舰船电力系统复杂网络特性研究

基于复杂网络理论,根据舰船电力系统自身特点建立了复杂网络模型,并针对目前较为关注的小世界特性和无标度特性,对舰船电力系统的复杂网络特性进行了研究。计算了六种不同类型舰船电网的特征参数,结果表明:当节点数量较小时,电力系统不具备明显的小世界特性;随着节点数量增加,电力系统开始表现出明显的小世界特性,舰船电力系统复杂网络属于典型的非均匀网络。     

基于复杂网络理论的舰船电力网络脆弱性分析

从舰船电力网络拓扑结构及设备布置特性的角度出发,对舰船电力系统的脆弱性进行量化评估能为电力系统的优化设计提供理论指导。基于复杂网络理论,从舰船电力系统本身的拓扑结构对其脆弱性进行了研究。首先,用邻接矩阵将某一环形电力网络表示出来,并计算其特征参数,从度数指标和介数指标可以看出主配电板节点是电网中的重要节点;然后,对该环形舰船电力网络进行了故障模拟,结果表明:电网元件故障对整个电力网络造成的影响由最大连通子图规模来衡量,该指标值越小表明此元件故障对网络的影响越大,同时这一指标比介数指标更好地揭示了舰船电力网络的脆弱环节。     

船舶电力系统单相接地故障初始零模电流行波特征的仿真分析

为分析单相接地故障产生的初始零模电流行波特征,提出了一种基于船舶电网电缆线路分布参数的小电流接地系统的高精度故障模型。该模型采用带有4条电缆支路的船舶电网结构,利用电磁暂态仿真程序EMTPWorks 对船舶电力系统不同条件下的单相接地故障初始零模电流行波进行了仿真分析。通过分析仿真数据,得出了初始零模电流行波的故障特征,讨论了中性点接地方式、故障初始角、过渡电阻对故障特征的影响。     

考虑交流侧特征谐波的电网换相换流器小信号建模

电网换相换流器(Line Commutated Converter,LCC)作为技术性能优越的电力电子装置,可广泛应用于车辆、飞机、船舶、雷达站供电等军用电力系统领域.以可为军用雷达站、军事基地供电的基于电网换相换流器型高压直流输电(Line Commutated Converter Based High Voltage Direct Current,LCC-HVDC)系统为例,基于开关函数模型,推导建立了包含LCC整流站、LCC逆变站和直流线路的双端LCC-HVDC系统小信号模型,并与PSCAD/EMTDC详细电磁暂态模型进行对比,验证了所建立小信号模型的准确性;对比分析了考虑交流侧特征谐波分量与仅考虑交流侧基频分量的LCC-HVDC小信号模型的差异.所得研究成果可为向军用电力系统供电的LCC-HVDC系统的控制参数选取及小干扰稳定性分析提供模型基础.     

复杂军事网络的鲁棒性分析

分析了复杂军事网络具有BA复杂网络模型的特性,通过基于MATLAB语言对BA复杂网络模型的仿真,发现了网络中最大簇大小和簇参数对于不同攻击类型的变化规律,分析结论是辨认和停止基于局部拓扑信息的选择性攻击,可有效防护对于复杂军事网络的分布式攻击。     

基于神经网络的模型参考自修复飞行控制

提出了一种基于模糊神经网络的模型参考自修复飞行控制结构,并对所使用的BP网络学习算法进行了分析改进.对比非故障和故障状态下的飞行仿真结果表明,改进后的自修复飞行控制方法可以有效地抑制神经网络的"过学习"现象,减小了对神经网络辨识器精度的依赖程度,在故障条件下的补偿作用非常明显,达到了自修复飞行控制的目的.     

防空体系分布式指挥系统研究

防空体系的分布式指挥系统是一个复杂系统.根据复杂网络理论,分析分布式指挥系统的网络结构,建立了基于复杂网络演化的指挥系统网络模型.将分布式指挥体系中的节点看成agent,研究防空体系的分布式指挥机制及其运行流程,提出意见包容度、意见接受度、意见分散度等概念.实例分析结果表明,网络模型具有可行性和有效性,指挥机制能够快速实现分布式指挥.     

基于概率神经网络的设备故障诊断及仿真分析

针对某些难于建立准确数学模型的复杂系统,用神经网络的方法进行故障诊断有其独特的优越性.首先分析了概率神经网络(PNN)的基本结构及其训练算法,建立了某型航空发动机故障分类的概率神经网络模型,通过对该设备故障进行定性诊断,对比分析了概率神经网络与常用的误差反向传播神经网络(BPNN)分类模型对各类故障的分类效果.仿真表明,基于PNN模型的分类方法在分类速度、精度和泛化能力方面均优于基于BPNN的模型,是一种有效的故障分类方法.     

遗传算法在航空发动机故障诊断中的应用

提出了基于遗传算法的航空发动机故障诊断的方法,将概率因果模型与发动机故障诊断问题结合,在得到发动机故障征兆和故障成因之间关系的基础上,利用遗传算法实现对故障的分类和诊断.该方法可以准确而快速得实现对复杂故障问题的诊断,将其应用于某型发动机的故障诊断中,得到了较好的效果,同时也说明了遗传算法在航空发动机故障诊断中是行之有效的.     

RBF神经网络在飞艇单发停车故障中的应用

针对飞艇单发停车故障,提出了一种基于径向基神经网络的模型跟随非线性重构控制策略,并使用遗传算法对RBF网络进行了优化.该方法通过响应误差构造神经网络的学习规则,神经网络的输出驱动系统向着消除误差的方向运动.理论分析和仿真验证表明,该控制策略具有良好的重构性能和鲁棒性.