基于人工神经网络的辐射源威胁评估方法

介绍一种基于神经网络的辐射源威胁评估方法。首先引用了一种新的归一化效用函数 ,把不同类型 ,不同量纲的原始评估数值转换到〔 - 1 ,1〕区间 ,该效用函数较好地体现了“奖优罚劣”的原则 ,同时对于神经网络又更容易学习和训练 ;其次建立了基于神经网络的辐射源威胁评估模型 ;最后介绍了应用该方法对多个辐射源进行威胁评估的实际应用。     

基于BP人工神经网络的GPS／SINS组合导航算法

基于扩展Kalman滤波的GPS／SINS组合导航算法，需要对原始的非线性连续系统模型进行线性化和离散化处理，要求系统噪声和测量噪声为零均值的高斯白噪声，且易于出现滤波器发散。BP人工神经网络毋需对所求解的问题建模，能够很好地逼近系统非线性特性，获得较高精度的导航定位信息；还具有计算过程稳定，不涉及矩阵求逆，不需要迭代逼近，以及容易实现并行处理等优点。本文设计适用于GPS／SINS组合导航系统的BP网络模型，并在标准的BP算法基础上，采用共轭梯度法改进网络训练速度及精度。最后，通过仿真算例说明BP网络方法用于GPS／SINS组合导航计算的可行性。     

发动机气路参数故障诊断法在EMS中的应用

论述了气路故障诊断技术在发动机状态监视与故障诊断系统(EMS)中的应用,着重阐明了趋势分析法、部分性能分析法、部件特性修正法、动态参数分析法、人工神经网络法、专家系统等气路故障诊断法的基本原理、功能及其局限性,并分析了今后可能的发展趋势和应注意的问题。     

基于人工神经网络的停机坪安全预警研究

停机坪是机场的重要组成部分,停机坪安全是机场安全关注的重点。影响停机坪安全作业的要素有很多,通过对这些要素进行监控和预警,可以减少停机坪的安全隐患,保证机场正常运行。根据济南遥墙机场的主要数据,运用因子分析法对影响停机坪安全的主要因素进行分类,提取公共因子。并运用人工神经网络（ANN）方法,对这些公共因子进行神经网络训练和预测分析,最终得到遥墙机场停机坪的安全情况。     

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

基于复合弯掠技术的轴流风机叶轮优化

基于叶轮机械全三维优化设计平台NUMECA/Design 3D,采用人工神经网络和遗传算法相结合的方法,通过复合弯掠技术对一低压轴流风机叶轮空间弯掠积叠线进行三维优化设计。优化目标为在设计工况点保持风机流量不变,尽可能提高气动效率和全压升。结果表明:复合弯掠优化使叶轮设计工况点的效率和全压升分别提升约1.92%和3.98%。复合弯掠优化使叶片负荷重新分布,改善了叶顶和叶根区域的流动,同时抑制了叶轮近吸力面叶根角区的流动分离和减小了叶顶泄漏涡的强度和影响范围,降低了流动损失,提高了叶轮气动性能。     

基于BP人工神经网络的离心压气机叶轮多目标优化设计方法

利用Concept NREC软件建立离心压气机叶轮设计样本库,借助BP（back propagation）人工神经网络建立样本库中各设计参数与压气机性能之间的关系,接下来以多目标遗传算法寻找Pareto解,从而获得离心压气机叶轮最佳设计参数.将该方法应用于Krain叶轮设计工况,所得叶轮的效率、压比较Krain叶轮原型分别提高1.4%和10.9%.通过对人工神经网络模型可靠性的讨论、多目标优化模型的主成分分析和所设计叶轮性能的CFD验证,证明了所构建的目标函数与所获得的Pareto解集的合理性,说明本方法可以有效应用于在离心压气机设计、选型.      

X射线脉冲星信号时延的实时估计方法

针对在频域内计算X射线脉冲星信号延时量存在滞后性,进而难以为航天器自主导航提供实时信息的问题,提出将脉冲星信号延时估计转化为时域内标量估计的方法。首先,通过人工神经智能网络获得脉冲星信号的标准轮廓函数作为状态方程;应用粒子滤波算法对脉冲星信号延时量进行实时估计;其次,为了避免标准粒子滤波器中的粒子退化现象,推导并证明了一种新型粒子滤波算法;最后,推导出粒子滤波算法的精度函数,为航天器的导航策略提供参考。以航天器在轨运行中可能遇到的3种情况为背景,验证了所提粒子滤波算法的正确性与有效性。     

基于室内无线模型的穿墙损耗校正

K-M（Keenan-Motley）模型将单墙固定损耗值相加来计算室内无线信号穿透多墙的总损耗值,存在较大误差。针对该问题选取多种室内场景分别进行连续波（Continuous Wave,CW）测试,对无线信号穿墙损耗的影响因素和变化规律进行分析,提出了一种基于人工神经网络的室内无线模型穿墙损耗校正方法,对预处理后的测试数据进行训练并建立预测模型。经验证该预测模型符合校正判别准则,在实际场景下具有良好的预测准确度。