一种飞翼布局飞行平台FADS系统应用方案研究

对于一些高性能飞行器(如飞翼布局飞行器),仅采用安装在机头表面的测压孔的FADS系统方案.某些情况下不一定能够给出较为准确的飞行姿态数据;针对飞翼布局飞行平台对高精度迎角、侧滑角的依赖性.给出了一种采用安装于机头表面的测压孔和机翼前缘的测压孔相结合的FADS系统方案,推导了其空气动力学模型,并用BP神经网络拟合出了迎角和侧滑角的修正曲线,结果表明该方案能够满足系统精度的要求。     

嵌入式大气数据系统人工智能算法及故障诊断

嵌入式大气数据传感(FADS)系统由于其诸多优势成为现在战斗机设计中的关键技术之一。开发了基于BP(反向传播)人工神经网络的FADS算法和基于随机森林算法的故障识别与处理算法。该嵌入式大气数据系统算法以迎角和马赫数为分段依据,分别计算大气数据。故障识别则采用随机森林算法自动识别出故障测压点,在将故障测压点剔除后,采用不含故障点压强的组合预测各大气数据。采用飞行数据测试开发FADS系统算法,结果表明:该算法计算大气参数较为准确,迎角误差小于0.2°,侧滑角误差小于0.3°,马赫数误差小于0.0105,静压误差小于300 Pa。采用单个测压点故障的压强组合测试了故障识别与容错算法的性能,测试结果显示该算法能够准确识别出故障测压点压强,采用的飞行曲线测试中准确度达到100%,且各大气数据计算精度可达上述无故障压强时的精度,有效降低了故障压强对FADS系统算法计算精度的影响。     

飞翼飞行器嵌入式大气数据传感系统算法研究

介绍了嵌入式大气数据传感(FADS)系统的测压孔布局和压力模型;分析了超定线性方程组的解法,并用广义逆矩阵A+计算其最小二乘解;建立了形压系数ε与马赫数M∞、迎角α和侧滑角β的确切的函数模型;提出了故障点的处理方法;并用神经网络实现对动压、静压的求解。计算结果表明:飞翼飞行器的FADS系统的算法能够满足设计要求。     

基于无迹卡尔曼滤波的迎角/侧滑角估计方法

迎角和侧滑角是飞控系统的重要参数。针对迎角和侧滑角不能够精确测量(尤其在大机动情况下)的问题,研究了一种综合惯导系统数据和飞机的非线性动力学方程,利用无迹卡尔曼滤波来估计飞机的迎角和侧滑角的方法,实现了依靠算法代替传感器获得飞行参数,克服了对硬件(迎角、侧滑角传感器)的依赖性。该方法对系统数学模型的准确性有着较高的要求。仿真验证表明,该方法结构简单。且具有估计精度高、实时性好、抗干扰能力强的特点。     

嵌入式大气数据传感系统中的组合滤波技术

嵌入式大气数据传感系统（FADS）与惯性导航系统（INS）组合测量迎角、侧滑角在飞行器平稳飞行时,均可获得很高的测量精度;但该系统在大迎角、高迎角变化率的机动飞行中,由于受到阵风、大气紊流以及噪声的影响较大,使得系统的测量精度下降,不能满足要求。针对这一问题,提出了利用互补滤波器分别对FADS和INS的测量信号进行处理,再利用FADS—INS的组合方案对高机动飞行状态下的迎角、侧滑角进行测量。理论分析和仿真结果表明：该组合滤波技术不但能够提高飞行器在乎稳飞行时的测量精度,而且,使飞行器在高机动飞行时的测量精度大大提高。     

基于BP-GA混合学习算法的神经网络短期负荷预测

本文提出了修正的遗传算法和BP算法相结合的短期负荷预测方法，与传统神经网络方 法相比，该方法可以加快网络学习速度和提高学习精度．我们用遗传算法来训练网络参数， 直到误差趋于一稳定值，然后用优化的权值进行BP算法，实现短期负荷预测．在构建网络模 型时，我们考虑了气候因素的影响，并把它作为网络的一组输入点．实验结果表明基于这一 方法的负荷预测系统较高的精度和实时性．     

基于∑-Δ调制原理的高精度旋变旋转变量解码系统

为了满足无人机中风标式迎角侧滑角传感器对旋转变量测量精度高、稳定性好、反应速度快的要求,提出了一种基于∑-Δ调制技术的旋转变压器解调方案。分析了∑-Δ调制技术用于旋变解调的实现原理,以DSP为主控制器,介绍了采用∑-Δ模拟数字转换过采样结合Sinc3数字抽取滤波的旋变解码系统应用方法。实验证明,所设计的旋变解码系统具有较好的静态特性和动态稳定性,并达到了大气数据计算机中风标式迎角和侧滑角测量的性能要求。     

4m×3m低速风洞大迎角装置运动关系分析与多轴联动控制策略

4m×3m低速风洞大迎角支撑装置迎角α的变化是通过三角连杆滑块机构实现的,实现迎角α匀速旋转是一个非线性速度控制过程;为了保证支撑装置在实现迎角α和侧滑角β精确定位过程中,按照要求的角速度匀速转动,并保证在转动过程中模型中心不偏离风洞轴线,文章在对迎角α机构、侧滑角β机构、Y向升降机构、Z向横向平移机构速度和位置运动关系进行全面数学分析的基础上,对多轴联动速度和位置控制方法进行了深入研究,最后采用控制虚拟旋转主轴,α、β、y、z机构位置随动的方法,解决了三角连杆滑块机构实现迎角α高精度匀速旋转和滑角β、Y横向和Z纵向机构高精度位置随动控制,实现了模型姿态角匀速转动的同时模型中心偏离风洞轴线小于1mm目标精度。     

基于参考点和ICP算法的点云数据重定位研究

对基于参考点的点云数据重定位问题进行了深入研究，提出了新的点云数据重定位算法；该算法采用参考点与ICP（Iterative Closest Point）算法相结合的方法，不仅很好地解决了重定位实现困难的问题，而且使重定位精度达到0.03～0．05mm；最后，得出该算法不仅可以完全满足三维测量系统整体精度的要求，而且具有很高实际应用价值的结论。     

基于FADS/IMU信息融合的大气数据测量方法研究

对飞行器大气数据进行估计是获取飞行状态的重要一环,是实现飞行器控制和稳定飞行的基础。通过研究嵌入式大气数据传感(FADS)系统,提出了基于容积卡尔曼滤波的惯性测量元件(IMU)数据和FADS数据融合算法。该算法对飞行器运动状态建立高阶滤波模型,使用容积点加权求和逼近的方法估计非线性运动模型,滤波输出值经处理后得到马赫数、攻角、侧滑角等大气数据。经仿真实验,算法计算的大气数据较为准确,马赫数误差小于0.01,攻角和侧滑角的误差小于0.1°。     

基于拟牛顿算法神经网络的入侵检测系统的研究

近年来,神经网络技术在入侵检测中得到了广泛应用,其中最具代表性的是BP神经网络,但其本身所具有的局部极小性质限制了检测性能的提高。利用人工神经网络可以解决当前其他入侵检测方法中所遇到许多问题,有望成为异常检测中统计方法的替代品,是研制具有学习和适应能力的入侵检测系统重要手段之一。通过抽取部分混合实例以及典型攻击实例进行模式训练、测试后,在BP神经网络优化算法进行对比研究的基础上,利用拟牛顿算法对传统BP算法进行改进,从而提高入侵检测系统的收敛度,检测率。实验分析可得,在一定的训练方法基础上,基于拟牛顿算法优化神经网络和其他几种算法相比,在针对多种攻击类型上检测率有不同程度的提高。     

快速二阶BP网络及其在城市用水量预测中的应用

针对BP网络收敛速度慢，易导致局部极小值的缺点，提出一种快速二阶BP网络，并以城市年用水量预测为例，与BP网络对比，结果表明，该方法加快了收敛速度，提出了结果的准确度。     

原油含水率测量PSO-BP非线性校正技术

针对电容法测量原油含水率过程中存在的测量误差大、精度低等问题,提出了一种基于神经网络的非线性校正技术。此方法结合了微粒群(PSO)算法与BP网络在全局搜索与局部搜索上的优势,克服了以往方法的不足,可使原油含水率测量结果的校正过程具有寻优全局性和精确性,并能加快其收敛速度。仿真结果表明:该方法能有效消除非目标参量对传感器输出结果的影响,在工程上具有一定的应用价值。     

基于神经网络的摄像机平面模板标定方法

根据立体视觉原理,提出了基于神经网络摄像机标定方法,该方法的特点是采用平面模板作为标定物.由于传统的标定算法在考虑各种非线性畸变时计算十分繁琐,利用BP神经网络来直接学习图像信息与三维信息之间的关系,可实现从输入到输出的任意非线性映射.为了提高BP神经网络训练速度和避免陷入局部最小解,采用引入动态因子的学习算法.实验结果表明,该算法具有较高的标定精度,而且可行.     

应用神经网络隐式视觉模型进行立体视觉的三维重建

针对传统的基于精确数学模型的立体视觉方法过程繁琐的不足，提出一种应用BP神经网络隐式视觉模型进行三维重建的算法。该算法将多个标定平面放置在有效视场内，用神经网络模拟立体视觉由两个二维图像重建三维几何的过程，经过网络训练建模后，无须摄像机标定即可进行三维重建。仿真实验结果证明，该算法比较简单，且能保持较高的精度。     

BP神经网络的改进算法及其应用

BP（Back-propagation neural network）神经网络是目前应用最为广泛和成功的多层前馈神经网络之一,分析了BP算法的基本原理,指出了BP算法具有收敛速度慢、易陷入局部极小点等缺陷以及这些缺陷产生的根源,并针对这些缺陷,通过在标准BP算法中引入变步长法、加动量项法等几种方法来优化BP算法。仿真实验结果表明,这些方法有效地提高了BP算法的收敛速度,避免陷入局部最小点。同时．将改进得BP神经网络算法应用于脱机手写体汉字识别系统的实现。使系统较好地回避了汉字结构复杂、变形难以预测等问题,提高了识剐率。     

基于MPSO的BP网络及其在入侵检测中的应用

提出一种基于变异粒子群优化(MPSO)的BP网络学习算法,该算法用PSO算法替代了传统BP算法,且在学习过程中,引入变异操作,克服传统BP算法易陷入局部极小和PSO算法早熟的不足。并把该算法应用于入侵检测中,通过KDD99 CUP数据集分别对基于不同算法的BP神经网络进行了仿真实验比较,结果表明,该算法的收敛速度快,迭代次数较少,而且测试平均准确率高达96.5%。     

基于神经网络的拍翅式微型飞行器姿态控制

对于拍翅式微型飞行器姿态的控制,提出了一个基于BP神经网络和平均力矩的控制方案. 每个拍动周期结束后,依据姿态误差通过神经网络控制器来确定迎角的调整量, 微型飞行器在下一周期获得所需的姿态控制平均力矩. 对控制系统进行了仿真,仿真结果表明该系统具有鲁棒性.     

遗传算法自适应模糊神经网络控制

神经网络能够以任意精度逼近任意复杂的非线性关系,具有高度的自适应和自组织性,在解决高度非线性和严重不确定系统的控制方面具有巨大的潜力.但一般神经网络训练算法如BP算法训练速度慢,受初值影响大且易陷入局部极小点,该文提出了一种基于模糊神经网络的间接自校正控制系统,控制器以高斯隶属度函数的径向基函数（RBF）神经网络结构,利用改进的遗传算法（GA）对结构和参数进行同步优化,改进适应度函数指导搜索过程,在保证稳定情况下大大加快了收敛的速度.神经网络正向模型（NNP）利用弹性BP算法进行离线辨识,使得到的模型泛化性能好.