简介:为了提高潜器导航定位精度,针对等值线算法在惯导系统初始误差较大时易发散的问题,提出基于概率神经网络调优的等值线改进方法。首先,在搜索区域内,利用概率神经网络算法对惯导系统航迹进行调优,并经过卡尔曼滤波器与惯导系统航迹进行信息融合形成待匹配航迹;在此基础上利用实时等值线算法得到最佳匹配位置。分别在不同初始条件下进行仿真分析,得出概率神经网络算法在大的初始误差下不易发散但定位精度不高的结论,然后在潜器行驶6h后,初始误差为5.438?的条件下进行仿真验证,结果表明,改进方法定位精度均值优于0.537?,从而证明改进方法是有效的,即使在大的初始误差下仍然能够达到较高的定位精度。
简介:基于解的充分必要条件,提出一类广义变分不等式问题的神经网络模型.通过构造Lyapunov函数,在适当的条件下证明了新模型是Lyapunov稳定的,并且全局收敛和指数收敛于原问题的解.数值试验表明,该神经网络模型是有效的和可行的.
简介:本文采用Lyapunov-Krasovskii泛函方法对一类变时滞细胞神经网络的全局指数稳定性进行了研究,得出了一些关于DCNN全局指数稳定性的充分条件。
简介:开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.
简介:介绍了大口径球面反射镜曲率半径的传统测量方法,提出了利用组合测杆结合激光干涉仪测量球面反射镜曲率半径的新方法。首先利用激光干涉仪检测球面反射镜的面型,调整干涉仪与被测镜的位置,使被测镜达到零条纹干涉状态,然后架设合理长度组合测杆,调整组合测杆靠近干涉仪端测量球头的位置,使之达到零条纹干涉状态,再使组合测杆另一端测头与镜面接触完成测量,通过计算分析即可得到被测球面镜的曲率半径。对该方法的基本测量原理进行了研究分析,并对口径为600mm的望远镜球面主镜的曲率半径进行了多次测量,测得其曲率半径均值为2836.774mm,标准偏差为0.071mm。最后对该方法的测量不确定度进行了分析,找出了影响测量精度的主要因素,合成标准不确定度为0.061mm。
简介:针对系统误差的不确定性可能会引起滤波精度降低或发散的问题,提出一种新的基于模型预测滤波的前向神经网络算法。首先,采用模型预测滤波估计网络在正向传递过程中的模型误差,并对其进行修正,以弥补模型误差对隐含层权值更新的影响;然后,利用模型预测滤波为神经网络提供精确的训练样本,学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统,并与扩展卡尔曼滤波进行比较,仿真结果表明,提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05m/s,+0.05m/s]和[-5m,+5m]以内,滤波性能明显优于扩展卡尔曼滤波算法,表明该算法能提高组合导航定位的解算精度。
简介:柔爆索是航天运载器爆炸分离装置的能量来源,分离过程涉及小装药比情况下爆炸驱动外围壳体的飞散问题。一般认为,Gurney公式不适用于计算小装药比情况下壳体的飞散速度。为了分析分离碎片的飞散特性,基于柔爆索爆炸做功的三阶段分析,提出了计算壳体碎片飞散速度的理论方法,并通过与实验结果和数值模拟结果的对比,分析讨论了理论方法的适用性。结果表明,装药质量比是影响柔爆索爆炸驱动壳体碎片飞散速度的主要因素,装药质量比越大,最终碎片飞散速度越大;同时,双层壳体的存在使得碎片驱动初期的两段效应凸显出来,说明提出的分析模型与实际结果比较接近。Gurney公式不适用计算装药比小于0.01的碎片飞散速度。