非线性MIMO系统神经网络自适应方法及其在飞控中的应用

提出了一种非线性系统的对角自回归神经网络模型。为了实现MIMO系统自适应控制,采用自回归辨识网络对未知非线性系统进行辨识,并将被控对象的误差灵敏度信息用于对角自回归控制网络训练。辨识网络和控制网络都用动态BP算法训练。实际某型飞机纵向模型的仿真结果表明,运用这种控制结构可得到较好的控制效果。     

液体火箭发动机高速涡轮泵的振动故障检测

讨论了涡轮泵故障的几个主要原因，据此提取涡轮泵振动数据的特征，用BP神经网络的方法进行故障检测。BP神经网络的训练样本集由一个具有无监督聚类功能的神经网络从原始的特征向量集获取。     

平衡交通运输网络设计的最优化数学模型

分析了影响交通运输网络发展的因素,总结了课题研究的程序。综合运用了“系统最优原理”和“用户最优原理”,给出了多目标、多运输方式与运送对象的平衡交通网络设计的一般表达式。系统最优与用户最优方法同时又能用于研究国家和省级铁路、公路系统的交通运输问题。文中对这个非凸规划问题给出局部最优解的算法。     

计算机辅助计划管理和决策总体设计

 介绍一种新机研制计划管理和决策支持系统的总体设计方案及其实现的具体措施。详细介绍了几个主要模块的设计思想。     

航空电子多信道实时分组调度方法

 针对航空电子波分复用（WDM）网络,提出了一种新的多信道实时调度策略实时多信道加权轮转调度（RMWRR）,将多信道分成强实时信道组和尽力服务信道组,通过调整强实时信道组的权值分配和在尽力服务信道组进行权值补偿的方法,在满足强实时消息强实时约束的同时,提高了带宽利用率,可以适应动态消息的权值变化。对经过流量整形的非强实时消息,RMWRR在尽力服务信道组对其提供延迟上界。通过理论分析,推导了RMWRR的强实时调度条件和尽力服务延迟上界。仿真和算例分析验证了该调度策略的强实时约束下的低资源占用和非强实时下的低延迟特性。     

折叠翼飞行器发射段鲁棒非线性控制系统设计

为解决折叠翼飞行器在发射段各项特性变化较大、对飞行控制律鲁棒性要求较高的问题,设计了一种以块控反步法为基础的自适应鲁棒非线性控制器.在发射段动态模型基础上,该控制器采用径向基函数( RBF)神经网络自适应逼近飞行器特性变化时的系统未知不确定性和干扰,通过在虚拟控制律中引入动态面控制技术避免多重微分运算,克服了传统反步法...     

基于改进PSO-SVM参数优化的发动机起动过程辨识

针对影响支持向量机辨识性能的核函数及相关参数,找出使辨识结果最佳的核函数;结合两种措施改进粒子群算法,优化相关参数,选择最佳的参数组合.对比 BP 神经网络和支持向量机对发动机起动过程的辨识结果,得到支持向量机的辨识精度和收敛时间优于 BP 神经网络,与起动数据基本一致.在训练样本存在噪声的情况下,验证了所建辨识模型具...     

基于神经网络模型的动态非线性气动力辨识方法

 在标准径向基函数（RBF）神经网络模型的基础上发展了带输出反馈的RBF神经网络。将计算流体力学(CFD)方法计算的时域气动载荷作为输入信号,建立跨声速非定常非线性气动力模型,并进一步运用CFD方法验证模型的精度。算例表明带输出反馈的RBF神经网络较标准RBF神经网络精度更高,能更准确描述跨声速激波大幅振荡时的非线性和非定常特性,并可推广用于多自由度运动的动态非线性气动力建模。用多级信号训练,预测简谐信号输入下的气动力算例表明带输出反馈的RBF神经网络能够预测不同振幅、不同频率的信号激励下的非线性气动力。     

磁悬浮反作用飞轮热设计方法与实验研究

 作为新型航天器姿态控制执行机构,磁悬浮反作用飞轮工作在高真空环境下且转子完全悬浮,使得热量不易散出,故需要对飞轮进行温度场计算并进行热优化设计。为此,提出一种有限元与热网络模型相结合的优化热设计方法:首先利用有限元法计算温度场分布;然后对不符合温度要求的部件建立热网络模型,分析影响温度的因素,提出优化措施。该方法具有计算精度高、优化速度快的特点。将该方法应用于某样机的热优化设计中,使飞轮的最高温度由121.6 ℃降到了52.7 ℃。对经热设计前后的两台磁悬浮反作用飞轮的实验研究证明了热设计的正确性,从而为磁悬浮飞轮系统的结构设计和热设计奠定了基础。     

基于神经网络的飞行器再入制导研究

论述了神经网络理论在飞行器再入制导方面的应用.在分析各方法优缺点的基础上,提出了一种基于广义同归神经网络(GRNN)模型的再入制导方法.神经网络通过一组选定的轨迹样本进行有导师训练,训练好之后作为控制指令生成器,输入为再入过程中飞行器的状态参数,输出为倾侧角控制量,迎角控制量则由迎角剖面给定.仿真结果验证了该方法在再入...