基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用RBF神经网络逼近非线性函数，并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能。H^∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性，而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后给出的算例验证了该方法的有效性。     

基于卡尔曼滤波器及神经网络的发动机故障诊断

提出了一种基于卡尔曼滤波器及神经网络的航空燃气涡轮发动机气路故障诊断的方法.该方法用卡尔曼滤波器来估计发动机可测参数的变化量,再由神经网络来映射发动机性能参数的变化量,并据此进行发动机气路故障诊断.数字仿真表明,该方法是可行的,有效的.      

一种小波神经网络与遗传算法结合的优化方法

提出一种基于小波神经网络(简称WNN)与Pareto遗传算法相结合的优化方法,并用于内流的数值流场优化计算.小波神经网络由输入层、隐含层和输出层组成.在隐含层用Morlet小波母函数取代了误差反向传播(BP)神经网络中常用的Sigmoid激励函数.Pareto遗传算法具有很好的全局寻优能力和良好的优化效率,在通常情况下它总可以得到均匀分布的Pareto最优解集.典型算例表明:该算法快速、高效,能高精度的完成非线性函数的逼近与映射,其泛化能力很强.      

面向航空节点的IP/LEO卫星网络移动性管理方法(英文)

Taking into chief consideration the features of aviation nodes in satellite networks, such as high moving speed, long communication distance, and high connection frequency, this article proposes an aviation-oriented mobility management method for IP/low earth orbit （LEO） satellite networks. By introducing the concept of ground station real-time coverage area, the proposed method uses ground-station-based IP addressing method and cell paging scheme to decrease the frequency of IP binding update requests as well as the paging cost. In comparison with the paging mobile IP （P-MIP） method and the handover-independent IP mobility management method, as is verified by the mathematical analysis and simulation, the proposed method could decrease the management cost. It also possesses better ability to support the aviation nodes because it is subjected to fewer influences from increased node speeds and newly coming connection rates.     

基于Event的侧向碰撞风险改进模型

Event模型是一种基于长方体碰撞模板的碰撞风险评估模型,用该模型评估所得的碰撞风险概率过于保守。将碰撞模板改为圆柱体,建立了基于碰撞圆柱体的Event模型。在相同条件下运用Event模型和改进的Event模型对平行航路的侧向碰撞风险进行了评估计算,后者的碰撞风险是原Event模型碰撞风险的86.9％,仿真结果表明改进模型碰撞风险评估更精确,能够为中国平行航路的开辟进行安全评估计算提供理论依据。     

认知无线网络及其频谱管理技术

认知无线网络通过不同种类的无线网络体系结构之间的并存和动态频谱接入技术可以为移动用户提供高带宽的服务。高效的频谱管理技术是这一新型网络面临的主要挑战之一。为了更好的理解认知无线网络,文章简单回顾了认知无线电技术,对认知无线网络的结构及特点进行了深入研究,明确了认知无线网络频谱管理的主要任务,并结合认知无线电当前的发展状况对认知无线网络频谱管理技术进行了总结分析。     

Nighttime cloud properties retrieval using MODIS and artificial neural networks

In this work a methodology for inferring water cloud macro and microphysical properties from nighttime MODIS imagery is developed. This method is based on the inversion of a theoretical radiative transfer model that simulates the radiances detected in each of the sensor infrared bands. To accomplish this inversion, an operational technique based on Artificial Neural Networks (ANNs) is proposed, whose main characteristic is the ability to retrieve cloud properties much faster than conventional methods. Furthermore, a detailed study of input data is performed to avoid different sources of errors that appear in several MODIS infrared channels. Finally, results of applying the proposed method are compared with in-situ measurements carried out during the DYCOMS-II field experiment.     

基于模糊基函数网络的系统故障检测

给出了基于T-S模型的模糊基函数网络(FBFN),并提出了一种基于FBFN的未知系统故障信息检测通用方法.将未知系统分为已知部分和未知部分.系统的实际输出包括已知部分输出、未知部分输出和故障信息等三部分.已知部分用数学模型描述.未知部分包括系统的建模误差、噪声干扰等不确定性,用FBFN逼近.因此,根据系统的实际输出、数学模型输出和FBFN输出可估计出故障信息.最后给出了某飞机的微波着陆系统故障信息检测仿真实例.      

基于潜在成分的时变系统损伤的概率神经网络分类

提出了一种新的时变系统健康监控的损伤分类方法。将函数级数时变自回归平滑时序模型应用于时变系统的振动信号,以估计TAR／TMA参数和革新方差。这些参数是时间的函数,将它们在以特定的基函数构成的某种函数子空间上展开得到相应的投影系数组。所估计得到的TAR／TMA参数和革新方差可进一步用来计算潜在成分（LCs）,将LCs用于健康评估比原来的参数更具信息。并将LCs联合并归化为数值得到特征集,输入概率神经网络（PNN）进行损伤分类。为了评价该方法,对一个时变系统进行了仿真,以各种不同的质量和刚度减少来模拟不同的损伤类别。算例表明：该方法能够在时变系统的背景下对损伤进行归类。     

基于进化神经网络的组合导航系统滤波算法研究

组合导航系统中,卡尔曼滤波算法的估计特性依赖于精确的系统模型和准确的外观测数据.任何一个条件不满足将导致滤波精度下降甚至发散.为此,本文引入进化神经网络和自适应卡尔曼滤波技术.仿真结果证明,文中所提算法能够有效克服常规卡尔曼滤波的缺点,并保持较高的精度.