应用Fuzzy ISODATA方法选择航空科研项目

 本文将Fuzzy ISODATA方法用于科研项目的选择,并结合中国航空发动机涡轮冷却专业的科研选题实例进行了定量分析。用Fuzzy ISODATA方法将14个备选项目按其对总目标的贡献值划分为3类。结果表明,该方法具有划分合理,结果直观,计算速度快便于对大量项目进行选择的优点。     

基于模糊聚类的模糊神经网络在非定常气动力建模中的应用

建立了一种基于模糊聚类的模糊神经网络模型.该模型利用模糊聚类技术确定系统的模糊空间和模糊规则数,利用BP算法调整模糊神经网络的权系数.应用该模型对某飞机模型做俯仰-滚转耦合运动的非定常气动力进行了辨识.结果表明,基于模糊聚类的模糊神经网络计算速度快,辨识结果与实验结果符合较好.用模糊聚类技术可以解决模糊神经网络的结构辨识问题,基于模糊聚类的模糊神经网络可以很好地用于复杂机动飞行的非定常气动力建模.     

基于滑动滤波技术的激光陀螺评价方法

激光陀螺是一种以量化脉冲的形式输出角增量的数字传感器，量化误差如同白噪声一样影响着激光陀螺的测试精度。为了准确评价激光陀螺的性能，减少量化误差对激光陀螺测试数据的影响，本文应用滑动滤波技术对激光陀螺采样数据进行滤波处理，理论分析及实验结果表明，该方法有效地降低了量化噪声从而实现了对激光陀螺的准确评价。     

一种基于输出误差观测的冗余MEMS-IMU标定技术研究

针对传统六位置标定存在标定步骤复杂、标定时间长等问题，同时随着MEMS器件冗余数目增加和冗余配置结构复杂化，利用分立标定技术实现器件误差参数辨识的难度进一步增大，且不同配置结构所采用的标定方法存在通用性较差的问题。因此提出了一种基于Kalman滤波的冗余MEMS-IMU分立标定方案。该方案首先采用小角度建模法实现安装误差的精确建模；然后针对直接以转台三轴角速率为观测值，导致部分状态量不可观的问题，提出了以器件的输出误差值作为观测量、以器件误差参数作为状态量设计Kalman滤波器；最后设计了高精度三轴转台转位编排方式，并利用四陀螺冗余结构进行标定仿真试验。仿真结果表明：该标定方法与六位置标定方案相比，标定精度平均提高了11.37%，可实现MEMS器件误差参数的快速辨识，对实际工程实践具有一定参考价值。     

自组织模糊CMAC神经网络及其非线性系统辨识

 针对CMAC的特点,提出了联想度的概念,并由此设计了一种自组织模糊 CMAC神经网络( SOFC-MAC)及其学习算法,证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快,逼近精度高及局部泛化能力等特点。歼击机系统特征模型辨识仿真验证表明了该方法的有效性。     

多坐标系下目标跟踪的联合滤波

针对雷达目标观测和处理在不同的坐标系下完成，本文提出了联合滤波算法来跟踪机动目标。该算法以卡尔曼滤波器为基础，直角坐标系下和极坐标系下的算法相联合，不仅克服了两种坐标系下滤波算法的不足，而且对机动目标有很好的跟踪效果。仿真实验结果表明了该算法的有效性。     

模糊综合评价法在知识管理绩效评价中的应用

随着知识经济时代的到来，知识管理水平已经被越来越多的企业重视，但现有的知识管理水平评价方法存在很多不足之处：一是评价指标体系不完善；二是评价指标体系框架抽象单一，缺乏系统性，或者评价指标体系和评价过程过于复杂，可操作性不强；三是定量方法不足，不能反映企业的发展状况。文章从组织知识存量的层次结构及其动态过程的角度，对知识管理绩效评价的指标体系进行分析和设计，并运用模糊综合评价方法，建立绩效评价模型加以验证。     

GPS姿态测量的载波相位整周模糊度快速解算

 根据 ARCE方法可以将模糊度搜索空间从所观测到的 m颗卫星的 m -1维降为 3维独立整周模糊度搜索空间,结合整数高斯变换及基线长度约束减小模糊度搜索空间,利用 Cholesky分解提高模糊度搜索效率,实验结果证明该方法能够快速解算整周模糊度适于实时姿态确定等应用。     

涡扇发动机加速过程的模糊控制

采用一种连续型比例积分公式的模糊控制器控制涡扇发动机加速过程，为了使控制满足加速过程最大转速，高压涡轮进口最大温度，压气机最低允许喘振裕度等约束条件并改善加速性能，利用遗传算法对模糊控制器中的3个量化因子进行了优化，优化后的模糊控制器完全可以加速过程要求，具有较好的动态性能，适当划分飞行包线后还可扩展到整个飞行包线。     

UKF方法及其在方位跟踪问题中的应用

采用UKF(Unscented Kalman Filter)方法处理了平面内地面站对目标的方位跟踪的估计问题。目标的位置和速度由选定的高斯分布采样点来近似，在每个更新过程中，采样点随着状态方程传播并随着非线性测量方程变换，由此不但得到目标位置和速度的均值及较高的计算精度，而且避免了对非线性方程的线性化过程。仿真结果表明，UKF方法比传统的扩展卡尔曼滤波(EKF)算法有更高的估计精度，并能有效地克服非线性严重时，方位跟踪问题中很容易出现的滤波发散问题。