一种基于神经网络的前馈控制器设计

本文根据文献的思想，以弹载雷达天线伺服系统为应用背景，针对具有确定性结构和多数，但不易准确建模的实际系统，设计了一种控制结构。数字仿真试验表明，该方案对上述系统具有可行性及良好的控制性能。     

时滞Hopfield神经网络稳定性测试方法研究

利用Lyapunov泛函方法，研究了具有时滞的Hopfield神经网络稳定性的测试问题，得到了网络全局渐近稳定性与滞量无关的测试方法，这对于时滞神经网络的设计与检验具有普遍应用的意义。     

人工智能系统发动机故障诊断

作为人工智能研究中面向实际应用的课题，本系统综合安２４飞机发动机故障诊断的专家经验和各种典型实例，用基于规则的演绎推理系统，实现了对飞机发动机故障的经验性诊断。并利用人机对话方式，提供推理报告，进行自学习（机器学习）。系统模型由知识库、推理机制、自学习机制及解释机制四个模块构成，它们相对独立，能进行平行处理。有利于调试、修改及扩充新知识。同时本系统还有效地解决了栈空间的问题。其调试结果表明：与ＩＮＳＩＧＨＴ２相比，响应时间短，速度快，功能强。并有较好的用户界面。具有一定的实用性。     

非线性大系统直接自适应分散控制的神经网络逆系统方法

针对一类带有不确知关联的非线性大系统,提出了一种新型分散控制方案:以隔离子系统取代原子系统并求其逆系统,从而产生原子系统控制量的一部分;控制量的另一部分由用于补偿误差的在线神经网络形成。此方案的收敛性得到了论证,并在双倒立摆所形成的大系统中得到成功应用。     

机械手的神经网络自适应滑动模控制器设计

 针对多关节机械手的鲁棒跟随控制器设计问题，提出了一种新的机械手神经网络自适应滑动模控制器设计方法，机械手的动力学非线性假设是完全未知的。在提出的控制结构中，高斯径向基函数神经网络用于在线补偿机械手的动力学非线性，参数学习律由稳定性理论得到。给出了系统稳定性和参数收敛性的证明。最后提出方法的可行性通过仿真得到验证。     

航空维修质量评估专家系统中的神经网络

神经网络用于专家系统是实现人工智能的一种新方法,为获取专家经验提供了一条有效途径.文中利用人工神经网络的学习特性,实现对管理专家评估思想的学习与模拟,建立了航空维修质量评估专家系统,为航空维修工程的宏观质量管理提供决策支持.运行结果表明系统是实用可靠的.     

基于深度神经网络的机器人加工系统模态特性预测

串联式工业机器人具有工作空间大且灵活性强的特点,被广泛应用于飞机蒙皮、航空透明件等大型结构件的加工。然而,工业机器人存在刚度弱、动态特性空间分布差异大的问题,导致其铣削稳定性极限低,不同加工区域的铣削性能变化明显,可供选择的工艺参数窗口狭窄的问题。研究机器人铣削系统加工过程中的动态特性,建立位姿相关模态预测模型对提升机器人加工性能有重要意义。本文以ABB机器人加工系统为研究对象,提出了一种基于深度神经网络的模态预测方法。首先,采用多普勒测振仪对机器人加工系统进行了模态试验,对多阶模态的空间变化加以分析。随后,根据机器人实际工作空间,设计测试试验组从而获取位姿相关的频响函数集,并利用有理多项式法准确辨识相关模态参数。在此基础上,采用超参数优化法建立深度神经网络预测模型,最终实现工业机器人工作空间内位姿相关的多阶模态参数准确预测。试验结果表明,该方法预测精度可达80%以上。     

基于卷积神经网络的航天复合材料缺陷智能检测

针对传统的缺陷图像识别处理方式存在着准确度与辨识度不足,且处理缺陷种类单一的问题,提出了一种基于Cascade R-CNN和Mask R-CNN的神经网络模型。首先,为了提高缺陷检测的可视化效果和检测准确度,在实例分割卷积网络Mask R-CNN的基础上,结合级联神经网络Cascade R-CNN结构,组合成了新的级联实例分割Cascade Mask R-CNN网络;其次,对组合而成的级联卷积神经网络进行了训练,将训练好的模型对复合材料缺陷图像进行了检测。实验结果表明:检测的平均准确度达到了91.5%,平均置信度达到了97.3%,达到了检测精度的要求。该研究成果可运用于航天复合材料缺陷识别。     

基于卷积神经网络的终端空域交通复杂度辨识

辨识终端空域交通复杂度对空中交通管理的安全和效率起着关键作用。利用交通态势的瞬时图像,基于深度学习研究终端空域交通复杂度的辨识方法。构建交通态势图像,并通过对复杂性指标进行聚类实现数据标记。提出了基于卷积神经网络分类的交通复杂度辨识方法。以广州终端空域的进离场运行为研究案例实施验证。结果表明,一方面,包括飞机经度、纬度、高度和速度信息在内的图像可以充分代表空中交通的复杂性;另一方面,所提出的模型可以有效识别终端空域空中交通复杂性。