泵控缸电液位置伺服系统建模研究

针对泵控缸电液位置伺服系统存在非线性和时变性,从而难以对其精确建模的问题,研究了该系统机理建模和智能建模的方法.通过实验仿真表明,机理建模精度低、泛化能力差;模糊建模和BP神经网络建模可较好的拟合系统固有的非线性和时变性特性;基于遗传算法的BP神经网络较好的解决了BP神经网络易陷入局部最小的问题,具有建模精度高、泛化能...     

基于SA-GA-BP 的某爆破扫雷器电液伺服系统建模

为解决电液伺服系统的液压元件存在非线性时变性等不确定因素,使得难以对其建立精确模型的问题,提出一种基于模拟退火遗传算法(simulated annealing genetic algorithm,SA-GA)优化BP神经网络的建模方法.利用模拟退火算法(simulated annealing algorithm,SA)的概率跳变能力克服遗传算法(genetic algorithm,GA)存在的早熟现象,在此基础上采用模拟退火遗传算法的全局寻优能力优化BP神经网络的权值和阈值.以某型爆破扫雷器电液伺服系统为例,利用所提方法对系统进行离线辨识.仿真结果表明:基于SA-GA-BP神经网络的建模方法能很好地拟合系统固有的非线性和时变性特性,所提方法是有效的.     

灰色神经网络在空舰导弹寿命预测中的应用研究

结合灰色理论与BP神经网络建立了灰色神经网络组合预测模型.该模型有效地将灰色理论弱化数据序列波动性的优点和神经网络特有的非线性适应性信息处理能力相融合.利用三种灰色模型及灰色神经网络模型对某型空舰导弹某电子设备的失效时间进行预测,研究结果表明灰色神经网络预测效果明显优于灰色模型,是一种实用的且精度较高的预测方法.     

基于BP 神经网络的风洞传感器非线性误差修正方法

针对风洞试验时传感器测值受到非线性误差干扰的问题,提出基于BP神经网络的风洞传感器非线性误差修正方法.利用BP神经网络强大的非线性映射能力,通过神经网络模型融合传感器校准数据对传感器的测量误差进行计算,并根据网络计算误差对传感器测值进行修正.试验结果表明:该方法能有效地减小非线性误差对传感器测值的影响,提高传感器的测量精度.     

敏捷性导弹的神经网络控制

研究了具有超机动能力的敏捷性导弹在大迎角状态下的神经网络非线性控制系统。利用神经网络逼近非线性函数的能力学习敏捷性导弹高度非线性动态特性的逆动态特性，得到对参数变化及末建模动态具有较好鲁棒性的控制方案。     

神经网络用于非线性动力学系统建模研究

文中利用先验知识和神经网络黑箱建模相结合的杂交建模方法对一类滞后非线性系统进行建模研究。由先验信息得到非线性动力系统模型的确定部分,神经网络对系统未确定部分进行建模。文中以系统恢复力网络模型和恢复力的杂交模型为例进行仿真研究,说明杂交模型物理结构明确,网络参数少,运算量小,精度较高。     

利用BP神经网络预测BT20钛合金的流动应力

为建立BT20钛合金(Ti6Al2Zr1MolV)的流动应力预测模型,通过热压缩试验获得其流动应力曲线,并对BP神经网络的算法进行改进,实现BT20钛合金的流动应力的准确预测。研究表明:采用人工神经网络(ANNs)预测流动应力不需要考虑材料特性,有效地避免了传统经验或回归本构模型由于假设和简化带来的误差,并且神经网络具有很强的非线性离散数据处理能力,选取合适的网络模型(主要是隐层数及隐层单元数),输入足够的样本数据对神经网络进行训练即可获得令人满意的预测精度;采用含两个中间层,网络结构为3×16×14×1的改进BP神经网络模型能够较为准确的预测BT20钛合金的流动应力,计算效率较高,该预测模型可作为其塑性成形过程有限元模拟的本构关系。     

基于BP神经网络算法的自动驾驶仪设计

基于经典的三回路自动驾驶仪结构,采用BP神经网络算法进行自动驾驶仪的设计。BP神经网络算法的运用使所设计的自动驾驶仪能够针对非线性、时变的气动特性自适应地调整控制参数,简化了设计过程,并给出了相应的仿真结果。     

某装备扫雷犁系统的遗传神经网络建模研究

提出了一种基于遗传算法的径向基神经网络设计方法,对具有复杂非线性特征的某装备扫雷犁系统进行了建模研究。在神经网络设计过程中,采用遗传算法确定神经网络的中心参数,提高了建模精度,采用最大距离法确定宽度参数和采用最小二乘法确定权值参数,减轻了算法的计算量,从而实现了快速准确的扫雷犁系统的神经网络建模。与其它神经网络建模方法的比较,验证了本文提出方法的有效性。     

光电经纬仪不规则点阵的识别方法

在电子经纬仪测量过程中，点阵图像经常出现不规则的形状，导致识别误码率很高．基于BP神经网络技术，提出了一种适合各种形态点阵特性的识别方法，以增强对不规则点阵和图像噪声的适应能力，从而提高点阵识别的精度．实验结果表明，这种方法具有较高的抗干扰性和抗畸变能力，准确率高，满足事后数据处理要求．     

BP神经网络在装备保障性评估中的应用

通过分析装备保障性的影响因素,建立装备的保障性评估指标体系;由于装备保障性影响因素与保障性评估结果存在非线性关系,而BP神经网络可以逼近任意的非线性映射,因此将BP神经网络引入到装备保障性评估中,并建立BP神经网络评估模型,解决装备保障性这一类非线性评估问题;仿真结果表明:该评估模型可以准确有效地评估装备保障性,为提高装备保障能力提供有益的借鉴。     

一种改进的灰色BP 神经网络预测模型

为提高灰色GM(1,1)模型的预测精度和BP 神经网络的映射能力,提出一种改进的灰色BP 神经网络预测 模型。通过分别对灰色系统理论和BP 神经网络2 种模型进行改进,再串联组合成新的预测模型,并结合实测数据 进行仿真试验。结果表明：改进后的模型能兼具二者优点,预测精度有较大提高,相对误差减小,运算速率更快。     

基于经验模式分解与BP神经网络的柴油机失火故障诊断

针对柴油机燃烧过程复杂影响因素众多,失火故障的识别存在较大的困难,研究了基于经验模式分解与BP神经网络对振动信号进行分析诊断失火故障的方法。首先运用适于非周期、非平稳信号分析的经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后建立了BP神经网络模型对柴油机失火故障进行诊断;最后通过对某型柴油机的正常与失火状态的准确判别,表明了该方法的有效性。     

基于人工神经网络的红外探测效果评估

红外探测设备是红外系统中的重要组成部分,对其性能评估具有实际意义;分析研究了影响红外探测效果的主要因素,选取环境温度、相对湿度、能见度、辐通量、目标高度和探测距离为评价指标。针对神经网络良好的非线性映射功能及高精度的特点,构建了BP网络评估模型;实验表明:该方法简单有效,评估精度较高,具有很强的实际应用价值。     

神经网络在传感器非线性参数识别中的应用

传感器的动态特性模型一般可以表示为一个线性环节与一个非线性环节的级联形式，利用神经网络的自适应性、任意非线性函数逼近的优点，以多项式函数代替常用的S－函数，运用改进的BP算法可以辨识出传感器动态特性模型的非线性参数。仿真结果表明了这一方法的可行性。     

基于神经网络的风洞马赫数预测控制仿真研究

针对2.4 m跨声速风洞很难用精确的机理模型表示系统的动态特性的问题,提出了基于神经网络模型的风洞马赫数预测控制策略.综合了模型预测控制和神经网络建模的优点,对于控制参数未知、非线性和时变系统具有很好的处理效果.利用基于径向基函数的神经网络模型预测系统的动态响应、非线性神经网络模型可以在训练过程中捕获系统的动态特性等措施,实现了将神经网络模型应用到MPC结构中.仿真结果表明,该控制策略具有很好的跟踪性能和控制效果.     

基于BP神经网络的空空导弹攻击区精确拟合

针对多项式拟合和插值法解算空空导弹攻击区所存在的问题，提出了采用纯BP神经网络和BP网络-插值方法计算空空导弹攻击区。仿真获得纯BP神经网络和BP网络-插值法的界外发射概率、失去发射机会概率，结果表明这两种方法都有较高的拟合精度和速度。最后，分析了两种方法的优缺点，提出了根据作战需求和火控系统的配置情况确定选用何种方法的原则。     

改进的神经网络和灰色理论在故障诊断中的应用

在分析神经网络和灰色关联度诊断方法的基础上,研究并提出了改进的BP神经网络和ABO灰色关联度诊断法。应用小波分析法对齿轮箱振动信号进行小波消噪,提取了信号的时频域特征参数。讨论了特征参数的无量纲化处理方法,并结合ABO灰色关联度诊断法简单易于实现和BP神经网络法诊断精度较高的特点,完成了齿轮箱的故障模式识别和诊断决策。     

基于BP神经网络的毫米波被动探测目标辐射温度计算

基于误差反向传播(BP)神经网络的函数逼近特点,提出了一种运用BP神经网络在毫米波被动探测中计算目标辐射温度的方法。仿真结果表明,该方法对毫米波被动式辐射计目标辐射温度的计算具有较高的精度,能够较好的拟出目标辐射温度因子的信息曲线及误差曲线,对目标中心的识别具有较好的效果。该方法对提高制导精度有一定的重要意义。     

履带车辆电传动系统发动机的建模，控制与仿真

履带车辆电传动系统是全电战斗车辆的基础，柴油机一发电机机组又是电传动中的重要部分。如何对柴油机进行建模与控制是很重要的问题。首先用RBF神经网络对发动机进行辨识、建模，其次以特定的“复合”功率一转速特性曲线为目标，对发动机进行模糊控制，最后对仿真结果进行了分析。得到的控制方法和结论对电传动系统有重要意义。