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.     

基于神经网络的液体火箭发动机故障检测系统

提出和建立了一种用于液体火箭发动机（ＬＲＥ）故障检测的神经网络系统,这种系统包括两层：第一层由ＷＴＡ（Ｗｉｎｎｅｒ－Ｔａｋｅ－Ａｌｌ）神经网络组成,ＷＴＡ网络用于检测发动机故障输出模式;第二层由ＢＰ（Ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络组成,ＢＰ网络利用第一层次的输出结果作为输入显示故障大小。文中对ＬＲＥ故障检测进行了数值仿真,仿真结果验证了神经网络故障检测系统的优越性能。     

模糊神经网络在发电机励磁控制中的应用

采用含有惯性项学习算法的BP神经网络代替模糊PID控制器,对同步发电机励磁控制系统进行仿真。仿真结果表明,在系统遭受扰动或突加减载时,所设计的模糊神经网络励磁控制器具有良好的控制效果。     

装甲车辆发动机智能化控制冷却系统发展

分析了国内外装甲车辆冷却系统的现状及智能化控制冷却系统的特点,介绍了国内装甲车辆智能化控制冷却系统的研制进展,对比国内外智能化控制冷却系统,提出了我国装甲车辆智能化控制冷却系统今后的发展方向。     

装甲车辆发动机发展综述

介绍了坦克装甲车辆发动机的发展概况,综合论述了我军新装备发动机的主要技术特点和第四代坦克发动机的技术发展趋势.     

电传动装甲车辆电源系统建模与仿真

电源系统是电传动装甲车辆的核心,对其进行建模与仿真研究具有重要意义。电源系统的非线性特性导致了建模困难、模型精度低以及模型实用性差等难题,针对不同的部件特性采取不同的方法建立其仿真模型,完成了基于模糊控制的系统多目标优化功率分配策略研究。并在此基础上进行了部件和系统两个层次的仿真试验,证明所建模型能够较好地反映电传动车辆电源系统的工作特性。     

基于BP神经网络的柴油机动态输出扭矩预测建模

比照测试柴油机负荷特性方法对某型废气涡轮增压柴油机进行了全工况热平衡台架试验,并以柴油机各稳定工况点台架试验的转速、加油尺杆位移、排气温度及相应输出扭矩的测试数据为训练、测试样本,通过BP神经网络的反复学习,得到了精度较高且泛化能力较强的柴油机动态输出扭矩预测模型。     

电传动装甲车辆负载功率预测实时能量管理策略

针对电传动装甲车辆负载功率预测功能缺失导致控制作用滞后的问题,提出一种具有较高负载功率预测精度的实时能量管理策略。在分析整车结构的基础上,采用理论分析和数据拟合方法,建立各动力源数学模型。将差分自回归移动平均模型和自适应马尔可夫链两种预测方法相结合,设计非平稳趋势性负载功率组合预测方法。在非线性模型预测控制框架下,构建多目标优化函数,采用序列二次规划法在有限时域内实时求解最优控制指令,优化多动力源协调控制过程。依托硬件在环仿真平台进行多路面行驶实验,对比有无功率预测的能量管理控制效果。结果表明,改进的实时能量管理策略对未来负载功率具有较好的预见性,能够显著优化多动力源协调控制过程,提升车辆燃油经济性,稳定母线电压和电池荷电状态,对传统模型预测控制下的工程应用场景具有一定借鉴意义。     

RBF神经网络的火箭发动机成本预测

神经网络技术已广泛应用于各工业控制部门, RBF神经网络是对一般BP神经网络的改进.尝试将其应用于固体火箭发动机成本预测中.首先利用已有的成本信息对该神经网络进行训练,使其对已有信息的预测误差小于规定值,再将其用于其他条件下的成本预测.结果表明,实际预测效果较为理想,从而为固体火箭发动机成本预测提供了一种新的方法.     

基于BP神经网络带调压器直流发电机特性的辨识

为使坦克直流发电机的调压特性实验能够在计算机上仿真进行,节约教学实验成本,可利用神经网络对直流发电机的调压特性进行辨识,得到了比手工绘制精度更高的特性曲线.因此,调压特性的神经网络辨识法,有利于直流发电机特性实验教学.     

电传动车辆牵引电机弱磁控制与半实物仿真

为使车用牵引电机在弱磁控制模式下的输出转矩跟随电机最大输出能力,在采用基于磁链的定子电流控制方法的基础上,提出一种最优转矩控制算法,实现时间最优控制,提高系统响应的快速性。基于dSPACE构建了快速控制原型半实物仿真系统,对控制算法进行了多种工况下的仿真试验验证。试验结果表明：该控制系统能够快速、无差地跟踪速度给定信号,实现弱磁区转矩优化控制。     

装甲车辆电传动仿真调用MATLAB引擎的实现

为实现装甲车辆电传动仿真的可视化及良好的人机交互界面,介绍了MATLAB引擎、引擎库函数及VC调用Matlab引擎的方法.采用VC编写软件主界面,利用Matlab/Simulink建立仿真模型进行仿真计算及绘图,使用虚拟现实构造语言-Virtual Reality Modeling Language(VRML)进行虚拟行驶场景设计,此软件设计方法提高了编程效率,缩短了软件开发周期.     

轮式装甲车辆电机驱动系统建模及动力性能仿真

以某型轮式装甲车辆为研究对象,分析了电传动用驱动电机矢量控制策略,并提出了相应的控制算法。利用Matlab／Simulink和RecurDyn分别建立了驱动电机控制系统和车辆行动部分动力学模型,并采用接口技术进行了2种模型的联合仿真,得到了车辆的动力性能曲线,验证了模型的正确性,为电传动车辆仿真研究提供了新的技术手段。     

基于转速控制的电传动车辆动力分配策略

为解决电传动车辆行驶过程中的动力分配问题,在车辆整体方案设计的基础上,对驾驶员操作指令进行合理的解析,并提出了一种基于＂转速控制＂方式的动力分配控制策略,通过对左、右侧驱动电机进行转速控制给定,实现车辆在各种复杂工况下的正常行驶,最后进行了系统建模和仿真。结果表明：基于该动力分配控制策略,车辆可实现稳定直驶、任意半径转向、中心转向以及电气制动等工况要求,并且具有良好的动力性能。     

电驱动装甲车辆双重转向控制联合仿真

为了提高轮毂电机驱动装甲车辆转向的灵活性及越野机动性能,借鉴履带车辆滑移转向思想,采用双重转向控制策略。以车辆的横摆角速度为控制目标,设计了自抗扰控制器,通过调整两侧轮毂电机转矩输出产生直接横摆力矩,进而调节车辆横摆角速度,实现装甲车辆双重转向。在Adams中建立车辆动力学模型的基础上,构建Adams与Matlab环境中的联合仿真模型,并进行了联合仿真,结果表明,基于直接横摆力矩控制的双重转向增大了外侧动力输出,减小了车辆在中低速转向时转向半径,提高了车辆的转向性能。     

基于Vortex的电传动履带车辆动力学实时仿真

针对车辆动力学实时仿真问题,应用了多体动力学软件Vortex建立了车辆的动力学模型,并对Vortex的车辆基类进行了二次开发,直接给主动轮施加扭矩,最后实现了电传动履带车辆动力学建模.在不同工况下,进行了动力学实时仿真试验.结果表明,采用Vortex进行车辆动力学仿真在保证较高精度的同时还具有良好的实时性.     

基于遗传BP神经网络的装甲装备器材需求预测

装甲装备器材保障具有规模大、时间紧、消耗大、不确定因素多、决策难度大等特点。准确的需求预测是实施主动的、精细化的器材保障的重要前提条件。利用BP神经网络较强自学习能力和自适应能力对器材需求规律进行学习,并借助遗传算法提高BP神经网络的收敛速度,设计了一种基于遗传算法改进的BP神经网络模型预测方法,对装甲装备器材进行需求预测。通过实例计算表明,该方法比单纯BP神经网络方法具有预测精度高、收敛速度快的优点。