基于神经网络的高超声速飞行器惯导系统精度提高方法

针对目前惯性系统误差补偿模型对静态误差和动态误差处理能力不足的问题,为适应高超声速飞行器长航时、高精度的惯性导航要求,基于神经网络提出一种加速度计拟合模型。在高超声速飞行器飞行前期有准确的卫星导航信息时,收集导航信息和加速度计脉冲信息,利用神经网络强大的非线性拟合能力,在飞行过程中进行在线训练,得到精确的惯性系统模型。仿真结果表明,在存在逐次通电误差和不考虑二次项误差系数的误差补偿模型方法位置导航偏差在数公里和数百米量级的情况下,相同时间内所提方法的位置导航偏差仅为数十米量级,有效提高了高超声速飞行器的导航精度。     

基于模糊神经网络的气动参数拟合

鉴于模糊神经网络可以充当万能逼近器,以任意精度逼近任何非线性函数,本文用模糊神经网络对气动参数进行高精度拟合。在飞行器轨迹计算中用拟合得到的计算公式计算气动参数,可大大节省计算机时和存贮单元,提高计算精度,仿真实验亦表明了这一方法的有效性和可行性,这在飞行器的轨迹计算中是值得采用和推广的方法。     

基于概率地图方法的无人飞行器快速航迹规划

在复杂大范围环境下,针对可自主导航的低空飞行无人飞行器,设计了一种基于概率地图方法(PRM)的快速规划方法.先采用启发式策略构造概率地图,通过局部规划算法检测路标地图连通性,再应用图搜索算法规划出路径,最后通过剖面规划等优化手段对航迹进行完善.试验表明该方法具有较高的效率和环境适应性,可在单处理器上进行有效的快速航迹规划.     

基于自适应Terminal滑模的空天飞行器再入控制

提出一种基于RBF神经网络的Terminal滑模控制方案,消除通常滑模控制的到达过程,保证跟踪误差在有限时间内趋于零。不需要对建模误差、模型摄动和外界干扰进行各种假设,通过在线调整RBF神经网络的权值来消除它们的影响。最后在高超声速条件下,对空天飞行器再入大气层姿态控制进行仿真,结果表明该方法的有效性。     

空间飞行器分布式通用组合导航仿真平台方案研究

在研制空间飞行器导航系统的过程中,搭建导航仿真平台能够有效地节约成本并缩短研发周期.在模块化、通用化和标准化设计原则的指导下,利用多台计算机和相应的数据总线开发了空间飞行器分布式通用组合导航仿真平台.在空间飞行器导航系统特性分析的基础上,提出了捷联惯性导航系统、GPS、脉冲星导航系统、磁强计和星敏感器组合导航方案,设计了仿真平台的结构,论述了仿真平台的硬件设计、软件开发和算法,并探讨了仿真平台的扩展性能.试验表明该仿真平台能够逼真地模拟空间飞行器导航系统,并为设计者提供有益的建议.     

基于BP神经网络PID参数自整定的研究

PID控制是迄今为止在过程控制中应用最为广泛的控制方法。但在实际应用中，其参数整定仍未得到较好的解决。本文把神经网络技术应用在PID控制中，充分利用神经网络具有非线性函数逼近能力，构造神经网络PID自整定控制器，并通过仿真试验，取得较好的结果。     

基于遗传算法的神经网络两阶段学习方案

一种两阶段学习方案被提出用于神经网络的训练。在第一阶段，让实数编码的遗传算法来代替人解决神经网络结构的选择和初始参数的设定，称之为结构辨识阶段。在第二阶段，让传统的优化算法来解决参数的学习，称之为参数辨识阶段。在整个学习过程，神经网络的复杂度、逼近精度和泛化能力之间得到了满意综合。     

基于数值积分的离散过程神经网络算法及应用

为解决离散过程神经网络的训练问题,提出了两种基于数值积分的离散过程神经网络训练算法.分别采用三次样条积分和抛物插值积分直接处理离散样本和权值的时域聚合运算,采用梯度下降法实现网络参数的调整.以漫湾水电站的月径流数据预报为例,实验结果表明,两种算法性能接近,均优于基于正交基展开的过程神经网络.     

基于DirectX的微型飞行器飞行仿真系统

介绍了一种运行在PC/Windows平台上的微型飞行器飞行实时仿真系统,该系统在VC 6.0编程环境下用DirectX开发。在飞行动力学和运动学仿真中,采用了六自由度全量非线性方程,以微型飞行器的风洞吹风实验数据为依据,考虑了螺旋桨的气动扭矩、陀螺力矩和尾流对微型飞行器的影响,精确地反映了微型飞行器的实际运动特性。应用此飞行仿真软件,除可以进行全面的飞行动力学分析外,还应用于微型飞行器的设计、试飞、侦察评估等方面。     

基于MEMS技术的扑翼式微飞行器的研究

在低雷诺数环境下对长度大约15cm，重量在20～60g的直翅类昆虫的飞行进行了空气动力学的建模研究，对扑翼式微飞行器的系统结构进行了详细的分析论述；通过仿真软件建立了所需要的扑翼飞行机器人的数学模型，并对其进行了仿真研究，从而为扑翼飞行器的研制提供理论依据。     

基于BP神经网络与小波的控制研究

本文利用ＢＰ神经网络对被控对象进行在线辨识以及利用ＢＰ神经网络与小波对被控对象进行控制，通过某电厂过热器汽温为对象仿真验证此方法比一般ＢＰ神经网络效果好     

基于变尺度优化方法的快速神经网络学习算法研究

本文提出一种基于变尺度优化方法的多层前向神经网快速学习算法（ＭＤＦＰ），实验结果表明，这种算法对于加快网络的收敛速度有着显著成效     

BP神经网络算法的改进

本文分析了ＢＰ算法所面临的问题，给出了一种改进算法，说明了它们的原理和应用环境，将它们与传统的ＢＰ算法作了比较，并通过一实例验证：应用改进算法可以大幅度地提高ＢＰ神经网络的学习速度，这对ＢＰ神经网络的应用有较大实际意义。     

神经网络与图论

本文讨论了神经网络与图论之间的相互关系：神经网络的深入研究与发展离不开图论，神经网络的深入发展必将对图论中许多问题的进一步研究产生重要的影响。文中论述了图论在神经网络研究中的作用、地位及应用现状，同时概述了神经网络在图论中的应用情况。     

用于神经网络仿真的模块化并行计算机研究

本文首先介绍了由四个ＴＭＳ３２０Ｃ３０专用ＤＳＰ芯片组成的、带有四端口共享存储器的神经网络仿真模块，然后探讨了它的扩展问题并给出了由此类模块扩展而成的系统结构，最后进行了性能分析。     

用神经网络确定动态系统最优决策

本文提出了用神经网络确定动态系统最优决策的方法，介绍了实现这种人工神经网络的电路，并给出了仿真计算实例。本文提出的方法容易掌握，所设计的神经网络运算速度快、稳定性能好，可用于确定动态系统的最优决策。     

一种基于神经网络的混沌控制方法

将神经网络(NN)与内模控制(IMC)相结合,提出了一种用基于BP神经网络的内模控制进行混沌抑制的方法,该方法既具有内模控制的特点,又引入了神经网络的在线自校正机制。应用所提出的方法,针对Duffing振荡器的混沌控制问题进行了仿真研究,仿真结果验证了该方法的有效性,同时还表明该方法具有很好的鲁棒性与自适应能力。     

An Automatic System of Vehicle Number-Plate Recognition Based on Neural Networks

1. INTroDUCTIONAutomatic recognition of nUmber-plate is basically divided into two processes. The fast process is to locate the.vehicle nUmber-plste. The second process is to recognize the characters on nUInber-plste.NUmber-plate lOcation can be regarded as the most ~enging aspect of nUmber-plate recoghtion. Basically, there are three methods for number-plate location. The first one [1,4] locates nUmber-plste using binaryimage obtained by tblesholding grey-level image. It requires good…     

用神经网络实现线性系统状态估计

本文研究了一种用神经网络解决线性动态系统状态估计问题的方法。使用了动态优化技术设置Ｈｏｐｆｉｅｌｄ网络的加权矩阵。仿真结果显示本文研究的方法具有广泛的适用性。此方法对于大型系统实时估计具有很大的应用潜力。