利用神经网络进行飞机参数估计的两种新方法

本文提出了利用前向传输神经网络依据飞行数据估计飞机稳定性和操纵导数（参数）的两种新方法。这两种方法都是利用运动变量和控制输入量作为输入文件，而以空气动力系数作为用于调试神经网络的输出文件。为了进行参数估计，允许向被调试的神经网络提供经过适当修改的文件，从而获得对应的空气动力系数预测输出文件，对这一组输入－输出文件进行适当的编译和处理后就可得到飞机参数的估计值，这些方法首先是利用模拟飞行数据进行验证的，然后才应用于实际的飞行数据。实际飞行数据是通过对已发表的报告中的模拟量数据进行数字化后得到的。文中还给出了参数估计的结果，其目的在于说明参数估计精度受网络拓扑结构，迭代次数主模拟飞行数据中测量噪声强度的影响。所介绍方法的重要特点之一是，它们并不需要像熟知的参数估值法（如最大似然法）那样去推测出一组合理的参数初始值。     

硝酸酯增塑聚醚推进剂中PB类助剂的作用机理

为了解PB类功能助剂的作用机理，进行了接触角测试，XPS，SEM和MDA试验，结果认为：通过降低功能助剂自身极性，使之与HMX的表面性能相匹配，改善了HMX在粘合剂中的润湿性，从而改善药浆工艺性能，同时，保持对HMX有强的亲合力，吸附在HMX表面形成界面层，使推进剂保持良好的力学性能，最后提出了PB类助剂的作用机理。     

触地关机模式下的着陆器软着陆稳定性研究

以触地关机软着陆模式下的某型着陆器为研究对象,建立其软着陆过程的动力学仿真模型。基于仿真模型,结合优化方法与多岛遗传算法（MIGA）确定了着陆器的极恶劣地形工况参数,并利用径向基函数（RBF）神经网络建立了反映极恶劣工况下着陆器速度参数与稳定性指标值之间映射关系的代理模型。将着陆器速度参数做离散化处理得到样本点,利用神经网络模型计算了各样本点对应的软着陆稳定性指标值,基于计算结果给出了各项软着陆稳定性指标的云图和三维速度稳定性边界,并得到了综合各项稳定性指标的着陆器速度稳定性边界。分析结果可直观地确定保证着陆器安全着陆的速度取值范围,为着陆器速度的合理控制提供参考。      

基于编解码双路卷积神经网络的视觉自定位方法

为了从单张RGB图像估计出相机的位姿信息,提出了一种深度编解码双路卷积神经网络（CNN）,提升了视觉自定位的精度。首先,使用编码器从输入图像中提取高维特征;然后,使用解码器提升特征的空间分辨率;最后,通过多尺度位姿预测器输出位姿参数。由于位置和姿态的特性不同,网络从解码器开始采用双路结构,对位置和姿态分别进行处理,并且在编解码之间增加跳跃连接以保持空间信息。实验结果表明:所提网络的精度与目前同类型算法相比有明显提升,其中相机姿态角度精度有较大提升。      

二值图像的自适应窗口边缘检测技术

英国Aleksander等人用RAM网络实现的自适应模式识别系统可以认为是一种逻辑神经网络,本文详细描述了利用这种模型实现的自适应窗口边缘2检测技术,包括模型的理论分析,边缘检测种种的各种实现方法和实验结果。基于这种模型的边缘检测技术的基本思想是:首先对窗口边缘检测技术,包括模型的理论分析,边缘检测的各种实现方法和实验结果。训练一个或多个对目标物体边缘敏感的模式,然后对图像逐点扫描和测试,根据窗口对特定扫描区域的响应实现对边缘的检测。其过程和模式识别中的训练—识别过程相似。文中讨论了“中心块”和“边缘训练”窗口的响应行为以及窗口大小的选择、响应阀值的确定和N元的选用等具体方法。并给出了相应的实验结果。研究表明,这种方法对边缘检测和噪音滤除都具有较好的效果,且硬件容易并行实现。     

基于扩张状态观测器的运输机多故障容错控制

针对含有传感器与舵面故障的运输机姿态跟踪问题, 提出了一种基于扩张状态观测器的反步容错控制方法。采用状态观测器与控制器分开设计的方法, 设计含神经网络的扩张状态观测器估计系统状态、传感器和舵面故障信息。在此基础上, 利用状态估计值代替实际状态, 采用反步法设计姿态角跟踪控制律, 并引入指令滤波器提高反步法的控制性能, 基于Lyapunov稳定性理论推导证明了闭环系统跟踪误差的最终有界收敛。仿真结果表明, 在系统存在传感器与舵面多故障的条件下, 所提方法依然可以实现运输机姿态角的稳定跟踪。      

基于改进Hopfield神经网络的对地攻击型无人机自主能力评价

对地攻击型无人机是当前最先进的无人装备之一,无人机必须具备很高的自主能力,自主能力成为无人机的典型作战能力。针对对地攻击型无人机的自主能力量化评价问题,从感知能力、决策能力、行为能力和安全能力4个方面,并侧重机载装备参数分析,提出了一套完整的自主能力评价指标体系。结合模型因素库,运用奇异值分解设计Hopfield神经网络权值矩阵,利用基于稀疏度的权值删减算法改进网络结构。构建自主能力评价标准,对对地攻击型无人机系统自主能力进行量化分级。仿真结果表明:相对于传统Hopfield神经网络,改进算法能够在一定范围内删除非关键的连接权值,降低网络复杂度,工程上更容易实现对地攻击型无人机系统自主能力的量化评价。      

基于改进神经网络的空间机械臂阻抗控制方法

针对环境信息不确定和碰撞模型未知情况下的空间机械臂柔顺控制问题,提出了一种基于改进型神经网络的阻抗控制方法.以空间机械臂阻抗控制系统闭环方程为基础,分析了环境信息不确定和碰撞模型未知情况下不能实现精准力控制的原因.利用粒子群优化算法调整神经网络中的权值矩阵,以提高神经网络的收敛速度和寻优性能.基于改进后的神经网络设计阻...     

基于神经网络及深层充电的电子通量反演模型

为了实现对空间高能电子通量的估计及航天器深层充放电的风险评估,基于深层充电和空间电子环境的关联性,利用人工神经网络（ANN）建立了一种由深层充电反演空间高能电子环境的模型。以深层充电探测电流密度及电子能量作为模型输入,电子通量作为模型输出,使用AE9模型对神经网络进行训练,将神经网络的MSE降低到了0.04122,并使用Giove A卫星的深层充电探测数据及GOES卫星的电子通量探测数据验证了模型反演电子环境的准确性。同时对由探测电流计算航天器典型介质材料最大内电场的神经网络模型进行了研究,以实现对航天器内充电风险实时评估。     

小样本下基于孪生神经网络的柱塞泵故障诊断

针对目前基于深度神经网络的柱塞泵故障诊断方法在小样本条件下精度低、模型欠拟合问题,提出一种小样本条件下基于孪生神经网络的柱塞泵故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同健康状态下的壳体振动信号;使用由卷积层和池化层组成孪生子网络自适应地从原始振动信号中提取低维特征,使用欧式距离判定输入样本对的特征相似度;通过相似度对比的方法扩大训练样本数量并训练孪生神经网络模型;最后,对测试样本进行健康状态识别。实验结果表明：与传统深度神经相比,所提方法在小样本情况下具有更高的准确率。同时,多通道数据融合实验表明：所提方法能够从不同通道的信号中学习到有关故障信息,多通道数据融合可以进一步提高诊断准确率。