基于DRNN网络的航空发动机多变量解耦控制

通过分析对角递归神经网络（DRNN）及带动量项的梯度学习方法（GDM）,针对某型涡扇发动机的性能控制,研究了基于对角递归神经网络的多变量自学习解耦控制算法及其在航空发动机控制中的应用.阐明了该方法的结构和原理.并在设计点处进行了发动机多变量解耦控制系统设计.在偏离设计点时,大量的仿真结果表明,系统具有较好解耦和自适应能力.     

基于双隐层过程神经网络的飞机发动机故障检测

利用双隐层过程神经网络模型可以直接处理时变信号的特点，提出了一种用双隐层过程神经网络模型对飞机发动机进行故障检测的方法。由过程神经元隐层完成对输入信息过程模式特征的提取和对时间的聚合运算，非时变一般神经元隐层用于提高网络对系统输入输出之间复杂关系的映射能力。分别利用递归神经网络和双隐层过程神经网络对发动机排气温度裕度进行仿真预测。结果表明，双隐层过程神经网络收敛速度快、精度高，优于递归神经网络的预测结果。为飞机发动机状态监测问题提供了一种有效的方法。     

一种改进的自组织特征映射算法

针对SOM算法用于训练生成矢量量化码书存在的不足，提出了一种基于频率敏感的自组织特征映射算法（FSOM）．并应用到图像矢量量化中。实验表明，与SOM算法相比。FSOM算法具有更好的聚类特性和峰峰信噪比（PSNR），是一种有效的码书设计算法。     

RBCC引射模态准一维性能分析模型

基于准一维非稳态流动方程建立了RBCC引射模态性能分析模型，充分考虑壁面摩擦、有限速率化学反应和质量添加等因素。模型采用MacCormack格式求解，很好的解决了计算引射比、考虑环境压强等问题。与实验结果的对比表明，本模型计算结果的相对误差为5％～9％，发动机内的压强分布与实验结果基本一致，本模型可用于RBCC引射模态性能分析。     

极值搜索算法的研究与进展

回顾了极值搜索算法的发展历程,分析了单变量和多变量极值搜索算法、滑模极值搜索算法、斜率搜索算法等算法的优缺点,着重描述了变参数滑模极值搜索算法和退火回归神经网络极值搜索算法等,并且通过重构系统的损失函数方法将极值搜索算法的应用推广至一般系统,拓展了其应用范围。通过其应用实例说明,极值搜索算法能够解决航空控制、工业生产中的一些关键技术问题,因而有必要深入研究极值搜索算法。     

基于模糊模型的鲁棒自适应重构飞行控制

提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。     

基于自适应神经网络的非线性飞控系统设计

将动态逆理论、神经网络和自适应控制相结合应用于非线性飞行控制系统设计中，通过动态逆控制律将非线性耦合系统转换为线性解耦系统，采用具有在线学习能力的神经网络来补偿反馈线性化中存在的逆误差，最后利用李亚普诺夫稳定性理论推导了在线网络权值的自适应调整规则。仿真结果表明，这种控制结构具有良好的跟踪能力和极强的鲁棒性。     

基于神经网络的电动加载系统

 针对电动加载系统中多余力矩的干扰 ,提出了基于RBF(径向基函数 )神经网络的新型复合控制策略 ,与传统的BP神经网络相比 ,没有局部最小问题。由于系统非线性和时变性 ,特别在多余力干扰下传统控制方法如PID很难得到满意的控制效果。提出的复合控制方法主要由神经网络PID和前馈补偿器组成 ,通过仿真与试验 ,控制器有效的减少了多余力矩对系统的影响 ,改善了加载系统的动态性能。     

蒸发循环系统制冷剂量对系统性能影响的试验分析

制冷系统性能与制冷工质充注量的多少密切相关,随时间的推移,制冷剂多少总会泄漏,系统制冷剂总量会减少,性能会降低。制冷剂的减少会导致压缩机转速加快,制冷剂冷凝压力降低、蒸发温度升高、过热量加大。     

粗糙集与神经网络在航空发动机气路故障诊断中的应用

提出了一种基于粗糙集理论和神经网络集成的发动机智能故障诊断方法,首先对测量数据进行离散处理,并运用粗糙集理论建立故障决策表,进而约简属性和提取规则,对航空发动机气路部件的几种典型故障进行隔离。然后建立神经网络故障诊断子系统,使用粗糙集处理后的数据计算出发动机气路相关部件的故障程度。最后,还验证了粗糙集神经网络故障诊断系统的抗噪性能。研究表明,该系统能够正确而且高效地诊断出发动机故障的严重程度,并具备良好的抑制噪声的能力。