基于人工神经网络的燃速相关性研究

采用基于误差反向传播算法(BP算法)的人工神经网络技术,通过一维模型的分析计算,表明了该方法应用于燃速相关性研究是可行的,且具有更好的稳定性;初步建立了的燃速相关性二维模型,考虑了发动机尺寸效应对燃速的影响,并利用试验数据进行了验证,结果表明二维模型有较高的燃速预示精度。可以利用该方法开展燃速相关性分析。     

基于网络中心战的空战理论分析

介绍了一种新的空战理论--基于网络中心战空战的基本原理,分析了它的特点,并比较了基于网络中心战空战和早期空战及基于平台中心空战的优劣,给出了基于网络中心战空战的系统结构,列举了基于网络中心战空战应用的总线型结构,分析了基于网络中心战空战的全新空战理论.     

基于BP网络星图识别的样本构造方法

星敏感器是一种高精度的姿态敏感测量系统，如何确定星敏感器上像点在摄影时刻所对应的恒星，即星图识别，是姿态测量的关键。本文根据星图识别问题本身的特点和神经网络技术的特性，提出了基于BP网络星图识别方法的一种可以兼顾性能和效率、利于实现的样本构造方法。     

欧美航空自由化进程与中国民航应对策略

研究了美国和欧盟航空自由化进程和放松管制的特点，结合中国民航的发展现状和经济形势，论述了中国民航国内航空运输自由化的趋向，提出了有关的工作原则和方法。     

基于自适应神经网络的非线性飞控系统设计

将动态逆理论、神经网络和自适应控制相结合应用于非线性飞行控制系统设计中，通过动态逆控制律将非线性耦合系统转换为线性解耦系统，采用具有在线学习能力的神经网络来补偿反馈线性化中存在的逆误差，最后利用李亚普诺夫稳定性理论推导了在线网络权值的自适应调整规则。仿真结果表明，这种控制结构具有良好的跟踪能力和极强的鲁棒性。     

基于改进BPNN复合材料层合板损伤识别

将B样条小波展开技术提取的损伤特征值作为改进BPNN输入进行学习与识别,识别结果显示该方法能够对复合材料层合板多种损伤进行快速准确的识别。     

基于粗糙集理论的航空发动机故障诊断

在利用神经网络诊断航空发动机故障的过程中,引入粗糙集理论和方法,对故障诊断特征参数属性进行属性约简,剔除其中不必要的属性,从而揭示了故障诊断条件属性内在的冗余性,降低了神经网络构成的复杂性,最后给出了属性约简的结果。     

基于模糊模型的鲁棒自适应重构飞行控制

提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。     

实时网络系统可靠性建模研究

针对实时网络系统对任务完成时间有严格约束的特点,首先建立了实时网络系统中的任务模型,然后通过在网络系统可靠性模型中引入时间权函数建立了基于任务的实时网络系统可靠性模型,建立了系统的可靠度矩阵,最后针对JAST计划中的航空电子蝶型网络给出了建模实例。     

基于人工神经网络的磁航向误差校正方法

介绍了前馈神经网络的特点和基于递推预报误差(RPE)的训练算法,利用前馈神经网络对某航向同步传输系统的磁航向误差进行了校正,并给出了实验结果.