重磁异常反演的拟BP神经网络方法及其应用

把神经网络与重磁异常反演理论相结合，提出了用于重磁反演的一种拟BP神经网络方法．基于3层神经网络结构，把隐含层神经元设定为三维空间物性（磁化强度或密度）单元．对实测与理论重磁异常经S型函数变换，采用自动修改物性单元物性值的拟BP算法，反演三维空间的物性分布．利用该网络对理论模型数据和内蒙古某花岗岩体上的航磁资料进行了反演计算，取得了满意的反演效果．

重力梯度张量的拟BP神经网络反演

基于重力梯度张量是反映重力场空间变化率的参数,比传统的重力异常具有更高的分辨率和更丰富的信息,将改进的BP神经网络算法应用于重力梯度张量的反演中并分析其反演效果。该算法是一种基于RPROP算法的拟BP神经网络反演算法,采用三层神经网络结构,用隐层神经元表示物性单元的密度值,根据RPROP算法自动修改各单元密度值,从而得出场源空间的密度分布。研究结果表明:采用这种算法对重力梯度张量进行反演计算,收敛速度快,对初始模型依赖性小,可准确反映出异常体形态特征和密度特征。

带模拟退火的拟BP神经网络在伊朗某地区重力资料反演中的应用

选用目前非线性方法中的2个研究热点,即BP神经网络和模拟退火算法,用优化后的BP神经网络为主框架,结合位场反演的特点,在反演过程中引入模拟退火算法,这样既利用了BP神经网络指导学习的功能,提高了局部搜索性能,又利用了模拟退火算法的概率突跳性,实现了最终的全局收敛性,从而在减少多解性和提高反演的速度和精度等方面有了新的进展。通过模型试验,验证了该方法的有效性。本方法应用于伊朗某地区的重力资料反演,较好地反映了剖面的地质情况。

运输类飞机爬升性能试飞数据处理方法研究

针对某型运输类涡桨飞机采用"平飞加速法"进行爬升性能试飞时纵向过载测试数据波动较大,爬升性能难以确定的问题,提出了一种利用有限冲击响应(Finite Impulse Response,FIR)低通数字滤波器,对纵向过载进行滤波,然后基于多层前馈网络(Multiple-layer feedforward network)的BP(Backpropagation)神经网络拟合算法对滤波后的数据进行平滑处理的试飞数据处理方法。结果表明,本文方法能显著改善该型飞机爬升性能试飞数据处理结果,可为其他型号涡桨运输类飞机爬升性能试飞提供参考。

一种飞翼布局飞行平台FADS系统应用方案研究

对于一些高性能飞行器(如飞翼布局飞行器),仅采用安装在机头表面的测压孔的FADS系统方案.某些情况下不一定能够给出较为准确的飞行姿态数据;针对飞翼布局飞行平台对高精度迎角、侧滑角的依赖性.给出了一种采用安装于机头表面的测压孔和机翼前缘的测压孔相结合的FADS系统方案,推导了其空气动力学模型,并用BP神经网络拟合出了迎角和侧滑角的修正曲线,结果表明该方案能够满足系统精度的要求。