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：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：针对舰机惯导传递对准过程中舰船机动受限、系统可观测性差等特点,提出了基于状态参数可观测度分析的自适应滤波方法.通过系统状态参数可观测性分析,量化各状态分量可观测程度,进而根据可观测度大小分组构造自适应调节因子,并采用滤波增益衰减法对观测度低的分量通道进行有效处理,以此来提高传递对准滤波算法的适应性和滤波估计精度.舰船模拟轨迹下仿真结果表明,基于状态参数可观测度分析的自适应滤波方法和常规方法相比,具有较高的精度和较快的收敛速度,对准精度由3′提高到2′,滤波估计收敛时间由15min缩短至8min.

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：在不同工况下,旋转爆震波能够以单波、双波、多波模式进行传播.但在同一工况下,是否存在不同模式的稳定传播爆震波还有待进一步研究.基于Euler方程,耦合氢气/空气的有限化学反应速率模型,并采用高分辨率的5阶有限差分格式WENO-PPM5离散对流项,对三维旋转爆震波进行了数值模拟.计算结果表明,在同一特定工况下,旋转爆震波能够以两种不同的传播模式稳定传播,即单波模式和双波模式.详细地对比了两种传播模式下的流场特征、爆震波传播特性、推力性能等.在同一工况下,两种传播模式的爆震波周向传播速度相差不多,但双波模式的频率约为单波模式的2倍;双波模式下质量流量、比冲、推力的平均值均略高于单波模式;且双波模式的可燃混气层高度约为单波模式的1/2,这有助于缩小旋转爆震发动机的长度,使之更加紧凑.