基于L-M网络的涡扇发动机动态过程辨识

介绍了多层前馈网络的Levenberg-Marquardt (LM)算法,对涡扇发动机动态过程的数学模型进行了分析和简化,运用多层前馈网络L-M算法对涡扇发动机进行加力推力变换时的非线性MIMO动态过程的数学模型进行了辨识,辨识所用样本数据和测试数据均为试飞实测数据.辨识结果表明,这种方法收敛快精度高,非常适合于涡扇发动机非线性动态过程的建模.     

超机动导弹的神经网络控制系统

 研究了应用于具有超机动能力的导弹的非线性神经网络控制系统.利用神经网络可以任意逼近非线性函数的能力,来学习超机动导弹在大迎角状态下的高度非线性动态特性的逆动态特性,得到对参数变化及未建模动态具有较好鲁棒性的控制系统.为了改善神经网络的学习能力和学习算法的稳定性,对学习增益做了模糊化处理.数字仿真结果说明了该控制方案可以达到预期效果.     

基于神经网络预测模型的歼击机结构故障检测方法

提出了一种基于预测神经网络的歼击机结构故障检测新方法 ,与传统的基于模型的非线性系统的故障检测方法相比 ,神经网络方法有着非线性逼近能力强和故障检测实时性好等优点。给出了基于预测神经网络的故障检测方案 ,以及多步直接预测算法和阈值选取原则 ,最后以某型歼击机为例进行了仿真验证 ,仿真结果表明本方法能有效地检测出歼击机的各种结构故障。     

一个神经网络结合遗传算法的叶轮逆命题设计方法

本文的目的是利用神经网络实现离心压缩机叶轮的逆命题设计。为此,结合实例叶轮逆命题设计问题通过遗传算法的演化和训练建立了前馈神经网络。所建网络随之用于求解给定表面速度分布情况下的叶片型线。      

涡轮泵转子的临界转速研究(Ⅳ)分布质量轴的传递矩阵法

根据旋转的 Timoskenko梁的运动微分方程式 ,导出分布质量轴段的 4× 4阶精确传递矩阵 ,计入轴分布质量的平动惯量、转动惯量、陀螺力矩和剪切变形的影响 ,并计算了三个转子的临界转速。算例的计算结果表明 ,轴模型是否按分布质量考虑、是否计入平动惯量、转动惯量、陀螺力矩和剪切变形 ,对临界转速有明显的差别 ;同时在等截面轴不分段情况下 ,传递矩阵的计算结果和精确解一致性很好 ,表明计算实际转轴临界转速时 ,只需按截面不同划分轴段 ,即所取的轴分段数量少 ,就可以达到很高的计算精度     

用神经网络法密化加工列表轮廓型值点

介绍采用神经网络方法来处理数控加工列表轮廓的型值点的密化问题,列举了有关应用实例.     

引导场对无碰撞电流片低频电磁不稳定性的影响

通过数值求解无碰撞电流片中可压缩磁流体力学模型下得到的一般形式的色散关系,讨论了无碰撞电流片中引导场对低频电磁波不稳定性的影响.结果表明,平衡态磁场中的引导场,对于三维扰动传播的波不稳定性有很强的影响.(1)在电流片中间平面上(z=0),无引导场时,没有不稳定性发生,但若存在引导场,不稳定性便发生,并随着引导场的增强,不稳定性明显增强,不稳定的波模可能是低混杂模.(2)在中间平面附近(z=0.2),电流片是不稳定的.随着引导场的增强,不稳定性增长率明显地增强,不稳定的波模从平行和反平行两个方向传播变为反平行方向一个方向传播,并且是斜传播的,具有低频哨声模或低混杂模的特征.(3)在电流片边缘附近(z=0.8),引导场对不稳定的波模和增长率没有明显影响,不稳定的波模都是准平行的哨声波.      

基于BP神经网络的飞行器参数辨识与自适应控制

针对跨域空间飞行器气动参数非线性严重和具有大不确定性等特点,提出一种基于BP神经网络的飞行器离线参数辨识与在线自适应控制的方法.首先,临近空间飞行器进行风洞试验吹风得到的气动参数是典型的输入输出非线性系统,运用BP神经网络算法进行离线训练建立气动数据的辨识模型;其次,根据气动数据的辨识模型计算实时舵效变化参数,飞行器控...     

双向联想记忆集成

由多个尽可能多样化的分类器(前馈神经网络)组成的多分类器系统(MCS)能够显著地提高单个分类器的分类或推广能力.受MCS基本思想的启发,将集成引入到双向联想记忆快速学习(QLBAM)中,构建出一个BAM集成,旨在提高存储容量和纠错性能的同时,不破坏每个成员BAM的简单结构.计算机仿真表明,选择合适的"过剩生产与挑选并存"策略,即"稀疏算法"后,所提出的BAM集成在存储容量和抗噪声性能两个方面都显著优于单个QLBAM.     

基于时序数据-BP神经网络的电力能耗分析研究

为了更好地对电厂中机组的能耗问题进行分析研究,根据电厂不同工况的参数指标,建立电力企业能耗仿真BP神经网络模型。归一化处理电厂运行过程中各类传感器采集的数据,采用负荷、环境温度、排烟温度、背压、含氧量等指标,并加入时序历史能耗作为输入参数;利用电力企业短时能耗作为输出参数;通过采用不同时间窗口的连续时序能耗参数指标和热力学相关参数作为输入,在神经网络中不同中间层的隐层节点数下进行仿真实验。结果表明,基于时序历史能耗数据的电厂指标参数在包含21个隐层节点数的BP神经网络模型上能够在线仿真出精度较高的短时供电能耗数据。所建的电力能耗预测模型将为后续电厂的节能减排、负荷优化,提供理论参数支撑。