基于模糊推理的最优参考轨迹的预测函数控制技术

为了获得简单而又精密的控制器,采用预测函数控制计算控制指令,并运用模糊推理对控制量进行补偿,设计出合理的预测轨迹控制系统,使飞机自动地跟踪已规划出的最优参考轨迹,并针对各种典型地形进行了数字仿真,大量的数字仿真表明该方案是可行的。     

模糊随机可靠性综合方法在涡轮盘可靠性分析中的应用

提出了模糊随机可靠性分析的近似解析和数字模拟综合方法,基于模糊变量的等价随机化变换,可以方便地得到模糊随机失效概率的计算公式,并建立了模糊随机可靠性分析的一次二阶矩法。定义了同时考虑基本变量和状态都含有模糊随机双重不确定性的可靠度指标,探讨了多个模式情况下模糊随机可靠性分析方法。所提出的方法被用于发动机涡轮盘的应力、应变和低周疲劳寿命模糊随机可靠性分析,证明了该方法是可行的。     

多型航空发动机备份量的决策方法

将多型航空发动机备份量的使用要求进行了层次化分析,应用模糊数学方法对单型发动机备份量满足“使用要求1”的程度进行模糊度量,在此基础上,建立了多型航空发动机备份量综合决策的层次分析法(AHP)模型。通过实例和对模型的灵敏性分析,验证了该方法的可行性和有效性     

模糊自适应算法在GPS/INS组合导航系统中的应用

阐述了在对常用的Sage-husa自适应滤波算法总结和分析基础上,给出了滤波收敛的判据,提出利用模糊逻辑自适应控制器(FLAC)调整卡尔曼滤波器的方法,形成自适应滤波算法.以GPS/INS组合导航系统为例进行了仿真,结果既能抑制滤波发散,又能提高滤波精度和实时性.     

液压飞行仿真转台外框FNN控制器设计及仿真

以液压转台外框为控制对象,根据模糊控制理论,设计出直接自适应模糊控制器(DAFC,Direct Adaptive Fuzzy Controller)和同步模糊控制器(SFC,Synchronizing Fuzzy Controller)来解决外框负载干扰和双液压马达同步驱动这2个影响转台控制性能的主要问题;其中直接自适应模糊控制器还与PID控制器一起组成并行控制系统来抑制系统静态误差和动态干扰.针对模糊控制器自学习能力较差等缺陷,在模糊控制的基础上,根据模糊神经网络(FNN,Fuzzy Neural Net)模型设计出多输入多输出(MIMO,Multi-Input Multi-Output)的FNN控制器.软件仿真结果表明,当转台外框负载发生变化或外框两马达转速相差较大时,使用FNN模型的智能控制系统仍具有较高的位置跟踪精度和动态性能.      

基于模糊Takagi-Sugeno模型的发动机转速鲁棒控制

基于某航空用二冲程活塞式发动机的非线性模型, 利用扇形非线性特性得到了发动机模糊Takagi-Sugeno(T-S)模型;基于该T-S模型, 采用系统增广的方法研究了无静态误差转速控制器;设计中考虑了鲁棒H∞性能, 使得该非线性系统的模糊控制器具有较好干扰抑制性能, 并在Lyapunov稳定性理论基础上建立了该系统渐进稳定的线性矩阵不等式条件;最后通过系统仿真算例验证了所设计控制器的有效性.      

基于模糊控制的AIC机器人编译算法研究

为了满足烹饪机器人菜肴开发的需要,开辟烹饪机器人复现厨师操作知识的新途径。提出了基于模糊控制菜肴编译算法的新方法,对不同操作参数下烹饪机器人完成的菜肴进行评分,编译完成一个接近最优的菜肴工艺文件。解决了烹饪机器人烹饪工艺数字化、最优化问题。实验表明：该编译算法可逼近烹饪工艺的最优参数,能满足中式菜肴烹饪工艺标准化的需求。     

汽车DYC模糊PID控制方法

直接横摆力矩控制DYC(Direct Yaw-Moment Control)是提高汽车操纵稳定性特性的重要方法,其研究对于提高汽车的主动安全性具有重要意义.在深入研究汽车操纵动力学和先进控制理论的基础上,设计了具有智能积分模块的模糊PID(Proportion-Integral-Differential)控制器,将该控制方法应用于DYC控制.建立了能够反映车辆转向工况基本动力学性质的车辆动力学模型,在Simulink环境下对开发的智能积分模糊PID控制器进行了仿真测试与分析.仿真结果验证了算法的可行性和有效性,表明智能积分模糊PID控制方法可以实现较为理想的DYC控制效果,在该领域具有良好的应用前景.     

高超声速飞行器离散模糊自适应控制

根据高超声速飞行器的欧拉近似离散模型,提出基于Back-stepping的模糊离散自适应控制器设计方法.结合模糊自适应控制和反馈线性化的方法,Back-stepping设计的每一步虚拟/实际控制量对系统非匹配的不确定性都能进行较好补偿.稳定性分析表明,该控制方法能够保证系统跟踪误差和模糊自适应参数误差是一致终值有界的.仿真使用了高超声速飞行器的纵向模型对算法进行了验证,得到了满意的控制效果.     

模糊聚类法在试验模态参数识别分析中的应用

为了搜索系统的真实极点,将模糊聚类理论引入试验模态参数分析.根据极点之间内在的亲疏关系,将其 合理地聚为若干类,搜索每一类的最佳极点,即系统的真实极点,在稳态图中自动完成真实极点的选择.该方法 能够避免人为因素造成的识别误差,提高识别结果的可信度.在正交多项式曲线拟合和多参考点最小二秉复频 域识别系统中引入该方法,实现了稳态图中极点的自动选择,提供了真实极点选择的一种新思路.通过仿真和实 验证明了模糊聚类法对极点选择的可行性和稳定性.