Intelligent modeling and identification of aircraft nonlinear flight

In this paper, a new approach has been proposed to identify and model the dynamics of a highly maneuverable fighter aircraft through artificial neural networks（ANNs）. In general, aircraft flight dynamics is considered as a nonlinear and coupled system whose modeling through ANNs, unlike classical approaches, does not require any aerodynamic or propulsion information and a few flight test data seem sufficient. In this study, for identification and modeling of the aircraft dynamics, two known structures of internal and external recurrent neural networks（RNNs） and a proposed structure called hybrid combined recurrent neural network have been used and compared.In order to improve the training process, an appropriate evolutionary method has been applied to simultaneously train and optimize the parameters of ANNs. In this research, it has been shown that six ANNs each with three inputs and one output, trained by flight test data, can model the dynamic behavior of the highly maneuverable aircraft with acceptable accuracy and without any priori knowledge about the system.     

基于多处理机系统在超立方体上并行仿真BP神经网

本文介绍了人工神经网络的基本实现途径,并对Intel iPSC860/P超级计算机系统作了简介,给出了在超立方体上实现BP算法并进行并行仿真所得到的结论     

基于人工神经网络的柔性铰链结构动力修改

利用有限元软件计算出柔性铰链结构参数与振动频率的训练样本,然后通过样本训练人工神经网络建立了柔性铰链结构振动频率与其结构参数的非线性映射关系,最后利用训练好的神经网络修正框架的结构参数以满足设计要求的固有频率。     

五孔探针的神经网络处理方法

对于五孔探针的数据处理方法就行了详细的研究,发展了一种人工神经网络的数据处理方法,并将其与三维线性插值法进行了全面的对比,证明了所发展的神经网络法的精度更高,可靠性更好,而且经过简单改动就可以应用在其他多孔探针上.      

飞机机械故障诊断专家系统方法初探

分析了人工神经网络与基于知识的专家系统在诊断系统建立上的不同点,给出了飞机机械故障诊断专家系统的故障树模式,建立了一种适合故障诊断的基于BP神经网络的专家系统框架.     

训练神经网络的一种新算法

本文改进和发展了作者曾提出的一种启发式随机搜索算法,并将其应用于单隐层XOR前馈神经网络的学习。模拟实验的结果是十分令人满意的。     

BP网络局部极小值的修正算法

在人工神经网络中,反向传播法占据了非常重要的地位。近几十年许多研究人员对其做了深入的研究,提出了很多改进的方法,主要目标是为了加快训练速度,避免陷入局部极小值和改善其他能力。本文主要讨论在MATLAB下使用附加动量法使网络避免陷入局部极小值问题。     

人工神经网络在材料性能预测中的应用

泡沫金属试样测试复杂,对试样而言又急需知道基体结构参数与力学性能和阻尼性能的关系,采用线性回归技术无法实现这一功能,应用人工神经网络,则解决了通过测量泡沫金属的四个基本参数达到推知其力学性能、阻尼性能的课题.     

基于神经网络的型腔电火花加工工艺效果预测模型

针对电火花加工的工艺特点及其复杂性 ,提出了一个基于神经网络的型腔电火花加工工艺效果的预测模型 ,可映射出电参数和加工结果之间的关系。计算机仿真结果显示了其良好的预测精度 ,最后分析了引起预测误差的原因     

利用人工神经网络提前1h预报电离层TEC

提出了一种利用人工神经网络提前1h预报电离层TEC的简便方法. 考虑到实际工程应用要求, 没有使用其他空间天气参数, 而是选择电离层TEC观测数据本身作为输入参数. 输入参数为当前时刻TEC、一阶差分、相对差分和时间, 输出参数为预报时刻TEC. 利用文中介绍的GPS/TEC处理方法解算厦门站2004年电离层TEC观测数据, 对预报方法进行评估, 全年平均相对误差为9.3744%, 预报结果与观测值相关性达到了0.96678. 结果表明, 利用人工神经网络方法提前1h预报电离层TEC有很好的应用前景.