结构的模糊可靠性分析与应用

简述了模糊可靠性理论、有关定义并探讨了理论在结构强度设计中的应用方法，最后以航天器复合材料舱段结构为例，把蒙特卡罗法和模糊可靠性理论结合起来，进行模糊随机可靠性分析和计算。     

导弹模糊增益调参鲁棒飞控系统设计

由于导弹飞控系统的高度非线性、时变性和不确定性,如何设计导弹高性能鲁棒控制系统是一项关键技术。利用模糊逻辑很强的知识综合和推理等特点,基于模糊控制和H∞鲁棒控制方法,建立了一种模糊参数化的增益调参飞控系统鲁棒设计方法,并利用线性矩阵不等式(LMI)技术,将鲁棒增益调参控制器设计转化成了相应的LMI凸优化问题,解决了复杂鲁棒控制器的求解问题。并将该方法应用于导弹鲁棒控制系统设计,仿真结果表明了该设计方法有效性。模糊逻辑、鲁棒控制以及线性矩阵不等式技术的有机结合可以设计具有全局稳定性及鲁棒性能要求的高性能导弹飞控系统。     

固体推进剂制造工艺危险性评定的模糊数学方法

根据国内固体推进剂研制的情况,借助于模糊数学的基本原理,提出了一种其工艺危险性评价的模糊数学方法,用隶属函数的概念描述了危险等级界限的模糊性;采用优化方法确定了影响因素的权重因子集合,并详细地对评判步骤、模糊关系矩阵的确立等问题进行了讨论。最后,通过对模糊数学方法与判分法和逻辑法的比较,讨论了新方法的特点。     

空间智能桁架模糊振动控制研究

研究了模糊控制应用于多输入、多输出的空间智能桁架系统的振动控制.首先建立空间智能桁架的有限元方程,在此基础上,设计了一个标准的模糊控制器,并通过选择合适的量化因子将该标准模糊控制器应用于每一对同位布置的作动器/传感器,各个控制器之间独立工作.这样就避免了设计MIMO模糊控制器带来的复杂问题.最后针对空间智能桁架进行仿真,结果表明,设计的模糊控制器可以有效抑制桁架的振动,并且具有结构简单、鲁棒性强、抑制控制溢出的优点.     

基于模糊神经网络的涡结构识别方法研究

研究气动光学传输效应产生的机理是红外成像末制导的共性基础技术之一,基于涡结构对光学传输效应进行建模是一种非常有效的方法,而涡结构的识别是其必要前提。文中提出一种新的涡结构识别方法,把折射率场经小波变换后的系数矩阵等效为具有一定纹理结构的图像,计算图像的共生矩阵及其统计量,由于涡结构模式复杂,特征量较多,设计了等价结构的模糊神经网络进行涡结构识别。与小波分解后直接提取特征量的识别方法相比,本文的方法从空、频角度更加准确全面地表征湍流涡结构模式,计算机仿真结果表明该方法优于神经网络的识别效率。     

基于模糊观测器的不确定非线性系统故障检测方法

给出了一种不确定非线性系统的基于模糊观测器的故障诊断方法。用T-S模型描述不确定非线性系统,从而得到一种新的模糊观测器,并给出了其稳定性约束条件LMI。将模糊观测器和实际系统的输出之差作为残差可对不确定非线性系统进行故障检测。最后给出了一个控制系统感应电机的故障诊断应用实例。     

航天器壳体压力自动加载系统的研究

航天器壳体的压力加载实验对于航天器的安全飞行具有十分重要的意义。研究并建立了航天器壳体水压自动加载系统的数学模型,针对该系统的高度非线性以及高低压特性显著不同的特点,利用误差及误差导数构造了一种变比例因子的模糊PD控制器。采用一种新型的遗传算法对控制器系统参数进行寻优。针对模糊控制器控制规则表与量化比例因子的不同特点,分别采用两种不同的编码方法,进而采用两种不同的遗传操作算子与遗传操作概率。通过MATLAB与C 语言接口编程实现对系统的仿真设计。实验表明该方法取得了良好的压力加载效果。     

进化算法在系统可靠性多目标优化中的应用

为解决复杂系统可靠性设计的多目标优化问题，采用NSGA-Ⅱ进化算法，在一次性获得大量均匀分布的非劣解后，根据定义的满意度函数对每个非劣解进行模糊评价。运用群体排序、小生境、比较操作和精英保留等关键技术，将整个非劣解集分为若干个具有不同性能特征的类，决策者可根据各自的偏好从中选择最终的满意解。分析结果表明，进化算法具有较高的优化效率。     

基于模糊逻辑的GPS/DR组合导航系统地图匹配算法

利用地图匹配技术能够使用高精度的电子地图位置信息改善 GPS/ DR组合导航系统的定位精度。提出一种基于模糊数学方法和统计概率准则的地图匹配算法 ,在融合定位传感器数据和路段位置信息的基础上 ,通过模糊逻辑评判完成最佳匹配路段的挑选 ,并对匹配修正结果的可信度作出评价。仿真试验的结果证明该算法的有效性。     

竞争学习模糊神经网络及在导弹故障诊断中的应用

尽管基于解析冗余的故障诊断方法有许多突出的优点而越来越多地得到的研究和应用，但它依赖于系统的模型，当系统存在非线性或不确定性时，存在难以建模的困难，模糊神经网络可以通过学习建立系统的模型，且模型参数有明确的物理意义，初始参数易于选择，成为解决这一问题的优选途径，作者通过把模糊神经网络的学习转化为竞争聚类和线性优化问题，基于竞争聚类和最小二乘原理，提出了一种模糊神经网络学习算法，并在某伺服机构上进行