基于神经网络的自修复飞行控制系统故障认定

间接自修复飞行控制系统的维护诊断信息来源是故障检测,它的缺点是控制的实时性与检测精度难以协调.直接自修复飞行控制系统取消了故障检测模块,但是需要进行控制系统的故障认定.本文利用直接自修复飞行控制系统的补偿信息训练神经网络来进行故障认定和二次故障认定,使故障认定算法处于告警实时性级别,从而提高认定精度.故障飞机自修复飞行仿真结果表明,文中所采用的神经网络故障认定方法是行之有效的.此飞行仿真系统通过了自修复飞行仿真平台的验证,为飞行维护诊断信息获得和驾驶员告警提供了一种新思路.     

基于神经网络的模型参考自适应逆飞行控制

针对飞行安全控制问题,结合动态逆方法和神经网络理论,提出了一种基于改进BP神经网络的模型参考自适应逆控制方法,应用到飞行控制系统中。该方法在控制器中引入神经网络算法,在经典BP神经网络控制算法的基础上,使用遗传蚁群算法优化神经网络参数,在线调整网络的权值和阈值,避免了传统梯度下降法的缺点,提高了自适应算法的效率,达到了抗干扰的目的。从而改善了飞机飞行稳定性和操纵性。在波音747—100/200飞机模型上仿真实验表明了该方法的可行性和鲁棒性,能够保障飞行安全。     

基于改进WOA的输电线路故障分析

针对传统支持向量机数据识别分类准确率较低的问题，设计一个改进鲸鱼算法，优化支持向量机识别输电线路故障.通过Simulink仿真搭建电网模型，提取输电线路故障特征，进而使用支持向量机识别故障；利用立方混沌映射初始化种群，引入自适应惯性权重，并把对数螺旋方程中的b设置为动态值以改进鲸鱼算法，并与传统算法进行比较.结果表明：改进鲸鱼算法对输电线路故障分类的鲁棒性强、计算效率高、寻优能力强.     

基于莱维飞行和布朗运动的鲸鱼优化算法

针对鲸鱼优化算法存在的求解精度不高、收敛速度较慢和易陷入局部最优等缺点，设计了一种基于莱维飞行和布朗运动的鲸鱼优化算法.先利用莱维飞行方法对鲸鱼种群进行初始化，以增加初始种群的多样性；再根据布朗运动原理对鲸鱼种群的位置更新进行随机扰动，以避免算法提前陷入局部最优.将改进的鲸鱼优化算法与鲸鱼优化算法、粒子群优化算法、遗传算法和蚁群优化算法在7个不同的基准测试函数上进行对比测试，结果表明，改进的鲸鱼优化算法在求解精度、收敛速度方面均优于其他4种算法.对初始化阶段采用莱维飞行策略的改进鲸鱼优化算法与采用随机搜索策略的鲸鱼优化算法的初始解探索范围进行仿真对比实验，结果表明，改进鲸鱼优化算法一定程度上可以避免陷入局部最优.     

基于优化广义回归神经网络的碟式太阳能温度预测研究

为了解决用传统数学模型预测碟式太阳能集热器出口温度过于复杂的问题,采用广义回归神经网络算法对太阳能集热器出口温度进行预测,引入交叉验证算法对神经网络模型进行优化,进一步提升预测的准确性,通过Matlab软件建立基于优化广义回归神经网络的蝶式太阳能出口气温预测模型.根据碟式太阳能光热系统试验平台的试验数据对所建立的模型进行了测试,预测结果符合预期,这表明优化后的广义回归神经网络能够实现对蝶式太阳能集热器出口气温的有效预测.该模型具有一定的应用前景,为预测模型研究提供了一个新的思路.     

一种基于BP算法的融合神经网络

针对水电仿真系统水机温度建模中存在非线性动态数学模型问题,提出了一种采用融合神经网络的温度模型·并且为消除应用中神经网络训练速度慢、容易陷入局部极值的影响,采用了可变学习速度的VLBP算法作为更新网络梯度和权值的算法·在该模型的实际应用中,首先设置多个传感器采集温度参数,然后使用采集数据对神经网络进行离线训练,而后使用训练完成的网络对水机温度参数进行实时在线预测·通过现场数据和网络预测数据的对比分析,证明该模型的实际准确率可达96 5%,可以满足实际仿真的要求·     

飞机纵向姿态传感器故障鲁棒容错控制

通过研究飞机纵向受力,建立了飞机在高空定速巡航过程的纵向运动模型.针对飞行过程中可能出现的传感器故障和系统参数摄动,考虑跟踪控制问题,利于跟踪误差对系统模型进行增广,在构建状态观测器的基础上,设计了飞机纵向姿态传感器故障鲁棒容错控制器.仿真结果表明,当传感器发生故障时,飞机系统能够迅速稳定,具有满意的稳态和动态性能以及良好的鲁棒性.     

高原机场中断起飞决断速度计算与分析

针对现有的飞行理论对中断起飞决断速度计算研究不足并且计算方法单一的问题,利用Matlab/Simulink仿真平台构建了中断起飞距离计算模型,通过计算不同飞行条件下不同故障速度的中断起飞距离,得到大量的训练样本。建立三层神经网络模型,以飞行条件和中断起飞需用长度为输入量,故障速度为目标量,对神经网络模型进行训练,直到均方差达到要求。将神经网络运算结果、仿真平台运算结果、手册数据进行对比,证明了提出的利用神经网络计算起飞决断速度的方法是有效的。利用神经网络,对海拔高度、飞行质量、温度、风速、跑道可用长度变化对中断起飞决断速度的影响进行了分析,给出了相关曲线。本文使用的神经网络方法精度较高,计算也比较便捷,可以应用到其它机型在不同条件下的中断起飞决断速度计算中,具有一定的实用价值。     

用户电力控制器神经网络控制分析

针对电力系统模型及运行参数不确定性 ,在用户电力控制器中引入神经网络控制策略 ,应用神经网络设计了线性控制器 ,所提出的神经网络采用改进BP算法 ,改进BP算法比传统BP算法多了两个变量 ;学习速率和动量因子。将计算得的补偿电流经过神经网络训练实现预定目标 ,由MATLAB仿真结果可观察到经神经网格控制的用户电力控制器可实现系统侧的控制目标。并且其控制算法更为简单、有效。     

基于RBF的碟式太阳能集热器温度预测研究

影响碟式太阳能集热器出口温度的因素较多,采用传统数学方法模拟较为复杂.利用RBF神经网络建立碟式太阳能集热器出口温度预测模型,为提高RBF的预测精度和学习效率,采用最近邻聚类算法选取基函数的中心,应用实际数据进行网络训练,网络预测结果较为准确.将本算法与传统的RBF神经网络进行仿真预测对比,本算法的结果和算法学习效率都要好于传统的RBF神经网络,验证了该算法的可行性和有效性.     

基于模糊免疫神经网络PID算法的全向底盘控制方法

针对全向底盘控制的实际需求,提出了基于模糊免疫神经网络PID算法的智能控制方法。首先根据神经网络算法和模糊算法的结构特点建立了模糊神经网络模型,并使用误差反向传播的方法对模型进行训练;然后使用免疫算法确定学习率,实现了对PID参数的动态整定,并对底盘路径跟踪控制器参数进行整定,以实现对底盘的精确运动控制;最后建立了底盘的运动学模型,基于Matlab平台进行了相关算法的仿真,并基于Linux Ubuntu系统下Tensorflow框架搭建并训练了神经网络模型,进而实现了整体算法。轨迹跟踪试验表明:当底盘沿不同方向以5 m/s的速度进行轨迹跟踪时,最大误差为4.88cm,平均误差为0.25cm,该算法能够有效地对底盘进行控制,满足全向底盘控制的要求。     

具有混沌机制的模糊神经网络非线性系统建模研究

针对常规的BP算法收敛速度慢及容易陷入局部极小的缺点,在该算法中引入具有混沌机制的非线性自反馈项,给出了混沌BP算法,并利用其训练和学习模糊神经网络中的权值,从而构成一种引入型模糊混沌神经网络;最后,用提出的引入型模糊混沌神经网络对非线性系统进行仿真研究,仿真结果表明,所设计的引入型模糊混沌神经具有与混沌动力学特性同样...     

基于鲸鱼算法优化LSSVM的铣刀磨损监测

为解决铣刀磨损状态监测问题,提出一种改进的鲸鱼算法优化最小二乘支持向量机的状态识别方法.首先,采用变分模态分解处理铣削过程中的振动信号,分解得到的固有模态分量进行特征提取;然后,针对鲸鱼算法易陷入局部最优解、收敛精度低的问题,引入混合反向学习算法和非线性收敛因子进行改进,并采用基准测试函数验证改进后的鲸鱼算法的有效性;最后,将改进的鲸鱼算法优化LSSVM模型应用于铣刀磨损状态识别仿真实验.实验结果表明,相较于粒子群算法与传统鲸鱼算法,改进的鲸鱼算法优化LSSVM具有更高的识别精度.     

模型基预测方法研究

针对民航飞机飞行特点,建立了飞机飞行模型,提出了基于飞行模型的预测方法。将该算法应用于中国民航空中交通管制现代化系统和大型空地协同分布交互仿真系统ＤＡＧＩＳ中,实验结果表明该方法较一般的线性预测算法更准确。     

改进BP神经网络在发动机性能趋势分析和故障诊断中的应用

针对常规BP神经网络参数的经验式取值方法以及收敛速度慢,容易陷入局部最小点等缺陷,设计了一种改进的神经网络系统,利用蚁群算法优化神经网络连接权初值,并采用LM算法对人工神经网络进行训练,提高了网络的收敛速度,降低了训练误差。将其应用于某型利用ACARS报文实时获取飞机性能参数的发动机趋势分析和故障诊断中,可以快速准确地实现对发动机的性能趋势分析和复杂故障的诊断。最后通过仿真,对算法进行检验,结果表明改进算法的诊断置信度比改进前高。     

基于免疫神经网络的水泥分解炉温度控制

通过对水泥分解炉的特性进行分析，确定了出口气体温度的数学模型。用BP神经网络建立水泥分解炉的控制系统，通过控制煤量和风量来使出口气体的温度保持在规定的范围内。针对BP神经网络通常权值更新方法中出现的收敛速度慢、易陷入局部最优值问题，利用改进的免疫算法来优化神经网络的权值。仿真结果表明该温度控制系统优于通常的神经网络PID控制系统，并具有良好的可靠性、自适应性和鲁棒性。     

仪表飞行仿真系统的实现

为缩短训练飞行员的周期,提高训练飞行员的质量,设计并实现了一种仪表飞行仿真系统。对系统中使用的各种技术进行了深入的研究,包括应用系数构造法实现空气动力学模型,采用基于组件的方式实现控制系统模型部分,应用树形结构组织管理各种数据以及使用XML(extensib le M arkup Language)语言定义配置文件等。在控制系统部分还给出应用基本控制组件实现PID(Proportional Integral Derivative)反馈控制器。这种基于组件的方式有效地提高了控制系统的灵活性及可扩展性。该仪表飞行仿真系统已应用到国产某型号飞机飞行员训练中,如果不加控制信号,可保持平飞状态30 s左右,非常接近实际飞行状态。实践证明,该系统在实时性和仿真度等方面均符合需求。     

改进的BP神经网络在故障诊断中的应用

针对传统BP算法存在的收敛速度缓慢和易陷入局部极小值的固有缺陷,提出用具有全局搜索能力的模拟退火算法优化BP神经网络,避免陷入局部极小值,提高网络的稳定性;引入Powell算法优化模拟退火算法,加快网络的收敛速度.最后,以齿轮箱故障诊断为例进行仿真试验,结果表明改进后的BP神经网络比传统BP神经网络的训练收敛速度快、精...     

淡化器仿真与设计

对于现代电传操纵系统的飞机,为了满足飞机不同飞机任务或故障下的需要,减轻驾驶员的工作负担,会采用不同的控制系统,称为多模态控制.模态转换时,由于系统特性的改变,可能会使飞机响应在变换前后出现不利的急剧变化的瞬态响应,在飞行控制系统中抑制这些瞬态响应的算法称为淡化器.首先分析淡化器设计影响因素,建立了转换过程仿真模型,提出了淡化器实现模态转换的数学表达式,并使用实例对常见的三种淡化器进行仿真比较,最后提出一个用于选择淡化器的量化指标,可辅助选取淡化序列.     

基于BP神经网络的小电流接地故障选线方法

针对电力系统出现的小电流接地故障,提出一种利用BP神经网络对暂态主频分析的选线方法.该方法提取各出线初始零模电流暂态主频的实部、虚部,利用BP神经网络实现故障线路的选取.使用建模软件ATP-EMTP建立小电流接地故障模型,对各条线路分别设置不相同故障状态(故障距离、过渡电阻和故障初相角)进行仿真,得到BP神经网络所需训练样本和测试数据,利用MATLAB进行编程实现神经网络的学习与训练,实现非线性映射.再利用训练好的神经网络模型对小电流故障接地故障进行选线.仿真结果表明,采用本方法可以很好地完成小电流故障接地系统的选线.