简介：在干扰大的外界环境中,传统滤波法对组合导航系统进行状态估计的精度难以满足要求,为此提出了引入Elman神经网络.描述了它的状态估计的设计方法,对如何获取训练样本及网络的训练算法给予了详细的介绍,并把优化后的算法与原有方法进行仿真对比.最后以INS/GPS组合导航系统为例,分别用传统滤波法与Elman神经网络法进行状态估计.仿真结果证明了该法的有效性和实用性.

简介：本文针对某型陀螺启动特性进行了试验研究，在陀螺启动漂移特性试验数据基础上，用神经网络建立了启动漂移速率温度的非线性模型，并对模型进行了检验，证实了神经网络的有效性

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：光纤陀螺（FOG）温度漂移误差是影响其输出精度的主要误差源之一。针对基于传统BP神经网络FOG温度误差补偿方案适用性较差的问题,提出了优化预测数据的BP神经网络补偿算法,利用最优线性平滑技术以及滑动平均技术对神经网络待补偿数据进行预处理,可以有效减小FOG输出白噪声对温度漂移网络模型补偿精度的干扰,优化神经网络模型的补偿效果。使用FOG温度漂移实测数据对所提出的优化算法进行验证,结果表明利用本文提出的两种建模及补偿方案进行补偿后的FOG温度漂移数据标准差相比传统BP神经网络补偿方法减少50%以上。

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：从模式识别的角度分析了搜索模式下水下运载体的重力匹配问题,利用模式识别神经网络实现重力匹配定位。在重力图匹配时,以惯性导航仪指示位置为中心规划真实位置的网格点搜索范围,从参考重力图上提取相应一系列的重力数据,与对应网格点的位置一起定义成多个模式类,构造相应的模式识别概率神经网络,运用该神经网络将实时重力测量数据识别到某个模式类,对比模式类的定义确定载体位置。在实测重力图上对重力辅助惯性导航系统进行了计算机仿真研究。结果表明,在重力场特征显著区域该重力匹配算法能够有效减小厄特弗斯效应的影响,其导航系统定位误差小于一个重力图网格,匹配率在80%以上,匹配效果优于一般的相关匹配算法。

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：在详细分析光纤陀螺零漂的基础上，提出了先用滤波算法对光纤陀螺信号进行预处理，然后采用RBF神经网络对滤波后的信号进行建模的方法．针对光纤陀螺信号特点分别采用FLP算法、小波滤波算法、解相关变步长LMS自适应滤波算法对其进行了预处理，比较三种滤波方法，小波滤波算法效果优于其它两种预处理方法，但针对基于预处理后的陀螺信号采用RBF神经网络进行建模时，小波滤波预处理后的信号在建模精度上却是最差的，而对FLP算法滤波后的信号进行RBF建模，建模精度提高了两个数量级。结果表明：基于FLP算法的RBF神经网络在光纤陀螺中的建模是有效的，可大大提高建模的精度。

简介：针对GPS精密单点定位对高精度的需求,提出了一种采用小波神经网络的GPS精密单点定位解算方法。该方法利用小波变换和神经网络学习功能,无需准确系统先验信息,误差函数能够快速收敛,逼近真实误差模型,从而提高GPS精密单点定位精度。仿真结果表明,静态条件下与传统最小二乘法和卡尔曼滤波算法相比,该算法定位收敛时间缩短50%,定位精度分别提升90%和50%。动态情况下,较最小二乘法和卡尔曼滤波算法定位精度提高20%~80%。

简介：为了提高使用精度，研究了某型号MEMS陀螺仪的随机漂移模型。采用游程检验法分析了该陀螺仪随机漂移数据的平稳性，并根据该漂移为均值非平稳、方差平稳的随机过程的结论，采用梯度径向基（RBF）神经网络对漂移数据进行了建模。实验结果表明：相比经典RBF网络模型而言，这种方法建立的模型能更好地描则EMs陀螺仪的漂移特；相对于季节时间序列模型而言，其补偿效果提高了大约15％。

简介：本文用ＢＰ神经网络对挠性陀螺仪伺服回路的故障诊断进行了模拟，取得了满意的结果。同时还介绍了作者设计的这一通用型ＢＰ神经网络软件包及其特色

简介：描述了一种惯导辅助的基于GPS的航向姿态参考系统的设计与实现,主要工作包括两个方面:第一,采用最小二乘方法和乔里斯基分解,基于基线长度约束设计并实现了实时的GPS定姿系统;第二,采用低成本的光纤陀螺辅助GPS定姿系统,提出了基于姿态角约束的多分辨率方法,用于在GPS定姿失败的情况下,正确求解载体姿态.该系统经过船载航行实验,证明完全能够达到实时计算,在基线长度为3m的条件下,航向角精度优于0.1°.

简介：将GPS定位航位推算(DR)技术结合起来,可以用于车辆的定位和导航中.但是现有的航位推算设备都需要用角度传感器测量车辆的行驶方向,在实际应用中存在很多不便而且性价比不高.为解决这一问题,通过研究设计了只使用速度传感器就可以进行航位推算的设备,并对设备的工作原理、体系结构和基本算法进行了介绍.通过对模拟实验数据进行分析,证明了这种航位推算方法可以很好地弥补GPS导航定位的不足.

简介：故障树在设备的故障诊断中被广泛应用.当系统复杂度较大时,故障模式和故障树的分支会剧烈增加,故障现象和故障原因因此出现复杂关系,这必然给故障检测和诊断推理带来极大的困难.在故障诊断中引入一种新的人工智能方法,即蚁群算法,可以确定故障树的最优检测次序,并指导系统多故障状态的决策.由于该方法具有平行性、鲁棒性等特点,可以很好地解决前面所提问题.仿真结果显示,在故障树中采用该新方法可行、有效.

简介：准确地给出激波位置信息对于激波装配极为重要.但是,在使用计算流体力学（computationalfluiddynamics,CFD）方法模拟复杂流动时很难准确地给出激波的位置.根据激波捕捉得到的流场信息确定的激波位置往往带有极大误差,在定常问题的模拟中,这种误差可以随着迭代逐渐消除,然而在非定常问题的模拟中,这种误差往往会积累甚至导致计算崩溃.文章将基于特征线理论的激波辨识技术应用到激波装配中,根据已有流场信息准确判断激波的位置.对于定常问题,该方法的应用加速了收敛速度;对于非定常问题,该方法的应用可以极大地避免初始误差的产生.

简介：方柱绕流是典型的钝体绕流问题,蕴含了丰富的流体力学现象,对这类流动的准确预测面临着诸多挑战.采用自主发展的大涡模拟程序,对来流Mach数M=0.3,Reynolds数尺eD=22000的绕孤立方柱流动进行了细致模拟,亚格子模型使用动力涡黏模型.对计算结果的分析表明,大涡模拟所得的平均流场及Reynolds应力分布与已有实验数据和直接数值模拟结果均吻合较好,验证了预测结果的可靠性;在此基础上对瞬态流场进行了研究,展示了计算条件下方柱绕流分离转捩及尾迹区旋涡交替脱落形成Karman涡街的全过程,为更细致的流动机理探索奠定了基础.

简介：本文讨论了三相交流陀螺马达电源的工作原理。根据主要技术指标的要求，设计了陀螺马达电源，给出了该电源的各个组成部分的线路设计，解决了研制中出现的电源振荡问题，论述了该电源的设计特点，给出了使用结论

简介：针对卫星姿态测量系统(SAMS),将径向基函数RBF(RadialBasisFunction)网络和多传感器信息融合技术相结合,并将其应用在系统的故障检测与诊断中.研究结果表明,此方法是可行有效的,可以提高系统的测量精度和性能.

简介：本文提出了一种用于车辆导航的地图匹配算法。通过对卡尔曼滤波后模型的误差特性分析，该算法可获得比通常相关性算法更好的精度，并经试验验证

简介：针对机载SAR运补系统中使用的DGPS/SINS组合系统Kalman滤波器所遇到的发散问题,提出了带遗忘因子H∞的滤波新方法.通过仿真计算表明:与常规间接反馈校正Kalman滤波器相比,这种方法大大提高了组合导航系统的稳定性和跟踪性.