基于自适应神经模糊推理系统的导弹直/气复合控制系统设计

针对导弹直/气复合控制问题,提出了一种基于自适应神经模糊推理系统的导弹直/气复合控制系统设计方法.首先,建立了直/气复合导弹数学模型.然后,针对常规模糊控制设计严重依赖经验的问题,在模糊控制的基础上引入神经网络,通过样本数据学习建立自适应神经模糊推理系统(ANFIS),并设计了脉冲调宽调频调制器.最后,通过仿真试验验证了所提的控制系统设计方法.仿真结果表明,基于ANFIS的导弹直/气复合控制系统能够快速精确地跟踪加速度指令.     

基于改进ANFIS方法的航空发动机气路故障诊断研究

针对标准自适应模糊推理系统存在训练速度较慢且容易陷入局部极小值等缺点,提出了一种改进的ANFIS方法。该方法利用共轭梯度法对自适应模糊神经推理系统的训练算法进行改进,在训练过程中采用Fletcher—Reeves方法计算上次搜索方向对新搜索方向的影响因数。应用该方法对航空发动机气路故障进行分析诊断,取得了较好的效果,从而验证了此方法的可行性。     

飞机起飞着陆性能智能计算模型及应用

提出了一种飞机起飞着陆性能智能计算思路。详细分析了影响飞机高原起飞着陆性能的主要因素,提出了高原起飞着陆性能智能计算的一般模型,然后采用支持向量机(Support Vector Machines,SVM)对某型飞机高原起飞滑跑距离实测数据进行了建模和验算,同时为说明支持向量机模型适合工程使用、精度高、推广性高的优点,还与贝叶斯正则化BP神经网络(BRBP)、RBF神经网络(RBF)、自适应神经模糊推理系统(ANFIS)做了比较。计算结果表明,支持向量机具有很好的推广性能,得到的结果优于BRBP,RBF和ANFIS等智能计算方法,推广误差能够满足工程的实际需要。该模型对于发展和丰富飞行器起飞着陆性能计算理论具有一定的参考价值。     

异型螺杆铣削刀具监控仪的研究

针对异形螺杆铣削加工特点,阐述了异型螺杆铣削刀具磨损/破损监控原理,采用振动信号和功率信号特征值作为检测刀具磨损的参量,利用自适应神经--模糊推理系统(ANFIS)算法和哈默斯坦非线性系统的辨识,建立刀具状态监控模型,并基于模型进行了监控仪的设计,并对监控系统的设计做了详细的论述.经试验验证,该系统满足了对刀具监控的要求.     

美国自适应发动机研究的进展与启示

为借鉴和参考美国自适应循环发动机的研究与研制经验,综述了美国变循环发动机演变至自适应发动机的3个发展阶段,重点介绍了其在多用途经济可承受的先进涡轮发动机(VAATE)研究计划下的自适应通用发动机技术(ADVENT)分计划、自适应发动机技术验证(AETD)分计划、自适应发动机过渡(AETP)分计划和空中优势自适应推进技术(ADAPT)分计划的开发与验证情况。分析总结出美国自适应发动机具有以下特点:技术先进且应用前景广泛,代表未来发展方向;变循环与自适应循环技术均不成熟,还需深入验证;技术研究采用竞争策略实施。     

基于智能材料与结构的自适应机翼技术在无人战斗机(UCAV)上的应用前景展望

简要介绍了自适应机翼的概述和智能材料与结构的功能特点。针对无人战斗机(UCAV)的设计思想和技术需要,详细阐述了基于智能材料与结构的自适应机翼技术在无人战斗机(UCAV)上的应用形式及其功能特点,从而展望了该技术的应用前景。     

基于自适应神经模糊推理算法的无人机电推进燃料电池供气系统性能优化

本文针对某无人机基于聚合物交换膜燃料电池和锂离子电池的混合动力电推进系统的应用,研究开发了一种基于自适应神经模糊推理系统的电源管理系统控制技术,以控制混合动力电力推进系统,同时优化燃料电池供气系统的性能。本文以所建立的某无人机混合电推进系统数学模型为研究对象,研究了燃料电池电流与燃料电池供气系统压缩机功率之间的关系,建立了燃料电池电流与最佳压缩机功率关系的参考模型。在参考模型的基础上,引入自适应控制器来优化燃料电池供气系统的性能。基于自适应神经模糊推理系统的控制器将压缩机的实际运行功率动态调整到参考模型中定义的最佳值。自适应控制器的在线学习和训练能力用来辨识燃料电池电流的非线性变化,并产生压缩机电机电压的控制信号,以优化燃料电池供气系统的性能。在Matlab 仿真环境中开发了质子交换膜燃料电池和锂离子混合动力电推进系统模型并对所设计的控制器进行了仿真分析,结果表明基于自适应神经模糊推理系统的控制器为燃料电池供气系统压缩机性能优化提供了一种新颖而全面的途径,使燃料电池供气系统获得最大净功率输出。将燃料电池系统的净功率输出与最佳压缩机功率和恒定压缩机功率进行了比较,结果表明优化的压缩机功率配置比恒定的压缩机功率配置节能2.62%。同时,燃料电池自适应神经模糊推理系统控制器优化了燃料电池供气系统的能量利用。     

变精度模型(VCM)的自适应预处理方法研究

在气动优化设计和气动数据库建立中,为了在不降低数据精度的同时提高效率降低成本,提出了变精度模型(VCM)。本文的研究发现,经典的变精度模型(VCM)方法在原始数据绝对值较小的情况下,微小的误差会被放大,损害变精度模型的质量。严重情况下甚至出现振荡,导致变精度模型气动数据失真。为此,提出了一种VCM方法的自适应预处理技术,通过自适应算法估算出合适的预处理参数平移气动数据,避开过零区域,解决了变精度模型的上述问题。在一个典型高超声速飞行器的六自由度气动特性数据库建立中应用校验该方法。新方法将风洞试验数据、CFD数据和工程计算数据融合在一起,得到了一致精度的完整气动特性数据库。     

涡轮泵实时故障检测短数据均值自适应阈值算法

为了实时监控液体火箭发动机涡轮泵的状态，提高其安全性，降低其故障带来的破坏程度，提出了短数据均值自适应阈值算法(SDM—ATA)，建立了实时故障检测的统计学模型、研究了阈值区间均值与方差的自适应计算及其带宽系数的自适应训练、故障综合决策逻辑，以及故障数据对阈值贡献的踢除等方法，并利用某型火箭发动机地面试车涡轮泵振动测量数据和某型转子试验平台实时测量数据对该算法进行离线和实时在线故障检测试验验证。结果表明，SDM—ATA没有发生误检测情况，并具有实时故障检测的能力。     

一种新型模糊自适应Kalman滤波器在组合导航中的应用

针对光纤陀螺捷联惯导(FOG SINS)/GPS组合导航系统实际工作环境中,由于系统噪声与量测噪声模型发生变化而带来的滤波器发散的问题,提出一种新型模糊自适应Kalman滤波器(FSHAKF).通过引入IMU精度因子与GPS水平精度因子,构造模糊推理系统(FIS),实时更新自适应参数,有效地解决了传统Sage-Husa自适应滤波器(SHAKF)估计模型不准确、系统噪声与量测噪声无法同时估计以及滤波器长时间易发散的问题.仿真实验表明,本文提出的FSHAKF算法相较于SHAKF算法,估计精度得到明显提高,且避免了滤波器的发散.     

Fuzzy corrections in a GPS/INS hybrid navigation system

A new concept regarding GPS/INS integration, based on artificial intelligence, i.e. adaptive neuro-fuzzy inference system (ANFIS) is presented. The GPS is used as reference during the time it is available. The data from GPS and inertial navigation system (INS) are used to build a structured knowledge base consisting of behavior of the INS in some special scenarios of vehicle motion. With the same data, the proposed fuzzy system is trained to obtain the corrected navigation data. In the absence of the GPS information, the system will perform its task only with the data from INS and with the fuzzy correction algorithm. This paper shows, using Matlab simulations, that as long as the GPS unavailability time is no longer than the previous training time and for the scenarios a priori defined, the accuracy of trained ANFIS, in absence of data from a reference navigation system, is better than the accuracy of stand-alone INS. The flexibility of model is also analyzed.     

航空发动机LQR控制的模糊神经网络方法

针对线性二次型调节器LQR在航空发动机多变量控制中存在的存储量需求太大的问题,提出了相应的自适应神经网络模糊控制方法。根据某型发动机飞行包线内给定工作点的线性化模型,分别设计控制器,并将分别设计的控制器用自适应神经网络模糊推理的方法进行综合,使之成为一个非线性的控制器,由此可以得出其它工作点的LQR设计结果。该方法能够在一定程度上弥补LQR控制的缺陷,仿真实例表明了其有效性。      

Synthetic damage effect assessment through evidential reasoning approach and neural fuzzy inference: Application in ship target

The damage effect assessment of anti-ship missiles combines system science and weapon science, which can provide reference for the assessment of battlefield damage situation. In order to solve the difficulty of heterogeneous data aggregation and the difficulty in constructing the mapping between factors and damage effect, this paper analyzes the specific damage process of the anti-ship missile to the ship, and proposes a synthetic Evidential Reasoning (ER) – Adaptive Neural Fuzzy Inference System (ANFIS) to assess the damage effect. To solve the problem of fuzziness and uncertainty of criteria in the assessment process, the belief structure model is used to transform qualitative and quantitative information into a unified mathematical structure, and ER algorithm is used to fuse the information of lower-level criteria. In order to solve the problem of fuzziness and uncertainty of the information contained in the first-level variables, and the strong non-linear characteristics of the mapping between first-level variables and damage effect, the ANFIS with self-adaptation and self-learning is constructed. The map between the three first-level variables and damage effect is established, and the interaction process of the various factors in the damage effect assessment are clear. Sensitivity analysis shows that assessment model has good stability. The result analysis and comparative analysis show that the process proposed in this paper can effectively assess the damage effect of anti-ship missiles, and all criteria data are objective and comparable.     

Multi-mode diagnosis of a gas turbine engine using an adaptive neuro-fuzzy system

Gas Turbine Engines (GTEs) are vastly used for generation of mechanical power in a wide range of applications from airplane propulsion systems to stationary power plants. The gas-path components of a GTE are exposed to harsh operating and ambient conditions, leading to several degradation mechanisms. Because GTE components are mostly inaccessible for direct measurements and their degradation levels must be inferred from the measurements of accessible parameters, it is a challenge to acquire reliable information on the degradation conditions of the parts in different fault modes. In this work, a data-driven fault detection and degradation estimation scheme is developed for GTE diagnostics based on an Adaptive Neuro-Fuzzy Inference System (ANFIS). To verify the performance and accuracy of the developed diagnostic framework on GTE data, an ensemble of measurable gas path parameters has been generated by a high-fidelity GTE model under (a) diverse ambient conditions and control settings, (b) every possible combination of degradation symptoms, and (c) a broad range of signal to noise ratios. The results prove the competency of the developed framework in fault diagnostics and reveal the sensitivity of diagnostic results to measurement noise for different degradation symptoms.     

基于模糊综合评价的关联性能分析

针对单一指标无法较完整的对数据融合中的数据关联效果进行评估的问题,本文提出应用模糊综合评价法,综合多个指标、多个场景对数据关联的性能进行综合评估.实验表明,该模型可以对数据关联的性能进行定量评价,并且能够对不同关联算法的性能进行比较.     

软件数据耦合影响分析方法

以软件中数据为核心,通过分析一个具有高度数据耦合、实时并发进程特点的武器装备飞行控制软件实例,提出一种实时软件数据耦合影响分析方法.该方法通过静态分析实时软件中全部共享数据的并发使用情况,可有效发现实时软件中因数据耦合和并发执行引起的共享数据冲突,消除软件的质量隐患.