基于模糊旅行时间的动态交通分配模型

提出了一种新的模糊动态交通分配(FDTA)模型,采用模糊集合理论描述动态旅行时间,应用模糊h截集的最短路径方法找出模糊最短路径集合,计算各条路径的隶属函数,并采用C-LOGIT模型实现网络加载,最后比较了FDTA模型和经典的随机动态交通分配(SDTA)模型.仿真结果显示:在正常交通状况下FDTA模型能够获得与SDTA模型非常接近的分配结果,并更加符合实际的交通状况;当有交通拥堵、事故、施工/管制等动态交通状况发生时,FDTA模型能够解决动态交通状况的建模问题;当交通网络结构复杂时,通过改变h值可以有效减少模糊最短路径的数量,提高计算效率.     

状态监控与故障诊断聚类分析法

概要阐释聚类分析方法及其技术要点，对用聚类分析进行状态监控和故障诊断作了探索性研究，提出用８种系统聚类法进行状态监控和故障诊断。     

无刷直流电动机的新型自适应模糊神经控制

 为无刷直流电动机提出了一种自适应模糊神经控制方法.这是一种建立在开关控制、模糊控制和自适应控制相结合基础上的控制方法,并用神经网络实现了模糊控制器和自适应机构.在无刷直流电动机的双闭环调速系统中,电流控制器是PI控制器;转速控制器是由1个开关控制器和1个包括自适应机构在内的模糊控制器相结合组成的,且用1个3层前向神经网络离线学习实现了模糊控制器,学习算法采用的是改进的BP算法.用1个单神经元通过在系统运行过程中的动态学习实现了自适应机构,学习算法选用了有监督的Hebb学习算法.由电机所处的运行阶段决定哪一个控制器工作.此控制算法的仿真结果说明,它使系统具有良好的动、静态特性和自适应性.     

基于模糊神经网络的某型直升机可靠度预测

为了实现某型直升机可靠度准确预测,建立了基于自适应模糊神经网络的可靠度预测模型。该模型以故障间隔时间为输入,以可靠度为输出,通过模糊神经网络自适应训练获得适合直升机可靠度预测的故障间隔时间隶属函数。对模型进行检验取得了较好的仿真结果,与应用RBF神经网络进行可靠度预测相比速度更快,同时预测精度提高了98.4%。     

无虚拟控制律的高超声速飞行器新型模糊控制

针对弹性体模型的吸气式高超声速飞行器(Air-breathing Hypersonic Vehicle; AHV)飞行过程中存在的外部未知扰动和不确定性,提出了一种无需虚拟控制律的新型模糊控制方法。首先,基于飞行器的纵向模型,将控制系统分解为速度子系统和高度子系统;然后对于每个子系统,仅采用一个模糊逼近器对系统的总不确定项进行逼近,摆脱了传统鲁棒控制对于精确模型的依赖,并保证系统的鲁棒性能。与含有虚拟控制律的传统反演控制相比,本文的虚拟控制律仅应用于系统稳定性分析,无需繁琐解算,仅按实际控制律需要执行。采用范数估计策略为模糊系统权系数参数向量的范数设计自适应律,保证了实时性的同时大大减少了逼近过程的学习量。最后通过仿真分析,在引入参数摄动的条件下,对系统输入的参考速度和参考高度进行跟踪控制,验证了控制器的鲁棒性和稳定性。     

一种利用ILSP的同步DS-CDMA信号快速盲解扩算法

针对同步DS-CDMA信号的盲解扩问题，本文提出了一种基于迭代最小二乘投影算法(ILSP)的快速盲解扩算法。本算法首先通过对截获信号的协方差矩阵进行特征分解，估计出由各用户扩频序列张成的信号子空间，然后结合扩频码序列的有限符号集特性，利用ILSP算法消除由特征分解产生的酉矩阵模糊问题，得到扩频序列的精确估计，最后利用估计得到的扩频序列对截获信号解扩得到信息码序列，完成DS-CDMA信号的盲解扩。仿真结果表明本算法在低信噪比条件下具有良好的盲解扩性能，且相较传统算法本文提出算法大大降低了计算复杂度 。     

基于CBR—模糊综合评判的空中停车率预测研究

为了解决航空发动机设计初期用以预测空中停车率(IFSD)的可靠性信息不足且信息大多具有模糊性的难题,结合发动机自身的特点,利用模糊数学的方法构建空中停车率的预测模型。通过模糊综合评判法,充分利用相似机型的历史数据,将空中停车率的影响因素与评价集合相结合建立评判矩阵,并采用层次分析法(AHP)对因素权重进行赋值,对其指标做出综合评判。同时,考虑到性能参数上的相似程度对于预测的影响,加入基于实例推理技术(CBR)的相似度量,对两者权重进行合理分配得到最终的预测值。最后将模型应用到实际分析中,结果表明预测模型在早期设计阶段具有良好的实用价值。     

一种基于局部球面约束的GPS单频瞬时定向方法

GPS单频瞬时定向具有高精度、低成本和无需周跳检测等诸多优势,但成功率依赖于高精度的伪码测距辅助,同时对可见星数目也较敏感,不利于载体在城市峡谷等遮挡环境中的应用。针对此问题,提出一种带有局部球面约束的整数最小二乘估计方法,算法不依赖于高精度的伪码测距辅助,并充分将姿态角概略信息融入到短基线观测模型中,增强了模型强度,提高了定向解的可靠性。实际试验表明,本方法可以显著提高整数最小二乘的成功率,适用于卫星可见性受限环境下的定向解算。     

一种改进的Manifold数据降维方法研究

Manifold学习算法已经被广泛应用到很多领域,如信息检索、模式识别、人工智能和数据挖掘等。已有的Manifold学习算法对局部临近区域选择很敏感,并且降维后的数据可分割性比较差。本文提出了一种自适应临近区域选择、具有良好信息可分割性的Manifold学习算法。这种方法在每一个数据点根据数据可估算的本质维度和局部正切方向选择临近区域。与此同时,在映射数据的时候使用聚类分析法聚集相似样本点集。这种方式能确保降维数据具有良好的可分割性,获得更好的降维效果。实验结果表明,新的方法在人工生成数据集上具有更好的嵌入效果。     

基于T-S模糊模型的模糊大系统的混合滤波

针对非线性大系统内部过程参数的检测估计,采用连续模糊大系统模型,利用lyapunov定理和分布式处理方法,给出了模糊大系统的H2/H∞混合滤波器设计方法。该方法在保证滤波误差系统全局稳定的同时,具备了H2/H∞性能。通过求解线性矩阵不等式,可以得到滤波器参数。最后,用一个数值例子验证了该方法的正确性和有效性。