多元受限的地面等待策略问题研究

多元受限的地面等待策略即飞机地面等待时间的最优配置,是空中交通管理系统具有的最重要功能之一,是空中交通流量控制中战略管理的重要内容。最优配置旨在减少或消除飞机的空中等待延时,提高空中交通流量。本文在单机场受限地面等待策略问题的基础上,研究了确定容量条件下的多元受限地面等待策略问题,建立了数学模型,并提出了一个启发式和专家系统相结合的流量管理新算法。论文最后利用广州区域某日典型的航班飞行实际数据,对     

全包线内航空发动机参数估计的神经网络实现

介绍一种特殊的前向神经网络——自联想神经网络（Ａｕｔｏａｓｓｏｃｉａｔｉｖｅａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔ－ｗｏｒｋｓ,ＡＡＮＮ）,然后将发动机参数在全包线、大范围工况下的变化规律与神经网络的非线性映射能力结合起来,开展了将ＡＡＮＮ应用于发动机全包线、大范围工况下参数估计的仿真研究。本文提出的选取测量矢量加入样本集的ＥＭＰ方法,有效地减少了样本集中样本矢量的数目,简化了网络的训练。用ＥＭＰ方法在全包线内仅用７４６组测量矢量作为样本集,在网络训练好后,任选包线内的一工况点作为算例运行发动机模型,所得各参数的稳态估计及动态估计的平均百分比误差＜０．５％。仿真结果表明,上述的参数估值方法是可行的,为进一步实现对发动机控制系统传感器的状态监视和故障诊断打下了基础。     

智能PID调节器

介绍一种智能化ＰＩＤ调节器，它以ＭＣＳ－５１系列的８０３１单片机为处理器，配合其他外围芯片（如ＲＡＭ，ＥＰＲＯＭ，ＤＡＣ和ＡＤＣ等）构成。该调节器外部接口简单，实现了模拟量的直接输入和输出，可以方便地和各类模拟的检测和控制仪表相配合，组成不同的过程控制系统。调节器的于ＰＩＤ算法采用的是变速积分的ＰＩＤ位置算式，有效地消除了一般ＰＩＤ算法中出现的诸如快速性、积分饱和、振荡剧烈等问题，调节效果较好。本调节器操作方便、显示直观、工作可靠、精度高。本文介绍了该系统的硬件和软件的设计。     

BACKGROUND KNOWLEDGE AND SECONDARY KNOWLEDGE BASES IN LEARNINGS YSTEMS

讨论了背景知识和领域理论在学习过程中的作用，强调了学习系统中背景知识的重要性。文中介绍了一个以领域理论为主知识库、以背景知识为二级知识库的基于解释的学习系统，说明基于解释的学习系统如何利用背景知识克服不完全的领域理论带来的问题，使其能通过纯演绎的方法实现知识级的学习。最后，本文还简单讨论了学习系统中背景知识的获取方法。     

基于深度神经网络的航天器姿态控制系统故障诊断与容错控制研究

针对传统航天姿控系统故障诊断与容错控制诊断精度及控制分配效率较低的问题,提出了一种基于深度神经网络的航天器姿态控制系统故障诊断与容错控制方法。以控制力矩陀螺为执行机构的航天器发生执行机构故障工况时,所提出的方法可保证鲁棒的姿态控制。首先,利用三个异构深度神经网络实现传统容错控制器的故障诊断、姿态控制和力矩分配等功能,建立了全神经网络的智能自适应容错控制器架构。然后,对三个神经网络的网络层数、神经元数目和激活函数等参数进行优化调整,对比分析了神经网络参数对控制器性能的影响。最后,对所提出的新型控制器在控制力矩陀螺发生故障时的控制精度和鲁棒性进行了仿真验证。仿真结果表明,对于具有冗余控制力矩陀螺的航天器,提出的方法不仅能在单一陀螺故障下实现高精度的容错控制,也能在发生多陀螺故障时保证一定的姿态稳定控制。     

拟合带间歇性的人工风速序列

研究生成既满足给定的工程谱特性，又具有间歇性结构的风速序列作为结构气动计算的输入。生成大气边界层紊流的人工风速序列是做结构风振计算的重要步骤，目前的方法都是生成高斯序列；实际的大气边界层紊流具有多尺度多层次的非高斯结构，集中体现在所谓“间歇性”上。利用余振苏与Leveque提出的对数泊松律模型产生各尺度的小波系数，可以在拟合目标风速谱的同时引入湍流间歇性，通过小波逆变换生成单条风速序列，再用拟合周期图的思路扩展为多重相关序列。     

基于人工神经网络的航空火控系统故障诊断

提出了航空火控系统故障问题的描述方法 ,并给出基于人工神经网络的故障诊断的知识表达、网络结构和训练算法 ,此法对其他装置故障诊断也有一定的参考价值。     

空中交通流量管理中的多元受限地面等待策略问题研究

在单机场受限地面等待策略问题的基础上,研究了确定容量条件下的多元受限地面等待策略问题,建立了数学模型,提出了一个启发式和专家系统相结合的流量管理新算法。通过对广州区域空中交通流量的仿真计算,验证了该算法实际应用的可行性。     

基于非线性预测的逆传播神经网络算法优化策略研究

逆传播神经网络算法是人工神经网络用于非线性预测的主要学习算法。它具有思路清晰，结构严谨，操作性强等特点，但同时也存在预测精度低，收敛速度慢等问题，本文从神经网络模型的结构出发，对学习算法提出了一系列改进和优化措施，以加快网络的学习速度，并增加模型的稳定性。     

智能故障模式影响分析的推理研究

介绍了应用神经网络和专家系统技术,依托专家知识,基于功能/硬件而建立的功能关系模型图进行推理的智能故障模式影响分析系统。详细论述了其故障模式选择推理模型和应用神经元网络及其扩展技术建立的产品故障模式影响分析推理模型,并对推理流程进行了详细的描述。此外,对其系统结构、各组成部分的相互关系,及系统的功能流程也作了简要的论述。