微扰法配合网络分析仪测试材料的电磁参数

利用网络分析仪连接矩形谐振腔组成材料电磁参数的微扰法测试系统。并根据谐振腔微扰理论,得到小样品装载在样品托中进行电磁参数测试的复介电常数和复磁导率计算公式。对聚四氟乙烯的电磁参数进行了测试,所得结果较为精确,可重复性好,证明此测试系统测试结果稳定可靠。对本测试装置的误差进行了简要分析,指出该测试装置能够满足一般电介质材料,尤其是吸波材料电磁参数的测试需求。     

三维疲劳裂纹扩展的可靠性分析

分析了三维裂纹扩展寿命主要影响因素及其分布形式,构造了正交设计表L49（7^8）来设计各种随机变量对裂纹扩展寿命关系的模拟组合,以这些模拟结果为学习训练样本,采用7-12-1三层BP网络仿真了各种随机因素与裂纹扩展寿命的复杂非线性关系,并研究了计算给定可靠度下扩展寿命和给定寿命下可靠度的分析方法和实现流程。扭力轴表面裂纹算例表明该方法合理可行。     

航空发动机神经网络反步控制方法

针对航空发动机非线性和不确定性的特点,提出了一种基于神经网络的反步控制方法.采用径向基神经网络估计未知系统方程,并用一种平滑切换法有效避免了控制器奇异问题.反步法的设计基于Lya-punov稳定性原理,保证了闭环系统一致渐近有界.最后针对某型涡扇发动机非线性模型设计了高压转速控制器,仿真结果验证了该方法的有效性.      

基于参数辨识原理的飞机参数分析及算法研究

提出一种在飞机概念设计中基于参数辨识理论的设计参数分析方法。在给定的设计重量和任务剖面要求下,利用基于物理的运动方程和动力学方程模型辨识出飞机气动力参数,并在总体性能评估的基础上进行设计参数分析,给气动设计提供了设计参考;在辨识过程中针对参数可行域离散度很高使得很难收敛到Pareto解的问题,提出了将神经网络预测模型融合到遗传操作过程,使得尽量在可行域内搜索。最后通过对某客机进行算例分析,表明基于辨识理论的参数分析方法和改进的算法是合理和可行的。与一般经验公式方法相比,该方法对布局类型的限制较小,在满足概念设计参数分析准确度要求的条件下能够为下一步的气动设计提供设计指标。     

基于压电传感网络的结构健康监测扫查系统的设计及实验研究(英文)

基于主动Lamb波和压电传感器网络的结构健康监测技术是一种评估航空结构健康状态的有效方法。在实际应用中,监测大型结构需要使用压电传感器网络。扫查这些压电传感器网络中的压电激励-传感通道以达到在线的结构健康监测是非常重要的。基于PXI(PCI eXtensions for Instrumentation)平台,研发了一套基于主动Lamb波和压电传感器网络的集成多通道扫查系统,该系统结构紧凑、便于携带,能大规模自动扫查激励-传感通道并进行损伤评估。提出和讨论了该系统中:4通道PXI程控增益电荷放大器的实现、支持276个激励-传感通道的外部扫查模块和集成的结构健康监测软件的实现。最后,主要讨论了系统在某型无人机碳纤维复合材料机翼盒段上的功能验证实验,包括:压电贴层的设计、激励信号频率的选择方法、损伤成像的功能性测试、系统稳定性测试和载荷对信号的影响。实验结果验证了该系统的稳定性和损伤监测功能。     

无线传感器网络分析管理平台设计

在现有无线传感器网络系统的基础上,设计开发了一种无线传感器网络分析管理平台。该平台提供了多种形式的用户接口,包括拓扑树视图、节点列表、实时曲线图显示和数据管理等功能,使用户可以直观、方便地获取传感器采集的数据,在此基础上进行管理操作,以满足用户在研究和应用无线传感器网络时的需求,并给出了平台主要功能的实现方法和关键代码。     

人工神经网络在数模混合电路故障诊断中的应用

以某导弹测试设备功能模块电路的故障诊断为例,研究了神经网络方法在数模混合电路故障诊断中的应用,着重研究了基于仿真的故障模式获取方法及基于Matlab的网络训练方法。经过验证,该方法能够快速、准确地定位故障。     

高性能战斗机机动动作优化控制研究

应用轨迹优化方法研究了高性能战斗机机动动作的最优控制问题。采用质点运动方程，以多层神经网络完成气动系数拟合，编写了基于最大值原理的优化程序，给出了优化结果，并据此对过失速机动的使用和控制进行了初步分析，结果表明，对特定的始末端状态，过失速机动能力能够缩短机动时间，但是进入过失速的深度与收音机推重比有关。     

刀具磨损估计的多传感器融合神经网络方法研究

研究了利用声发射、振动和电机功率信号经BP算法信息融合估计刀具磨损量的方法,采用简单有效的灰色模型关联分析法选择特征参数,研究了网络参数对性能的影响以及网络性能的稳定性。     

纠错码与神经网络

从两个方面推广了Bruck和Blaum的工作。一方面,证明了在软判决译码的情况下,线性分组码的最大似然译码等价于一个神经网络收敛于它能量函数的全局极大状态。另一方面,对GF(p)上的线性分组码,构造了一个联想记忆神经网络,使得每一个线性分组码的码字都对应于神经网络的一个全局稳定状态。