基于天牛须优化Spiking神经网络的导线串扰预测

串扰的分析预测是实现电气线路互联系统兼容性的重要工作,其中线缆间的相互串扰是典型的电磁兼容问题,为了更加精确地预测线缆间的串扰,提出了一种基于天牛须优化Spiking神经网络的预测模型。首先将具有强大的非线性计算能力的Spiking神经网络作为基础模型,再利用搜索性能更优的天牛须算法(BAS)初始化Spiking神经网络(SNN)中突触延时和连接权值,最终预测结果表明在相同数据的基础上,上述算法迭代次数更少,且误差减小1-2个数量级,提高了模型寻优速度和稳定性,证明了该方法的有效性与实用性。

MEA-Elman与PSO-Elman预测电离层f0F2对比研究

针对Elman神经网络对电离层临界频率f0F2预测的不足的问题,引入思维进化算法和粒子群算法优化Elman神经网络。首先,根据f0F2预测要求确定Elman神经网络各层节点个数。然后,分别利用思维进化算法和粒子群算法优化Elman神经网络的初始权值和阈值。最后,分析了两种优化算法对f0F2的预测性能。通过将预测值和实际值比较,验证了优化算法的精确度。结果表明,PSO-Elman和MEA-Elman算法对f0F2的预测精度明显大于Elman神经网络预测精度,当上午的f0F2值较大时,MEA-Elman算法表现出的连续数据预测性能优于PSO-Elman算法。

基于鲸鱼优化小波神经网络的飞行航迹缺失数据预测方法

飞行航迹数据是分析飞行状态的重要依据。针对飞行航迹缺失数据预测的问题,提出一种基于鲸鱼优化算法和小波神经网络相结合的飞行航迹缺失数据预测模型WOA-WNN。根据飞行航迹数据的非线性关系确定小波神经网络的结构;利用鲸鱼优化算优化传统小波网络的初始阈值和权值,提高收敛速度和预测精度,实现飞行航迹缺失数据的精确预测。实验结果表明:相比传统算法,WOA-WNN模型预测精度更高、预测性能更稳定,可以在输入参数较少的情况下实现航迹缺失数据的精确预测。

基于Chaos-MEA-Elman的电离层临界频率f0F2预测

针对飞机高频通信中通信频率选择不当导致信号衰落等问题,提出一种基于混沌理论和思维进化算法优化的Elman神经网络相结合的临界频率f0F2预测方法。分析和验证f0F2时间序列的混沌特性;采用混沌理论重构技术重建f0F2时间序列的相空间,并根据相空间结构确定Elman神经网络各层节点个数;利用思维进化算法优化Elman神经网络的初始权值和阈值。数值和实验分析表明,Chaos-MEA-Elman算法比Elman神经网络对电离层临界频率f0F2的预测精确度更高,为预测飞机最佳通信频率提供新的方法。

飞机交通管制数据传输信道建模与均衡方法

针对交通管制应答机在信号传输过程中由于多途径反射现象导致误码率较高问题,依据不同飞行阶段建立四种航空信道典型模型,分析四类场景下时延功率谱分布、多普勒功率谱分布以及波束散射角度对信道的影响。在上述基础上将独特字与询问应答信号组合成帧发送至相应信道从而获得衰落信号并利用独特字的相关性完成信道估计,最后将最小均方差频域均衡算法应用于航空信道以消除信号携带的时延与频移信息。仿真结果表明,上述算法可使飞机ATC信号系统误码性能获得有效改善,对飞行交通安全有着十分重要的意义。

ARINC825总线模拟仿真与一致性测试方法研究

随着航空电子设备技术的快速发展,高速、可靠的总线技术对于提高航空电子系统的整体性能和保证飞机的安全航行变得越来越重要。为满足飞机总装联调时对总线信号和总线测试的需求,设计了一套基于LabVIEW软件平台的机载ARINC825总线测试系统。系统基于美国国家仪器公司(NI)的工业化总线PXI平台。利用接口控制文档(ICD)建立XML格式的数据库,实现了ARINC825数据包生成、总线数据通信及一致性检测。经验证明,系统具有较高的可靠性和实时性,为ARINC825总线的模拟仿真及一致性测试提供了可靠的解决方案。

基于AMESim-Simulink的空气循环机性能影响研究

为深入研究飞机空调系统的空气循环机性能,了解其动态变化规律,建立发动机压气机、压力调节与预冷系统、空气循环机等模型。通过AMESim-Simulink联合的方式实现仿真,研究在不同的飞行任务剖面中,空气循环机的制冷量、发动机冲压功、发动机压缩功三个参数变化规律,并分析参数变化对空气循环机性能系数(Coefficient of Performance,COP)的影响。通过仿真结果可以更好地了解飞行任务剖面中空气循环机的性能动态变化规律,对飞机空调系统的优化和设计有重要意义。