基于Deform软件二次开发和BP神经网络的TA15多向锻造微观组织预报

通过热压缩实验构建了TA15合金的热变形真应力-应变曲线,以此为基础分别建立了合金双相区及单相区温度区间的热变形本构方程;基于热压缩试样动态再结晶的统计数据建立了TA15合金的动态再结晶模型。借助Deform提供的二次开发功能实现相关数学模型的程序化,制定正交实验方案,实现了TA15合金多向锻造变形的微观组织仿真。通过正交实验分析得出各项因子的影响对象及强弱差异,提出了双相区及单相区温度区间内的多向锻造最佳因子组合。建立了TA15合金多向锻造变形微观组织的BP （Back Propagation）神经网络预测模型,将预测结果与有限元仿真结果进行比较,结果表明两种方法的预测结果基本一致,但神经网络具备有限元仿真难以实现的良好细节预测能力,能更为细致地实现对微观组织分布状态的划分。     

利用神经元拓展正则极端学习机预测时间序列

为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点.      

新一代GNSS接收机的智能跟踪状态评估技术

新一代全球导航卫星系统的接收机需要根据用户所处环境,自适应地调整接收机内部参数以达到最稳健的导航效果。这就要求接收机在运行过程中通过评估跟踪状态去检测和分析用户场景。基于对传统接收机控制系统缺陷的分析,提出了智能接收机的概念、特点及系统框架;在此基础上设计、分析接收机的智能跟踪状态评估算法;最后通过仿真验证了所设计的算法可以有效地识别场景及场景间的切换。     

液体火箭发动机传感器故障检测与数据恢复算法研究

以某型液体火箭发动机为研究对象,根据其传感器的故障特性,提出了基于BP神经网络的传感器故障检测与数据恢复算法。通过定义的传感器置信度来判断传感器是否发生故障,以及确定故障传感器,利用已训练好的神经网络结构对故障传感器进行数据恢复。研究内容能够实现传感器的故障检测、定位与补偿,能够有效提高发动机故障检测方法的可靠性和鲁棒性。     

导弹发射装置随动系统模糊神经PID控制器

在有些系统性能指标要求很高的导弹发射装置的随动系统中,传统的PID控制往往难以满足要求。文章以某型导弹发射装置的随动系统为模型,结合了模糊控制、神经网络及PID等控制算法,设计了模糊神经PID控制器。通过与传统的PID控制器仿真实验对比,可以看出应用模糊神经PID控制器能够有效地提高该随动系统的动态性能和鲁棒稳定性。     

航线维修中的NFF件处理对策

对未发现故障(NFF)件产生的原因进行了分析,结合航线维修工作特点,编制了NFF件处理逻辑图,提供了系统的NFF件解决方案;在对NFF件的可靠性管理过程中引入闭环控制方法,从航线维修和部件修理两个方面入手,给出了减少NFF件的方法,对消除由NFF件造成的飞机运行不良影响、降低维修费用、提高部件修理质量有积极作用.     

基于神经网络的飞机积冰问题预测方法

目的针对基于神经网络的机翼积冰冰形预测方法提出几点改进建议;方法概述四种典型的运用神经网络来预测积冰的方法;结果分析指出四种方法的优缺点,以及国内外的研究进展和新趋势;结论构建综合的冰形预测网络以及扩充和改善网络是研究神经网络积冰预测的主要方向。     

具有饱和补偿的碟形飞行器神经滑模控制

针对执行机构饱和非线性未知的碟形飞行器,在考虑执行机构动态的基础上,设计了基于神经网络的滑模控制器,给出了相应的控制律和参数选择方法.神经网络用来估计执行机构的饱和量,从而在设计控制器时,可以对执行机构的饱和进行相应补偿.仿真结果表明了该方法的正确性和有效性     

基于BP神经网络的高精度陀螺恒流源补偿方法

为了提高陀螺恒流源精度,提出一种基于BP神经网络的陀螺恒流源补偿方法.采用BP神经网络训练恒流源控制指令与恒流源输出之间的非线性映射稳态模型,以实时估计恒流源输出偏差.设计恒流源控制指令补偿判据,当输出偏差超出设定裕度时,按比例对恒流源控制指令值进行实时补偿,使得恒流源输出更接近控制目标值,以实现更优的精度.通过实物在回路仿真验证了上述方案的有效性,并通过与传统对控制指令进行分段线性标定方法相比较,显示了上述方案的恒流控制优势.     

BP神经网络反演核事故源项中重要参数的研究

核事故发生时,可靠、准确的源项信息能为应急防护行动措施决策提供数据支持。采用Matlab软件神经网络工具箱可以实现基于BP神经网络的核事故源项反演,为提高核事故源项反演计算的准确度,针对反演时的几个重要参数进行研究,包括隐含层节点数、训练函数、学习率和隐含层数。研究结果表明,在单隐含层神经网络结构情况下,存在着最优隐含层节点数,综合考虑训练时间和误差,本文选取隐含层节点数为50来对其他参数影响进行进一步研究;在相同参数设置条件下,训练函数Trainlm比Traingdm更适合数据量较小时的核事故源项反演,反演计算准确度更高,在节点数为50时训练时间缩短了近35%;高学习率以及双隐含层能有效地提高核事故源项反演的精度,但训练时间相对增加。