NARMAX模型在风洞流场建模过程中的应用

为提高风洞的流场控制精度,建立了一种新的针对跨声速风洞流场的数学模型.采用NARMAX模型作为系统的模型结构,结合风洞运行的特点,将整个试验运行过程划分为3个阶段,然后分别对各阶段进行建模,并使用函数拟合的方式得到风洞模型.模型的关键参数阶次和采样间隔分别用伪最邻近点法和互信息法进行辨识,并将BP神经网络作为输入与输出之间的非线性映射函数,可得到稳定段总压和驻室静压的模型,最后通过马赫数的计算公式得到试验段马赫数的取值.仿真结果表明:该模型辨识精度高,能体现出风洞运行的特点.     

基于知识规则的2.4 m 风洞控制开车参数自动生成专家系统

针对2.4 m风洞控制开车参数往往取决于人工经验、难以准确给定控制参数的问题,开发一种基于知识规则的控制开车参数自动生成专家系统.首先简要介绍了2.4 m风洞核心控制系统和专家系统的基本架构,然后详细介绍了开车参数自动生成专家系统的设计方法.采用C++Builder语言开发了一套软件,实现了2.4 m风动主要控制执行机构预置位置参数的自动生成.实际的应用结果表明:该系统具有适应能力强、覆盖范围广、可靠性高等特点.     

基于概率神经网络的风洞设备故障预测诊断方法

针对风洞设备故障征兆与故障原因之间的非线性关系,提出基于概率神经网络的风洞设备故障预测诊断方法.利用概率神经网络强大的自主学习能力和较强的模式识别能力,来预测诊断风洞设备的故障原因,通过故障样本对概率神经网络进行训练,并对待测样本进行故障预测诊断.结果表明:概率神经网络能满足故障诊断快速和准确的要求,故障预测诊断精度较高,适用于在线检测,具有实际应用价值.     

基于ROS户外移动机器人软件系统构建

在机器人功能日益复杂的情况下,如何简单快速地为机器人构建所需的软件系统是一个值得探讨的问题.本文首先分析了机器人软件系统开发过程中面临的问题并介绍了机器人操作系统（Robot Operating System,ROS）这一软件平台的基本概况、基本概念和主要特点,然后基于ROS为本实验室研制的四轮户外移动机器人构建了一套软件系统,实现了移动机器人的底层驱动控制、远程遥控、识别可通行区域等功能.该软件系统充分展示了利用ROS软件平台构建机器人软件系统的灵活性、易用性和功能丰富等特点.     

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.     

软件逆向工程技术在2.4 m风洞核心控制程序研制中的应用

为解决2.4 m风洞核心控制程序中存在几个没有源代码的C语言执行模块严重制约系统平台升级的问题,采用软件逆向工程技术研制新的替代模块。介绍了模块重新研制的步骤方法、软件调试方案等,给出程序改造后的实际控制曲线。试验数据结果表明：风洞流场和模型姿态控制精度达到或优于原来系统的指标,并已投入风洞试验实际应用,证明软件研制是成功的。     

结合自注意力和残差的BiLSTM_CNN文本分类模型

双向长短期记忆网络（BiLSTM）和卷积神经网络（CNN）很难在文本的多分类任务中提取到足够的文本信息。提出了一种基于自注意力机制（self_attention）和残差网络（ResNet）的BiLSTM_CNN复合模型。通过自注意力赋予卷积运算后信息的权重,接着将池化后的特征信息层归一化并接入残差网络,让模型学习到残差信息,从而进一步提高模型的分类性能。在模型的运算过程中,使用了更加光滑的Mish非线性激活函数代替Relu。通过与深度学习模型对比,所提出的方法在准确率以及F1值评价指标上均优于现有模型,为文本分类问题提供了新的研究思路。     

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.