改进偏最小二乘法在航空煤油的近红外光谱分析中的应用

针对建立近红外光谱定量分析的偏最小二乘校正模型时,存在变量多以及光谱复共线性多样化等问题,采用一种间隔组合偏最小二乘法(icPLS)的近红外光谱谱区选择方法用于建立航空煤油闭口闪点近红外光谱模型。通过与整个光谱参与建立的近红外光谱模型的分析比较,icPLS模型的预测均方根误差(RMSEP)和相关系数R2分别为1.08和0.8088,而全谱偏最小二乘法(PLS)模型的RMSEP和R2分别为1.6和0.7381.实验结果表明,采用改进偏最小二乘法所建模型更稳定可靠,预测结果也得到明显改善。     

基于近红外光谱的梯恩梯凝固点温度检测方法研究

为实时检测梯恩梯(TNT)生产过程中的凝固点温度,结合化学计量学和光谱学,采用偏最小二乘法建立近红外光谱分析技术,实时检测TNT凝固点温度的定量模型。通过比较1阶导数+标准正态变量变换(SNV)、多元散射校正(MSC)、1阶导数、SNV、1阶导数+MSC、2阶导数6种原始光谱数据优化预处理方法,发现选择光谱建模区间为9 403. 8～4 597. 7 cm^-1、1阶导数(17点平滑)+SNV预处理方法建立的模型最佳,模型相关系数R²=0. 991,交互验证标准偏差为0. 178.主成分分析及模型验证结果表明:用最优模型预测不同机台的硝化物凝固点温度,近红外光谱分析预测值与人工测定值偏差最大为0. 950 4%;该模型有较好的稳定性、预测性,能够识别不同类型的样本,在短时间内用近红外光谱分析法可测定凝固点温度。     

近红外光谱法在线检测复合固体推进剂的组分含量

针对HTPB及AP为主体成分的模拟复合固体推进剂配方体系,采用近红外光谱测试系统研究复合固体推进剂组分含量在线检测的可行性,探讨了视窗材料、视窗厚度、积分时间等测试条件对建模效果及测试偏差的影响。对谱图进行预处理,建立波长范围为1 050～1 650nm的定量校正模型,再用建立的模型对组分含量进行预测,预测值与设计值的相对偏差在1%左右。研究表明,在适宜强度的光源信号下,确保足够的物料厚度,以优质石英作为视窗材料,可获得精确的检测结果,而视窗厚度和积分时间对近红外光谱的检测质量影响甚微。     

集成神经网络在2.4 m 跨声速风洞马赫数预测中的应用

2.4 m跨声速风洞空气流动是复杂的三维流动,想要利用机理模型来描述马赫数的特性十分困难,所以采用数据驱动的方式建立风洞马赫数模型。提出一种基于特征子集的集成神经网络建模方法,该方法选用动态NARMAX模型,并采用集成神经网络的方法建立了风洞马赫数预测模型;最后,进行了单一神经网络模型与集成神经网络模型在马赫数预测上的性能对比。试验结果表明：集成神经网络模型可以在保证预测准确度和泛化性的基础上,降低模型的训练和测试时间。     

乌醋溶液中乌洛托品含量的近红外光谱温度校正模型的研究

乌洛托品-醋酸(HA-HAc)溶液是制备奥克托今(HMX)的重要原材料。为了快速测定HA-HAc溶液中HA的含量,利用近红外(NIR)光谱技术,加入温度因子,建立了HA定量分析的温度校正模型。讨论了温度、光谱预处理方法对模型的影响。结果表明,温度会影响该溶液的吸光度,含温度因子的模型的平均相对误差减小了81.74%,模型准确度提高;光谱预处理可以消除外界因素对红外谱图采集的干扰,有利于提高建模的准确度,最佳预处理方法为一阶导数+Norris-derivative法。温度校正模型的评价参数为:相关系数R2=0.9997,均方差RMSEC=0.0388、内部交互验证均方差RMSECV=0.0441,预测均方差RMSEP=0.0350;模型的重复性标准偏差为0.0153%,此方法重复性为0.1298%,显示该法可用于HA-HAc溶液中HA含量的快速测定。     

集成神经网络在2.4米跨声速风洞马赫数预测中的应用

摘要：2.4 m跨声速风洞空气流动是复杂的三维流动,想要利用机理模型来描述马赫数特性十分困难,所以我们采用数据驱动的方式建立风洞马赫数模型。本文提出一种基于特征子集的集成神经网络建模方法,该方法选用动态NARMAX模型,并采用集成神经网络的方法建立了风洞马赫数预测模型。最后,进行了单一神经网络模型与集成神经网络模型在马赫数预测上的性能对比。结果表明,集成神经网络模型可以在保证预测准确度和泛化性的基础上,降低模型的训练和测试时间。     

基于概率神经网络的高速公路交通事故多发点安全预警模型

针对高速公路交通事故多发点交通事故难以预测的问题,利用神经网络的非线性逼近能力,结合概率神经网络(PNN)模式分类功能建立安全预警模型。设计概率神经网络拓扑结构,给出交通状态模式类别,确定相应交通事故指标体系,概述概率神经网络的学习过程,并通过Matlab仿真实验对其性能进行了测试。结果表明:采用PNN神经网络辨识技术的网络模型预警准确率高、泛化能力强,可对高速公路交通安全进行实时监测,对有效预防和控制交通灾害的发生是完全可行的。     

环境温、湿度对混胺近红外光谱分析模型的影响

以混胺样品为研究对象,研究环境温、湿度对混胺中二甲苯胺等成分含量近红外定量分析模型的预测能力的影响。通过在回归建模的过程中将环境温、湿度因素作为影响因子用于建模,来减小它们对模型的影响,使模型的稳健性增强。实验结果表明,将在不同环境温、湿度下采集的同一批样品光谱混合建立的模型对各环境温、湿叟下的样品预测能力远远好于其中某一环境温、湿度下建立的模型对它们的预测能力。该混合模型为将来实现野外作战中混胺近红外(NIR)光谱分析奠定了基础。     

改进BP网络在装备维修费用预测中的应用

提出了一种BP神经网络理论的改进算法,在此基础上建立了时间序列对象的预测模型,根据预测模型,对某型装备使用维修费用进行预测,并与实际使用维修费用进行了对比.结果表明此模型准确,并具有应用泛化能力,该算法为费用预测提供了一条新途径.     

基于BP神经网络的柴油机瞬时油耗预测建模

利用柴油机各稳定工况下台架试验的转速、扭矩、排气温度和相应的小时耗油量的测试数据为训练、测试样本,通过BP神经网络反复学习,建立了精度较高泛化、能力较强的柴油机油耗特性模型,并与回归分析进行了对比。研究结果表明：BP神经网络具有很好的非线性特性逼近能力、较高的建模精度,适用于非线性系统的建模。     

两栖装甲车辆兴波阻力的计算及流场分析

为了研究兴波阻力对两栖车辆航速的影响,建立了某型两栖车辆兴波阻力的数学模型,应用连续源分布法计算了兴波阻力;根据车体外部流场结构和求解要求,采用非结构化网格与网格自适应技术实施区域离散化,运用计算流体动力学(CFD)求解了车辆周围流域的压力场,并进行了流场分析。算例和流场分析结果表明:这种兴波阻力的计算方法可用于排水型两栖车辆的最高航速预报和减阻提速的研究。     

近红外光谱法快速测定单推-3液体推进剂组分含量的研究

为了改善单推.3推进剂的分析检测手段,研究了近红外光谱法在单推.3液体推进剂成分含量分析中的应用,采用PCA-马氏距离法建立了单推-3定性校正模型,采用偏最小二乘线性回归法分别建立了无水肼、硝酸肼和氨的定量校正模型,其相关系数分别达到了0.9991、0.9906和0.9400.在样品检测时,与传统分析方法一致,用差减法求出水的含量,达到了较高的准确度.以Q/Sd11-92标准方法的测定结果为参考,对模型的准确性和重复性进行了验证,充分说明了近红外光谱法用于单推-3成分含量快速检测的可行性.     

称重传感器精确标定研究

一种发射药自动称量机为使发射药称重输出值能精确地反映称重值,对称重传感器精确标定进行研究。采用函数链神经网络法对称重系统称重检测值与实际重量值之间的函数关系进行精确标定,通过标定的称重系统精度≤1%,满足实际生产需要。     

近红外在线监测改性双基吸收药混合均匀度研究

为了解决吸收药混合均匀度的传统检测方法耗时费力、阻碍固体推进剂生产工艺自动化和连续化实现的问题,提出采用微型近红外光谱仪对处于持续搅拌动态的吸收药采集光谱、结合移动窗口标准偏差法对光谱差异进行定量分析来监测均匀度实时变化的方法。通过采用人工取样结合液相色谱的传统方法对混合过程各阶段样品体系的均匀度进行验证,其结果与采用近红外方法监测结果一致。实验表明近红外方法高效、环保、安全,具备在线监测吸收药混合均匀度并实时判断混合终点的可行性。     

液体火箭发动机启动过程检测研究

建立了火箭发动机启动过程的RBF神经网络模型,将神经网络辨识方法与包络线方法结合,提出分层次检测方案,并根据大型液体火箭的故障仿真结果进行了仿真实例验证,较好地验证了检测方案及模型的有效性和实用性.     

基于人工神经网络的核素识别分析方法

针对传统的方法解析γ谱数据实现核素识别存在步骤多、精度低、专业知识要求高、识别速度慢等缺点,提出了一种基于人工神经网络的核素识别分析方法。在对全谱γ数据进行主成分分析的基础上,提取出γ谱的主要特征,将此特征信息输入人工神经网络,利用BP网络算法和RBF网络算法可快速地完成γ谱解析。分析结果表明：该方法降低了对探测器能量分辨率的要求,同时避免了寻峰、能量刻度与效率刻度等问题,简化了核素识别的过程,有效地提高了放射性核素的快速识别能力。     

基于改进型模糊神经网络的导弹武器系统生存能力评估

针对导弹武器系统生存能力评估问题,建立了评估的指标体系,给出了指标的隶属函数.利用BP神经网络的自学习、自适应、强容错性,并通过遗传算法（GA）优化BP神经网络的连接权重和阀值,弱化了评价中的人为因素,提高了评价结果的准确性和权威性,解决了BP神经网络存在落入局部最小点和收敛速度慢的问题.实例研究表明,遗传神经网络的评价模型具有有效性和可行性.     

双基推进剂/包覆层界面脱粘敲击检测的策略

针对双基推进剂/包覆层界面脱粘敲击检测中存在的精度低、效率差、混乱无序等问题,提出一套基于敲击检测原理的策略,并对检测流程作出指导。基于敲击检测的基本特性,分别对被检测的柱体和球头两种特殊曲面进行网格划分,并对网格划分中可能出现的精度敏感性问题进行实验分析。由Barlow检测策略数学模型,提出双基推进剂/包覆层界面检测效率数学模型,该模型分别对顺序检测时间成本和定期检测时间间隔进行了定量分析。提出基于箱型图的波动范围识别方法,可以在缺陷云图中直观显示缺陷位置和恶劣程度。通过完整的工艺流程与案例实验分析表明,所提策略对敲击检测流程与检测后处理措施有一定指导意义。     

流量可调燃气发生器压强控制仿真

为了提高流量可调燃气发生器的流量控制效果,建立了燃气发生器流量调节系统动态模型。针对燃气发生器流量调节系统时变性的特点,引入了一种基于神经网络PI(比例积分)算法的压强控制系统; 研究了不同自由容积条件下神经网络PI控制系统与PI控制系统控制效果的有效性,得到了控制器的压强工作范围。不同自由容积条件下的2种算法的仿真结果表明:基于神经网络PI算法的压强控制系统响应速度较快,压力超调量较小,压强工作范围大,系统的动态特性较好,能更好地解决燃气发生器流量调节系统时变性带来的控制精度差的问题。     

基于果蝇算法优化广义回归神经网络的机枪枪管初速衰减建模与预测

机枪枪管初速衰减预测是一个复杂的非线性问题。广义回归神经网络方法被广泛应用于非线性问题的建模,但其平滑因子取值对神经网络的预测性能有较大影响。采用果蝇算法对广义回归神经网络的参数进行优化选取,提出了基于果蝇算法优化广义回归神经网络的机枪枪管初速衰减建模方法。基于机枪枪管初速衰减试验数据,建立在不同使用环境下随着累计射弹量的增加,以初速降为特征量的机枪枪管初速衰减预测模型,预测结果与试验结果基本一致,证实了所提方法的可行性。通过与未经优化的广义回归神经网络方法和反向传播神经网络方法建立的预测模型进行比较,其性能明显优于另外两种方法,验证了基于果蝇算法优化的广义回归神经网络方法在建立机枪枪管初速衰减模型中的有效性。