基于LMI的模糊增益调参控制器的设计

利用线性矩阵不等式(LMI)技术将增益调参的控制律设计转化为相应的LMI凸优化问题,结合 模糊控制和H_∞方法,给出了一种基于LMI的模糊参数化的飞控系统增益调参控制器的 设计方法,该方法解决了传统增益调参设计中以经验设计的弊病,并保证了系统的全局 稳定性及鲁棒性能要求.将该方法应用于某型飞机模型上,仿真结果表明该设计方法简便有 效,且控制器鲁棒性较好.     

模糊神经网络实现飞行数据的智能处理

利用模糊神经网络实现了根据飞行数据识别出飞行过程中所做的基本动作 ,推理过程使用了一种特殊的模糊规则 (fuzzyrule) ,权值学习采用负梯度下降 (Gradientdescentweightadaption)法。首先对每帧飞行数据进行特征检测(Featuredetect) ,将根据专家经验模糊处理得到的隶属度矢量作为模糊神经网络的输入 ,经过该网络决策 ,获得该帧数据的基本动作模式 ,由此 ,得到飞行过程中的基本动作。而实际的飞行动作就是由这些基本动作的组合而成 ,所以 ,实际上也就实现了飞行动作的自动识别。经大量实际飞行数据检验 ,该方法准确、有效。     

飞机穿越微下击暴流风场进场着陆运动特性

应用模糊逻辑建模与辨识的方法建立了微下击暴流模型，利用此模型对A300飞机进场着陆时穿越微下击暴流进行了模拟，分析了低空风切变模型中高度因素的影响，说明了二维模型比一维模型更为优越。结果表明，提出的建模方法能够更好地以映出飞机穿赵微下击暴流的动态特性。通过分析初始高度对飞机穿越微下击暴流动态性能的影响，得出了一些重要的结论，从而对低空风切变危害飞机安全的物理本质有了进一步的认识。     

基于模糊滑模的月球车驱动控制

研究了运行于自然环境、具有小滑移率及小失配角、六轮独立驱动的摇臂式月球车驱动控制问题。针对以月球车车轮滑移率、方向轮失配角为输人及以月球车车体平动速度、转动速度为输出的动力学方程，利用模糊滑模控制方法设计月球车车轮滑移率，方向轮失配角的控制律．实现月球车的跟踪控制，理论分析及仿真结果表明．基于模糊滑模的月球车动力学系统驱动控制方法是可行的，在实际应用中是有效的。     

固体火箭发动机总体设计水平的模糊综合评判

基于模糊逻辑，建立了评判固体火箭发动机总体设计水平两级指标体系和模糊综合评判方法，采用给定满意区间的方法提高了可量化指标隶属度的准确性。算例表明，该方法较全面地反映了固体火箭发动机总体设计水平。     

侦收多普勒雷达信号的分析处理

论述了侦收多普勒雷达信号的基本特征，并提出测定高速运动载体雷达信号多普勒频率的方法，指出了雷达波束照射宽度内各位置上存在着多普勒频率的差异。讨论了脉冲多普勒雷达信号的视频特征，并对该雷达信号脉组内的脉冲重复间隔参差和脉冲系列随信号波束扫描调幅提出了处理方法。     

卫星信道中APSK星座的优化设计

为通过高阶调制信号增加卫星信道的容量,在给出幅度相移键控(APSK)信号特征的基础上,根据最小欧氏距离最大化和平均互信息最大的原则对APSK星座进行优化。给出了APSK最小欧氏距离和不同星座普遍适用的信道容量计算方法。仿真结果表明,最小欧氏距离和信道容量仅与相对半径有关而与相对相位无关。信噪比相同时不同APSK星座的信道容量差别很小,卫星信道中星座的优化可考虑功率利用率为主。     

集员辨识与T-S模型相结合的非线性系统建模及其故障检测算法

针对带有未知但有界（Unknown But Bounded．UBB）噪声的非线性系统的建模及其故障检测问题，提出了一种集员辨识与T-s模糊模型相结合的非线性系统建模及其故障检测算法。在建立非线性系统模型时，利用系统正常状态下的运行数据，选用T-S模型对其进行离线建模。首先采用模糊聚类的方法对输入空间进行模糊划分，然后利用T-S模型为参数线性模型的特点，使用参数线性集员辨识算法辨识T-S模型的结论参数。由于集员辨识算法所得到的是参数的集合估计，在系统运行过程中，可以很方便地利用所建模型预测实际系统的输出范围，如果测量所得实际系统的输出不在预测输出范围之内，则可判断系统发生了故障。通过与其他算法相比，验证了本方法的性能。     

用模糊综合评判法和层次分析法解决星船故障的评价问题

针对星船故障评价过程中产生的主观随意性较大的问题,提出了一种用模糊综合评判法和层次分析法来解决该问题的新思路和新方法,从而全面反映了对星船故障的综合评价,可用于型号可靠性工程中的故障报告、分析和纠正措施系统(FRACAS)和故障模式影响分析(FMEA)等工作,具有良好的应用前景。文章结合星船故障特点,全面分析了实施这种方法的基本步骤。     

基于广义模糊熵的液体火箭发动机故障检测研究

定义了系统状态的广义模糊熵及其计算公式，即当前时刻滑动数据窗口上聚类结果的我模糊度，给出了滑动数据窗口中采样数据矢量方向分布中心的离散度定义及其与广义模糊熵之间的负指数关系，并基于该离散度概念对自适应窗口滤波器进行了改进，提高了滤波器对噪声对敏感度，从而进一步提高了基于自适应窗口滤波器的故障检测算法对强干扰噪声的鲁棒性。本文基于受强噪声干扰的实际试车数据，采用模糊Ｋｏｈｏｎｅｎ聚类网络（ＦＫＣＮ）