分析了传统的主题模型后提出了一种基于LDA的航线潜在价值挖掘模型。该模型将旅客出行行为的分析划分成两个阶段,出行意图的确定及出行意图下航线的选择,并与旅客价值进行融合来挖掘航线的潜在价值。出行意图采用Gibbs sampling方法从旅客出行记录中获取,航线则在旅客确定出行意图后由出行意图的航线向量获得,旅客价值则结合出行中的舱位信息进行提取。在中国民航旅客订票数据集上的实验表明,本文模型在2010年和2011年两个数据集上获得的两组航线潜在价值序列比pLSI模型和senLDA模型获得的两组航线潜在价值序列都拥有更好的有序相关性,且在挖掘排名前5的航线潜在价值时,本文模型在该两个数据集上获得了两组完全一致的航线潜在价值序列,表明其在挖掘高潜在价值航线方面的优势。     

星-地混合通信网络前向链路安全传输方案研究

针对星-地混合通信网络前向链路在部分非理想信道状态信息(CSI)及非理想CSI下卫星窃听链路的安全问题,提出一种将地面基站信号作为协同干扰的安全传输方案。优化目标为地面基站节点传输速率最大,确保卫星合法节点接收信号质量,同时利用地面基站发送信号阻塞卫星潜在窃听节点对卫星信号的侦听。通过半定松弛原理将其转化为可解的凸优化问题,分别设计分层迭代、高斯随机化和二分搜索算法对问题进行优化求解。仿真校验结果表明,所提方案能够降低网络对CSI误差的敏感性,提高网络的可靠性和保密性。     

模糊控制和神经网络相融合的研究及其在家电产品中应用

综述了模糊控制和神经网络相融合的研究，列举了若干种由神经网络实现模糊规则和模糊控制器的方法．这些利用神经网络的模糊控制器，能自动地辨识控制规则和校正隶属函数．最后叙述了该方法在家电产品中的应用。     

发动机数控系统智能容错技术的半物理仿真研究

提出基于自联想神经网络的发动机数控系统的智能容错技术。该方法不依赖系统模型,只需要发动机的测量值来离线训练网络。若发生性能蜕化,该方法能自动切入故障诊断与最优估计的综合逻辑。文中开展了半物理仿真实验,实验结果充分证明了该技术能适应实验现场多变的环境,能正确诊断发动机传感器故障并提供解析余度,具有较好的鲁棒性。