基于BP 网络与D-S理论相结合的点目标状态下卫星及其伴飞诱饵的识别方法

本文提出的点目标状态下卫星及其伴飞锈饵的识别方法是基于ＢＰ网络与Ｄ－Ｓ理论相结合的信息融合方法。该方法采用目标的红外辐射特征,先用ＢＰ网络对目标进行粗分类,然后用Ｄ－Ｓ理论对ＢＰ网络的多次识别结果进行融合。仿真实验结果表明,Ｄ－Ｓ理论的最后输出比ＢＰ网络的输出识别率得到很大的改善,抗噪能力得到很大的提高     

弹道参数的人工神经网络算法研究

将神经网络理论引入火控领域,建立一个输入参数为高度Ｈ、速度Ｖ和俯冲角λ的多层神经网络模型,用Ｂ－Ｐ学习算法,对弹道的射程Ａ和落下时间Ｔ进行拟合。仿真结果表明,神经网络是用于弹道参数拟合的一个有效的方法,并取得了满意的精度。     

神经网络模式识别的一种电流模式实现技术

本文将电流模式技术用于神经网络模式识别,以全电流模式胜者为王（ＷＴＡ）和计算模式间匹配度（ＭＳ）为子网,进行了基于Ｈａｍｍｉｎｇ网的二值模式最优的敢小误差模式分类器设计实现。计算机仿真与理论结果吻合,所得电路结构简单、功耗低,具有潜在地应用前景。     

基于云-神经网络的液体火箭发动机故障检测方法

根据故障检测原理,研究和实现了基于云-神经网络的液体火箭发动机故障检测方法。根据训练结果、测试结果和故障检测结果可以看出,云-神经网络用于液体火箭发动机的故障检测是可行的,经过历次试车数据验证,该方法没有误报警和漏报警。     

模糊方向神经网络在火箭发动机故障检测与分离中的应用

提出了一种模糊方向神经网络分类器,并应用于液体推进剂火箭发动机故障检测与分离。模糊方向神经网络采用模糊集表示发动机故障模式,模糊集是方向超体聚集形成的集合体,方向超体则由单位方向、夹角和两个半径确定。模糊方向神经网络能在一次循环学习中形成非线性方向边界。故障检测与分离的仿真研究表明：模糊方向神经网络的识别性能是比较优越的。     

基于概率神经网络的某导弹发动机系统故障诊断

反向传播神经网络(BPNN)和概率神经网络(PNN)对某型号导弹发动机若干原型故障进行定性的诊断,并将仿真结果进行了比较.仿真结果表明,当测量参数不包含噪声或噪声较小时,两种网络都具有很高地诊断准确率;当测量参数的噪声较大时,概率神经网络的诊断准确率远大于反向传播神经网络,显示了概率神经网络较强的诊断鲁棒性.此外,概率神经网络能够充分利用故障先验知识,并考虑代价因子的作用,从而把误诊断可能带来的损失减小到最低程度.     

判决反馈BP网络自适应均衡器

针对存在适度码间串扰和非线性畸变的数字信道,本文提出判决反馈ＢＰ网络自适应均衡器（ＤＦＢＰＥ）,将ＤＦＢＰＥ同传统的ＢＰ网络均衡器进行比较,对ＤＦＢＰＥ的特性进行了全面的分析。     

基于智能诊断方法的摩托车发动机故障检测系统研究

针对摩托车发动机故障检测问题,结合其结构特点,采用传统专家系统与神经网络融合方式与策略,提出了一种故障检测混合专家系统方法。对以此方法为核心的智能故障诊断系统结构、组成及工作过程等问题进行了研究与讨论,并给出了系统的应用实例。     

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.     

基于多级RBF神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题，提出了一种基于多级RBF神经网络集成的传感器故障诊断方法。该方法充分利用控制系统闭环回路测控信息，建立多级神经网络集成观测器模型。将输出与传感器实际输出相比较获取残差序列，获得基于残差序列的传感器偏置故障和漂移故障的辨识策略，实现控制系统传感器故障在线诊断。将三容水箱液位控制系统作为仿真对象，仿真结果表明该方法不仅可以提高单一神经网络的运算精度，而且采用RBF神经网络集成方式还要优于其他集成方式，可以快速准确地检测和分离传感器故障，辨识传感器故障类型、故障大小以及故障发生的时间。     

共轭梯度反传算法及其在液体火箭发动机系统辨识中的应用

结合非线性优化理论和方法提出了易于实现、收敛速度比较快的多层神经网络共轭梯度反传算法。液体火箭发动机参数辨识技术已得到广泛的应用,由于传统的数学方法必须基于发动机已知模型,使得其参数辨识受到极大的限制。文中基于神经网络共轭梯度反传算法进行液体火箭发动机的系统辨识,结合变推力发动机热试车动态数据,得到了满意的仿真结果。     

液体火箭发动机控制的新方向

为适应航天飞行任务对推进系统高性能、安全性、可靠性、经济性的需要,在液体火箭发动机控制方面,开展了大量研究工作,出现了一些新方向和新领域。比较集中的研究领域是液体火箭发动机健康(状态) 监控和智能控制。本文介绍液体火箭发动机控制的智能水平演变趋势,健康(状态) 监控系统和智能控制系统的框架、结构,以及与这些系统直接相关的故障模式、传感器技术和故障检测算法。     

基于转子固有频率的涡轮泵故障检测方法

为了有效地检测液体火箭发动机涡轮泵的故障,分析了某型液体火箭发动机的28次历史试车数据,得到了涡轮泵转子的一阶、二阶和三阶临界转速以及轴向固有频率的数值,研究了这4个转子固有频率幅值的稳定性及对涡轮泵故障的敏感性,得出了它们具有较强的稳定性和故障敏感性的结论。在此基础上,提出并验证了基于转子固有频率的涡轮泵故障检测方法。结果表明,基于转子的一阶、二阶和三阶临界转速以及轴向固有频率幅值能有效地检测涡轮泵的故障。     

用随机仿真方法验证液体火箭发动机静特性数学模型

以某泵压式液体火箭发动机为研究对象，用试车数据对发动机静特性数学模型进行了验证，在验证模型时既考虑了外部干扰因素的实际测量误差范围和内部干扰因素的实际变化范围，又考虑了发动机参数实测量的误差范围，并且使用了随机仿真的方法。验证结果表明，发动机静特性的非线性数学模型是足够准确的，所用的计算方法是合理的。     

液体火箭发动机故障检测和诊断中数据挖掘策略的分析

分析了液体火箭发动机的工作特点,提出了应用数据挖掘方法从数据仓库的角度对液体火箭发动机进行故障检测和诊断的策略。对在液体火箭发动机故障检测和诊断的不同问题中可能应用的数据挖掘方法进行了分析比较。分析表明,聚类、分类、关联、时间序列分析和孤立点检测等数据挖掘方法适用于液体火箭发动机的故障检测和诊断。     

INTELLIGENT DECISION ALGORITHM FOR FAULT DETECTION AND ITS APPLICATION

ＩＮＴＥＬＬＩＧＥＮＴＤＥＣＩＳＩＯＮＡＬＧＯＲＩＴＨＭＦＯＲＦＡＵＬＴＤＥＴＥＣＴＩＯＮＡＮＤＩＴＳＡＰＰＬＩＣＡＴＩＯＮＷｕＪｉａｎｊｕｎ;ＺｈａｎｇＹｕｌｉｎ;ＣｈｅｎＱｉｚｈｉ（ＤｅｐａｒｔｍｅｎｔｏｆＡｅｒｏｓｐａｃｅＴｅｃｈｎｏｌｏｇｙ,...     

液体火箭发动机基于神经网络的实时故障检测算法实现

以某大型液体火箭发动机为研究对象,针对其启动和稳态工作过程,利用Matlab和Lab Windows/CVI等编程工具,基于神经网络技术,开发实现了其地面试车过程实时故障检测的BP(Back Propagation)和RBF(Radial Basis Function)算法。多次试车数据离线检验和实时在线考核结果均表明该方法能够及时、有效地检测出发动机工作过程中的故障,没有出现误报警和漏报警,并能够很好地满足现场试车的实时性和鲁棒性等要求。     

液体火箭发动机涡轮泵健康监控系统

为了提高液体火箭发动机涡轮泵的安全性,降低其故障带来的破坏性,设计了某型液体火箭发动机涡轮泵健康监控系统(TP HMS),工程实现了TP HMS的测试硬件子系统、实时故障检测子系统、试车后数据分析子系统和实时数据库支持子系统等,讨论和分析了TP HMS的功能和执行流程,然后利用历史试车数据与转子试验平台数据对TP HMS中的多特征参量自适应阈值综合决策算法(MATA)进行了离线和实时在线验证;利用自适应时频谱对测试数据作进一步的分析。结果表明,MATA没有发生误检测情况,并具有实时故障检测的能力;自适应时频谱能有效抑制时频交叉项的干扰,准确给出故障信号的时间和频率信息。因此,TP HMS适合于液体火箭发动机涡轮泵健康状态监控。