利用经验模态分解（Empirical Mode Decomposition,EMD）的方法将直升机声信号进行分解,得到一系列本征模态分量（Instrinsic Mode Function,IMF）。计算实际直升机声信号及由其分解得到的每个IMF分量的四阶累积量对角切片谱,并由此得到实际信号及每个IMF分量的四阶累积量对角切片谱的幅度绝对值之和E。计算每一个IMF的E值与实际信号E值的比值构成直升机声信号特征矢量。采用神经网络分类器,对两种不同机型的直升机声信号进行分类和识别。仿真实验验证了该方法是可行的、有效的,分类识别取得了较好的效果。

磁流变减振器的输入输出具有很强的非线性关系，通常在进行结构分析时，需要对结构进行简化或线性化处理，因此理论上计算的十分准确的控制量，在实际中并不能达到满意的控制效果。该文采用BP神经网络对所设计的减振器进行正模型和逆模型辩识，避免了对结构进行理论建模的复杂性与不精确性，达到了很好的辨识效果。

基于卡尔曼滤波的BP神经网络方法，对大坝变形观测数据进行滤波处理，用滤波后的数据参与BP网络的训练，使网络具有动态特性，减小了神经网络陷入局部极小值的可能性，提高了神经网络的泛化能力。实例证明，该方法具有很高的预测精度和较强的泛化能力。

为了预测变速箱总成密封质量,提高一次装配合格率,提出一种灰关联分析和遗传算法-BP神经网络的预测模型。应用灰关联分析方法,计算各装配工艺参数的灰关联度,确定影响变速箱总成密封质量的关键装配工艺参数。建立基于遗传算法GA的BP神经网络预测模型,对M型变速箱装配总成泄漏值进行预测。几种预测方法结果表明,本文提出的预测方法获得的预测值平均相对误差最小,约为5.67%,验证了该预测方法的有效性。

针对采煤机液压系统故障率高,故障种类多样的问题,使用基于LM-BP神经网络对采煤机液压系统故障进行故障诊断。首先对常见故障类型进行分类,制作故障样本库,然后设计并训练基于LM-BP神经网络的采煤机液压系统故障分类模型,最后与BP神经网络模型性能对比,结果表明,模型的故障辨识率和识别速度更好。

为了解决液压支架前连杆疲劳寿命难以直接估算且预测成本较高的问题,采用鲸鱼优化算法(WOA)优化BP神经网络模型进行液压支架前连杆疲劳寿命估算,建立液压支架前连杆5个主要参数与疲劳寿命的非线性映射关系。首先在ANSYS的Fatigue模块中输入液压支架前连杠的5个主要参数,获取30组疲劳寿命仿真结果。然后从30组数据中随机选取25组数据作为优化后BP神经网络的训练集,剩余5组数据作为测试集。预测结果表明,WOA-BP神经网络模型预测精度较高,最大相对误差仅5.19%。

为了提高锁止阀开启中液动力的计算效率,通过动网格技术在流体动力学软件Fluent中模拟锁止阀的阀芯开启过程,在对阀口过流面积进行数值计算的基础上,分析其流量及流量系数随阀芯位移的变化情况。使用BP神经网络对随机抽样法获得的样本数据进行训练和预测,并对预测的结果进行准确性评估。最后,以BP神经网络预测的数学模型为基础,使用遗传算法对锁止阀节流槽参数进行优化。结果表明:优化后的锁止阀开启过程中流量-开度特性更加稳定,有利于提高锁止阀的工作性能。

航天产品发射筒主要用于导弹运输和贮存,发射筒内部装配有导弹导轨、导弹、弹上电缆网及其他精密元器件,导弹运输与贮存对于发射筒需要特定的环境要求。针对现有的XX型号发射筒充氮设备置换工艺性能不佳问题,基于Fluent数值分析方法,仿真充氮设备在不同参数(充气压力、放气压力、保压时间)下对发射筒进行置换工艺时所需的时间和氮气消耗量;再利用GA-BP神经网络对各参数进行拟合,建立多输入多输出数学模型并用遗传算法寻找最优解,满足最小的置

针对传统清扫车摆臂开环控制系统的动态响应特性不足、抗干扰能力弱,不能适应高速工况下清扫作业,设计了高速清扫车摆臂执行机构和闭环控制系统。为解决BP神经网络(BPNN)存在局部极值、收敛速度慢等问题,提出一种改进BPNN PID算法,其核心是通过主动串联校正,抑制PID前一次输出值u(k-1)对此次输出值u(k)的影响。通过搭建Simulink-AMESim联合仿真模型,研究了高速清扫车摆臂闭环控制系统的阶跃响应、抗干扰能力以及位置跟踪能力。研究结果表明:所改进的BP

针对现场摩擦叠焊修复加工中高速液压驱动主轴头在低速时钻孔效率低的问题,提出了一种全液压驱动主轴水下钻孔特性建模与离线优化方法。通过多次实验获得钻孔数据,通过BP神经网络对数据进行拟合得到水下钻孔扭矩特性,并通过遗传算法寻优,得到了最优切削参数,该参数作为在线优化的初始输入。结果表明,通过该方法能够得到全液压驱动主轴的水下钻孔特性和最优切削参数,缩短了现场钻孔加工的在线优化时间,提高了钻孔加工效率。