论文部分内容阅读
航空发动机性能衰退预报、航天器热平衡试验中热平衡温度的预测以及航天器空间工作环境预测等都可以看作是一类十分复杂的非线性时变问题，难以用确定的机理模型进行描述，利用积累的丰富的性能参数样本进行预测、预报分析就成为一种现实而有效的方法。针对现有的基于传统人工神经网络的状态预报技术在解决时变状态预报问题时的不适应性，本文在国家自然科学基金(项目编号：60373102；60572174)的资助下，在发展过程神经网络理论的同时将其与动态模式识别及时间序列预测理论相结合，提出了一种基于过程神经网络的新型状态预报理论，并将该状态预报理论用于解决上述航空、航天领域中的实际问题，取得了满意的结果。 在发展过程神经网络理论方面，本文从连接方式和逼近特性角度出发，提出了三种具有较好适应性的过程神经网络模型——双并联前馈过程神经网络、Elman型反馈过程神经网络和对向传播过程神经网络。其中，前两者均为具有全局逼近特性的过程神经网络，后者则是一种具有局部逼近特性的前馈型过程神经网络。文中分别为三种网络模型开发了各自适用的学习算法，并对各网络模型及其学习算法的相关性能进行了分析和仿真验证。 本文提出的基于过程神经网络的状态预报理论主要包括基于过程神经网络的动态模式识别理论和基于过程神经网络的时间序列预测理论。文中分析了过程神经网络用于动态模式特征提取和分类决策的机理，认为动态模式实际上可以看作是过程神经网络输入函数空间中的一个点，证明通过非线性地投射到高维函数空间会比投射到低维函数空间使动态模式更可能是线性可分的。仿真试验验证了基于过程神经网络的动态模式识别方法的有效性。同时，本文从泛函分析的角度出发，将时间序列短期预测看作是一个泛函逼近问题，将时间序列长期预测看作是一个算子逼近问题。文中讨论并证明了过程神经网络对任意连续泛函或算子的逼近能力，为过程神经网络用于时间序列预测提供了理论上的支持。文中以Mackey-Glass混沌时间序列预测为例验证了基于过程神经网络的时间序列预测方法的有效性。 针对航空、航天的实际需求，本文首次将基于过程神经网络的状态预报理论应用于这两个重要领域中。利用基于过程神经网络的时间序列预测方法完成了对航天器热平衡温度的预测、对太阳活动第23周太阳黑子数平滑月均值的预测以及对航空发动机排气温度和滑油金属含量的预测，还利用基于过程神经网络的动态模式识别方法完成了对航空发动机转子仿真机械故障的诊断。用基于过程神经网络的状态预报理论解决上述问题均取得了满意的结果。实际应用结果同时表明：与传统状态预报技术相比，在处理时变问题方面，本文提出的基于过程神经网络的状态预报理论在方法上其模型结构更加紧凑、实时性更强且精度更高。综上所述，基于过程神经网络的状态预报理论在为生产或管理部门提供科学决策支持的同时也进一步丰富了过程神经网络理论体系，因而具有一定的理论和实用价值。