一种动态面神经网络鲁棒飞行控制律设计

提出一种基于RBF(Radial Based Function)神经网络和动态面控制的飞行控制律设计方法。针对飞机气动参数变化引起的非线性和不确定性,通过RBF神经网络在线逼近。动态面飞行控制律消除了反推设计方法中由于对虚拟控制反复求导而导致的复杂性问题。同时,在控制律设计中引入一个鲁棒因子项来补偿外界干扰和神经网络的逼近误差,提高了系统的鲁棒性,使整个系统获得更好的跟踪控制性能。基于Lyapunov稳定性定理证明了闭环系统的所有信号半全局一致终结有界,并且通过适当选择设计参数,跟踪误差可收敛到原点的一个小邻域内。最后,通过飞机俯仰运动飞行的数值仿真验证了该方法的有效性。     

基于CNN 与BiLSTM 的退化设备剩余使用寿命预测

针对DC-DC 变换器难以建立物理退化模型的问题,提出了一种基于卷积神经网络和双向长短期记忆 神经网络的剩余寿命预测算法。首先,通过对DC-DC 变换器中关键器件进行失效模式分析,得到DC-DC 变换 器的失效特征参数;然后,采用卷积神经网络对多传感器信号进行融合和特征提取,获得百分比指数退化指标; 其次,将获得的健康指标输入到融合注意力机制的双向记忆神经网络中,利用注意力机制对输出结果进行加权 融合,利用不同的权重值优化预测模型,最后,利用蒙特卡洛丢弃法获得剩余寿命的区间估计,并通过仿真数 据验证了所提出方法的有效性。     

遗传算法在航班覆盖问题中的应用研究

为了解决航标串生成中的航班覆盖问题,首先采用深度优先搜索算法生成最初航班串。然后在传统遗传算法中引入了启发式算子,将该算法应用在航班覆盖问题上,提高了算法效率,对实例的应用也得到了较好的效果。     

基于Elman网络的共轴式直升机动力学系统辨识

根据共轴式直升机动力学与运动学基本方程的结构形式建立了一种基于改进的Elman神经网络的辨识模型,同时推导了该网络的训练算法,给出了训练步骤.随后,利用外场试飞中几个典型飞行状态的遥测数据对网络进行训练,计算权值矩阵,获得该共轴式直升机用来进行动力学系统分析的神经网络模型.以匀速前飞状态为例进行了纵向操纵响应仿真,比较仿真结果和实际遥测数据可知,该网络模型基本反映了样例机的动态特性.      

基于单目视觉系统的远距离场景重建算法研究

提出了一种基于机载前视被动传感器(电视传感器或红外成像传感器)获取的序列图像,并结合惯导信息,恢复前视场景深度的新方法。通过将前视三维场景看作一组具有不同深度的,分别对应背景和障碍物的层的集合,将复杂的场景重建问题简化为对各层深度集和像素标记场的计算;我们使用贝叶斯方法解决对各参数的估计,并使用图论方法快速求解。试验表明,该方法是可行的。     

基于信息融合技术的火灾报警方法研究

根据当今火灾探测的现状和实现火灾早期报警的需求,将多传感器数据融合技术应用在火灾报警系统中。在分析了信息融合系统的三级结构及火灾报警信息非结构特性的基础上,以感温、感烟和气体的火灾报警模拟量为输入,利用粗糙集和神经网络对多传感器信号进行融合,设计出一种快速、准确和有效的火灾探测系统,达到了提早报警和降低误报警频次的目的。     

基于模糊系统的径向高斯网络的自适应状态观测器

利用模糊系统的径向高斯函数网络对一类非线性时变系统的状态进行了估计。给出了一种递阶自组织在线学习算法,提出了非线性时变系统的自适应状态观测器,并对其结构及特征进行了讨论,仿真结果表明这种自适应状态观测器能很好地观测系统的状态。     

基于神经网络建立液态挤压成形管、棒材工艺参数知识库

 采用人工神经网络方法,将８１组实验数据用于神经网络的建模及检测,建立了液态挤压成形管、棒材工艺参数知识库,可以对该工艺的关键参数进行较为准确的预测,从而为推动该金属成形新工艺的实际应用奠定了基础。     

基于深度学习的航天器位姿估计研究进展

从在轨应用角度出发,对近年来基于深度学习的航天器位姿估计相关研究成果进行了综述。首先,对基于传统特征提取方法的航天器位姿估计研究进展与局限性进行了归纳梳理。在此基础上,引出基于深度学习的航天器位姿估计的重要意义,并聚焦公开比赛、数据集、姿态估计方法、开源模型等方面阐述基于深度学习方法在当前和未来的关键问题与解决途径。最后,从数据集逼真度、模型可部署、多任务域适应3个维度给出了相应关键技术后续发展的方向与思路。     

盲源分离的发展及研究现状

盲源分离是近十几年来才发展起来、用于从多个信号混合后的观测信号中分离出源信号的一门新技术 ,已在许多领域获得了广泛的应用。综述了盲源分离的发展及研究现状 ,提出了其未来的发展方向 ,并阐明了将其用于电子对抗的重要性