基于BP神经网络的大型客机经济性分析

为使大型客机设计人员在飞机设计阶段便可对经济性有较为准确的把握,针对大型客机经济性,采用改进的BP神经网络理论建立了一种新的分析模型,并给出建模流程。利用JAVA语言实现核心算法进行数字仿真,对所建立大型客机经济性分析的神经网络模型进行了验证,并进行误差分析,提出改进方案。仿真结果表明,所建BP神经网络对大型客机经济性的估算是有效的,且该方法精度较高,实用性较强。     

大型客机直接维修成本分析研究

降低大型客机直接维修成本(DMC)是提高经济性的重要途径。笔者综合分析了大型客机直接维修成本影响参数,针对影响参数和大型客机研制阶段数据特点,提出采用基于改进粒子群(IP-SO)-BP神经网络的直接维修成本分析方法,实现定量的直接维修成本分析。建立的大型客机直接维修成本分析模型具有避免陷入局部最小值,加快学习速度的优点,通过实例验证了该方法的有效性。     

基于油液分析的多层前向BP网络在复杂机械故障诊断中的应用

为了提高大型复杂机械故障诊断系统的诊断精度和自适应性,将改进的多层前向BP神经网络引入大型复杂机械系统故障诊断的研究,通过对该系统的多技术油液分析,建立了该机械系统油液分析故障特征表及神经网络目标输出,以此构建了基于油液分析的复杂机械系统多层前向BP网络故障诊断模型,并对该模型在MATLAB环境下进行了仿真训练和故障诊断。仿真结果表明,该模型能用于故障诊断,并有较高的输出精度。     

国产大型客机高原航线爬升性能优化仿真研究

飞机在高原机场运营时,由于海拔、多变的天气和复杂的地形等因素的影响造成飞机爬升性能下降,最终影响飞机的经济性和飞行安全。通过对国产大型客机在高原机场运行时海拔高度、气象和地形等各方面因素对飞机爬升性能的影响分析,采用解析方法,建立飞机高原机场爬升性能计算的数学模型;同时利用MATLAB软件对国产大型客机飞高原航线的爬升性能进行优化仿真。通过仿真,对国产大型客机飞高原航线提出具体的限制和要求。仿真结果表明,对国产大型客机高原航线爬升性能的优化可以进一步提高该飞机的应用前景。     

基于BP网络的工程数据处理

基于BP神经网络的高度非线性映射特性,提出一种改进的BP神经网络及其算法,将其应用于工程图的数据处理,并通过建立渐开线齿轮齿廓线的BP神经网络模型后进行齿轮轮廓线拟合,由仿真曲线可验证此方法的有效性.     

BP神经网络在高强度螺栓疲劳试验设计中的应用

阐述了BP神经网络的结构模型和算法，并由此建立了BP神经网络在高强度螺栓疲劳试验设计中的应用模型。最后，得到的仿真结果表明，它对试验改进措施具有指导意义。     

基于BP神经网络的外协供应商选择方法及应用

针对大型建材装备制造企业不能快速准确选择最优外协供应商的问题,提出了一种基于BP神经网络的外协供应商选择方法。在分析外协供应商及其评价方法的基础上,建立了基于BP神经网络的外协供应商综合评价模型,设计了一种基于BP神经网络的外协供应商选择算法,可以利用训练好的神经网络进行外协供应商的选择。通过算例进行了仿真分析,验证了算法的可行性。     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

基于PCA-改进算法BP神经网络的软测量技术

本文在利用动量法和自适应改变学习率改进BP神经网络算法的基础上,针对网络权值调整时不容易跳出误差平坦区的问题,进一步对神经网络的学习算法进行了改进,引入一个陡度因子.并与主元分析相结合,形成了PCA-改进算法的BP神经网络.通过在塑料缠绕过程塑料张力预测中的仿真实验结果表明PCA-改进算法后的BP神经网络不但可以提高模型的精度而且也使网络的泛化能力得到了增强.     

基于遗传算法改进的BP神经网络模型的磨损机理智能识别

通过提取磨粒形状特征参数、颜色特征参数和表面纹理等特征参数对磨粒形态进行量化表征,并以此为输入矢量,引入遗传算法(GA)改进BP神经网络对磨粒进行自动分类识别,建立遗传算法改进的BP神经网络模型,并给出具体的算法实现过程。分别应用遗传算法改进的BP神经网络模型和未引入遗传算法改进的BP神经网络模型对磨粒图像进行智能识别。实验结果表明,遗传算法改进的BP神经网络综合了遗传算法的全局优化和BP算法局部搜索速度快的特点,网络识别率较高,具有较好的全局性。     

空气悬架客车虚拟样机的操纵稳定性研究

在详细的考虑转向机构,前后空气悬架,轮胎,及车身等部件的基础上,利用ADAMS/Car软件建立某大型客车的操纵稳定性模型.在两自由度汽车模型理论研究的基础上验证质量分配系数η对整车操纵稳定性性能的影响;并分析了车身侧倾自由度下悬架的各种弹性及柔性元件对操纵稳定性能影响.结果对客车的设计及整车的布置具有指导意义.     

应用BP网络提高车辆制动系统计算机仿真精度的研究

引入神经网络技术对车辆制动系统进行计算机仿真研究,在原有车辆制动系统计算机仿真的基础上,通过ＢＰ网络对仿真结果的学习,把数学模型转化为神经网络模型,再进一步通过对整车试验结果的学习,最终达到修正模型,提高仿真精度的目的。     

Neural-networks-aided fault diagnosis in supervisory control of advanced manufacturing systems

Fault diagnosis presents considerable difficulty to human operators in supervisory control of advanced manufacturing systems. A neural network which employs a symptomatic search strategy by pattern recognition has been developed to aid human operators in supervisory control of a simulated advanced manufacturing system. The abilities of learning-by-example, knowledge generalisation, and parallel processing of neural networks were examined, resulting in the superior performance of neural networks in comparison to expert systems and humans in terms of training, knowledge generalisation, knowledge updating, and taks performance. A more complex system of neural-networks-aided fault diagnosis, employing symptomatic search by hypothesis and test has been designed for the economy of collecting and using symptomatic information. Finally, it is suggested that an integrated supervisory control system with computer-aided fault detection and neural-networks-aided fault diagnosis will make advanced manufacturing systems more attractive in terms of increased productivity as well as improved human jobs.     

Power-balancing instantaneous optimization energy management for a novel series-parallel hybrid electric bus

Energy management(EM) is a core technique of hybrid electric bus(HEB) in order to advance fuel economy performance optimization and is unique for the corresponding configuration. There are existing algorithms of control strategy seldom take battery power management into account with international combustion engine power management. In this paper, a type of power-balancing instantaneous optimization(PBIO) energy management control strategy is proposed for a novel series-parallel hybrid electric bus. According to the characteristic of the novel series-parallel architecture, the switching boundary condition between series and parallel mode as well as the control rules of the power-balancing strategy are developed. The equivalent fuel model of battery is implemented and combined with the fuel of engine to constitute the objective function which is to minimize the fuel consumption at each sampled time and to coordinate the power distribution in real-time between the engine and battery. To validate the proposed strategy effective and reasonable, a forward model is built based on Matlab/Simulink for the simulation and the dSPACE autobox is applied to act as a controller for hardware in-the-loop integrated with bench test. Both the results of simulation and hardware-in-the-loop demonstrate that the proposed strategy not only enable to sustain the battery SOC within its operational range and keep the engine operation point locating the peak efficiency region, but also the fuel economy of series-parallel hybrid electric bus(SPHEB) dramatically advanced up to 30.73% via comparing with the prototype bus and a similar improvement for PBIO strategy relative to rule-based strategy, the reduction of fuel consumption is up to 12.38%. The proposed research ensures the algorithm of PBIO is real-time applicability, improves the efficiency of SPHEB system, as well as suite to complicated configuration perfectly.     

基于车速跟踪的商用车燃油经济性建模与仿真

针对燃油经济性仿真模型仅能计算车辆在模态工况下的燃油消耗量的问题,提出了一种基于车速跟踪的燃油经济性仿真模型的建模方法。在建立车辆纵向动力学模型、驾驶意图模型和发动机与传动系统模型的基础上,利用MATLAB/Simulink搭建了商用车燃油经济性仿真模型,并以某客车为例进行了试验与仿真对比。对比结果表明：所建模型能对商用车的任意行驶工况进行较好的车速跟踪,并能对商用车在该行驶工况下的燃油消耗量进行较为准确的仿真计算。通过更改仿真模型中的相关车辆参数,可以方便快速地进行不同动力总成配置的商用车的燃油经济性仿真计算。     

RBF神经网络在超高压釜内油温软测量中的应用

依据200MPa超高压釜内介质温度间接测量的实际问题，通过研究RBF神经网络的特点，建立了超高压釜内油温的RBF神经网络软测量模型，并进行了仿真实验。结果表明：该方法可实现超高压釜内介质温度的软测量，为其进一步地推断控制奠定了基础。     

基于工况识别的混联式混合动力客车控制策略研究

为进一步提高新型混联式混合动力客车燃油经济性,根据城市循环工况的特点选定了四种典型的城市工况,采用学习向量量化(LVQ)神经网络模型对各工况特征参数进行训练学习以进行实时工况识别,结合基于动态规划的全局优化结果来提取功率均衡控制规则并存储于控制模块中以供不同工况选择,制定了基于工况识别的控制策略。以MATLAB/Simulink为平台建立基于工况识别的控制策略整车前向仿真模型,仿真结果表明,与普通控制策略相比,采用基于工况识别的控制策略的燃油经济性提高7%。     

某城市公交车动力传动系速比优化研究

传动系速比对整车动力性能和经济性能有着重要的影响。使用CRUISE软件建立某城市公交车的整车仿真模型,将仿真结果与试验结果对比,验证了模型的正确性。并根据最优化技术,采用CRUISEISIGHT联合优化的方法,确定了动力传动系速比的优化方案。结果表明,该优化方案明显优于原方案,使得该城市公交车的动力性能和经济性能都得到了较大的提升。     

Adaptive control of a switched hypersonic vehicle model robust to scramjet choking and elevator fault

This paper studies the longitudinal control problem for air-breathing hypersonic vehicles (AHVs) with safety considerations on scramjet choking and elevator fault. A control-oriented switched model (COSM) is employed to better describe the full-envelope flight of AHVs. Unlike the recent control strategy that utilizes neural networks to approximate the unpredictable switching nonlinearities in the COSM, a control strategy free of neural networks is proposed for AHVs. The saturation characteristic of fuel-to-air equivalent ratio is accommodated to protect the scramjet from thermal choking by constructing an adaptive velocity reference generator, which adjusts the velocity reference according to the saturation level. Meanwhile, the time-varying efficiency ratio and bias of faulty elevator are lumped into the uncertain parameters, which are handled by a bound adaption mechanism. A simulation study verifies the developed control.