神经网络在固体火箭发动机比冲预测中的应用

基于RBF神经网络和模糊原理,构建一种模糊RBF神经网络用于固体火箭发动机比冲预测。预测结果表明该网络可较精确地预示发动机的比冲。     

固体火箭发动机质心计算机测量研究

提出了一种建立在计算机测量系统架构之上的固体火箭发动机质心测量系统,并从硬件与软件两部分给出了系统的设计方案;为提高系统的测试精度,除了采用高精度的元器件之外,结合实验结果对传感器的输出信号提出了一种基于曲线拟合的误差修正方案,降低了相对误差;经实际检验,该测量系统达到了要求的测量技术指标.     

固体火箭发动机比冲预示的神经网络仿真研究

运用BP和RBF神经网络方法和Matlab6.5工具软件建立了小样本数据条件下的固体火箭发动机比冲的神经网络预测模型,并将两种神经网络预报的效果进行了比较。两种网络较好的预报效果,表明建立的预测模型是合理的。在此基础上,提出了与之相应的预报误差控制方法及其新型号发动机比冲预测的选模判据。数值实验结果表明,所提供的网络模型可在小样本数据条件下实现发动机比冲性能的高精度预测。     

固体火箭发动机试验数据特殊拐点研究

针对固体火箭发动机地面试验采集的数据曲线形态各异致使特殊拐点难以按照火箭发动机试验数据处理方法(国家军用标准)描绘的问题.提出了一种计算几何理论的计算特殊拐点新方法,分析了火箭发动机试验数据特殊拐点描绘相应的数学算法,使用LabWindows/CVI开发了火箭发动机试验数据处理软件,实现了快速准确描绘出火箭发动机试验数据的特殊拐点.仿真结果表明,改进方法提高了数据分析精度和速度.结果为数据分析的可靠性和有效性奠定了的基础.     

固体火箭发动机金属壳体结构可靠性分析研究

固体火箭发动机壳体是固体火箭发动机的重要组成部分,壳体的可靠性设计水平高低直接影响发动机的性能.好的壳体可靠性设计方案是在保证总体要求的几何尺寸精度的同时,要做到结构质量轻,又要安全可靠.利用一阶可靠性分析法结合有限元法对固体火箭发动机金属壳体封头结构进行可靠性分析,结果表明,在相同受力条件下,不同的结构尺寸下,封头的最大应力可能都不会达到失效界限,但是可靠性指标不一定满足要求.分析结果可用于指导结构单元设计.     

基于ART2神经网络的发动机故障诊断方法

发动机的故障诊断是一个动态的故障分类过程,许多故障诊断方法在对动态故障模式进行识别和分类时,存在对未知故障模式无法识别的问题。针对这一问题,引入ART2神经网络,利用db6小波包对发动机气缸盖的振动信号提取的特征向量作为网络的输入,应用实例证明,ART2神经网络不仅能正确识别学习过的故障模式,对突发、未知的故障模式也能很好地识别。     

一种固体火箭发动机性能仿真与评估方法研究

关于固体火箭发动机性能的准确评估问题,针对固体火箭发动机试验耗费时间周期长,且评估性能决定动力系统的可靠性。发动机在工作过程中的推力、燃烧室压强、总冲量、比冲量等性能参数的可靠性均存在一个置信区间,通过试验方法难以评估在制造及使用过程中的随机因素影响下的性能可靠性。可用蒙特卡洛仿真方法解决上述问题。为了更全面评估性能参数的可靠度,引入了抽样验收方法,得到了性能参数可靠度的置信区间。采用修正内弹道计算模型,对大扩张比发动机进行仿真,结果与试验数据进行了对比。实验表明,仿真模型的精确性可以满足要求,结果与试验数据具有较高的一致性。证明评估方法可以全面的反应性能参数的统计特性,可为发动机的可靠性提供保证。     

固体火箭发动机地面试验设备集成软件设计

针对目前固体火箭发动机地面点火试验所需采集设备多而杂、采集数据格式不同、入库困难、存放分散等现象,开发了一套操作方便、功能强大的试验设备集成软件;该软件采用混合总线的平台技术、基于IEEE 1588协议的时钟同步技术和基于分布式结构的测控技术等创新技术,通过控制软件的外部接口,对试验设备进行控制、信号传输和数据传输,实现各种采集设备的远程控制、远程监控、试验数据的自动收集、试验现场的远程发布等;提高了发动机综合试验水平.     

旋转固体火箭发动机统一流场计算

为了进一步研究旋转对固体火箭发动机工作的影响,采用RSM湍流模型对内孔燃烧、内孔与端面同时燃烧管状装药旋转固体火箭发动机统一流场进行了仿真。采用UDF编程给出质量入口边界,获得了旋转条件下发动机内流场结构参数特点,并给予理论说明。计算结果表明,内孔燃烧装药发动机切向速度流场类似于典型的Rankine涡,端面和内孔同时燃烧装药发动机切向速度流场呈现出Rankine涡和由端面燃烧引起的强迫涡的复杂组合涡;在发动机前封头和喷管喉部涡核切向速度峰值非常大,使燃烧室前封头和喷管喉部工作环境显著恶化;旋转使发动机燃烧室压力沿径向逐渐增大,强迫涡附近的压力梯度远大于推进剂表面的压力梯度。     

基于神经网络的复杂电子装备故障诊断系统的仿真研究

该文针对复杂电子装备故障诊断难的特点，以一种典型设备的主要几种故障主例，设计了一种新型神经网络模型，并对系统进行了仿真，讨论了以此模型为基础进行诊断的可能性和正确性，实践表明了该模型的有效性和合理性，与传统方法相比，提高了故障诊断的准确度，而且充分运用了工作经验、专家知识，具有很大的工程应用价值。     

基于神经网络的网络故障诊断

针对传统故障知识库冗余度高和稳定性难以两全的缺陷，提出了RSFBP算法，综合运用神经网络方法和粗糙集理论，实现对学习样本净化处理。实验表明，利用该方法实现的系统在进行网络故障诊断时可以取得较好的效果。     

基于故障树的模糊神经网络的应用研究

过程系统比较复杂,故障征兆和故障原因之间存在许多不确定因素。对这类系统进行故障诊断存在许多困难。针对这类系统本文提出了基于故障树信息,利用模糊逻辑与神经网络相结合建立故障诊断系统的方法。并以某高温硝酸冷却系统为研究对象介绍了具体的实现过程,对该方法作了验证。结果表明,该方法是可行和有效的。     

系统故障诊断的一种神经网络方法

该文首先提出一个通用故障示例模型,然后运用一种自适应神经网络学习算法来寻找差错属性与故障类型之间的对应关系,由此对故障进行诊断。因为网络的结构事先并不确定,而是在训练的同时进行同步构造,所以确保了训练后建立网络具有较好的适应性。     

改进的BP神经网络在局域网故障诊断中的应用

现有的网络故障诊断方法存在诸多的不足,为了能够实现准确有效快速地排除网络故障,将人工神经网络的方法应用到对局域网的故障诊断中。先对传统的BP人工神经网络进行了分析,针对其收敛速度慢,存在局部极小值的缺点提出了一种改进后的BP人工神将网络。并先后将传统的以及改进后的两种BP神经网络应用到局域网的故障诊断中。仿真测试结果表明改进后的BP神经网络方法相比传统的BP神经网络方法确实能够更有效快速地完成对局域网的故障诊断,具有一定的应用价值。     

基于扩展T-S模型的PSO神经网络在故障诊断中的应用

针对现实故障现象具有模糊性和非线性的特点,提出了一种利用自适应扩展T-S(Takagi-Sugeno)模糊模型的PSO(Particle Swarm Optimization)算法和神经网络相结合的新型智能结构化算法来进行故障诊断的新方法.首先通过自适应的高斯函数来更改基本T-S模糊模型中的隶属度函数,进而使用扩展的T-S模糊模型来调整PSO算法的参数.然后使用该PSO算法作为神经网络的学习训练算法来进行训练.最后将此算法用于齿轮箱实测故障诊断.诊断结果显示均方误差提高了0.1981%.通过不同模型的诊断结果比较,表明本方法便捷、高效,为解决故障诊断问题提供了一条新途径.     

基于模糊神经网络的雷达印制板故障智能诊断系统研究

以故障诊断理论和方法为基础．综合运用人工智能、模糊理论和神经网络理论．对雷达印制板故障智能诊断问题进行了研究，给出了模糊神经网络故障智能诊断系统的实现过程。仿真结果表明，该方法是一种行之有效的故障智能诊断方法。为雷达印制板的故障诊断提供了一务新的途径。     

基于神经网络的模拟电路故障诊断技术探讨

将神经网络技术与模拟电路故障诊断理论相结合,综合运用神经网络交流故障字典法和神经网络直流故障字典法．提出一种实用的分层神经网络故障字典诊断模型。分别讨论了在模拟电路故障诊断的测前模拟方法和测后模拟方法中应用神经网络进行故障诊断的基本方法和步骤,分析了神经网络在故障字典应用中的分类能力、容错能力以及在测后模拟方法中的神经计算高速度优势,着重突出了实际应用中存在的难点,指出了进一步的研究方向和创新点。     

基于BP神经网络与专家系统的故障诊断系统

针对目前国内油田压缩机故障诊断存在的效率低、自动化程度不高的问题,设计了一种基于BP神经网络和专家系统的油田压缩机故障诊断系统,利用专家先验知识和神经网络的数值推理、自学习能力,对油田压缩机的故障进行分析处理,与以往油田压缩机故障诊断方法相比,该系统自动化程度高,诊断可靠准确。     

自适应神经网络在发动机故障诊断中的应用

为适应民航系统发展的要求,确保飞机的飞行安全、提高飞机发动机的可靠性和利用率、改变对发动机故障的诊断和探测能力的局限性以及降低传统的定期维护成本,提出了应用自适应神经网络技术对飞机发动机进行诊断。该文根据在飞行中检测或地面维修时采集到的数据,并将这些数据分为故障现象和故障集分别进行编码,而后利用神经网络的自学习、联想、推测、记忆、容错、自适应和多模式处理等功能对飞机发动机的故障进行诊断。应用结果表明,诊断的精度基本符合实际应用的需要。