基于模糊推理的基向量曲线求解方法

基向量法是求解近圆轨道间固定时间最优交会的一种几何方法。针对基向量法中最优解的基向量曲线的求解问题，提出一种基于模糊推理的求解方法，使得基向量法的整个求解过程可以脱离人工干预完全由计算机完成，从而使基向量法求解的效率有了本质上的提高。通过对四冲量固定时间最优交会问题的求解实例表明该方法的有效性和实用性。     

不确定参数结构特征值问题的概率统计方法和区间分析方法的比较

 基于区间数学理论、灵敏度分析理论、Kronecker代数理论，应用Taylor级数展开、概率摄动技术，提出了具有不确定参数结构的特征值问题的区间分析方法。结合工程实例与传统的概率分析方法进行比较，给出了两种方法的数值解法及各自解法的Kronecker代数形式。数值算例的结果显示了区间分析方法在具有不确定参数结构特征值问题分析中的价值和有效性。     

飞机电源系统故障诊断专家系统的分析和设计

应用人工智能理论对某型飞机电源系统进行故障诊断分析。本文给出励磁电流过大故障树模型,建立电源系统知识库和推理机,完成飞机电源系统故障诊断专家系统的设计,进行故障诊断,得出异常或故障信息,为整个飞机非航电系统采用专家系统进行故障诊断提供经验。     

基于ANFIS的蒸汽发生器水位实时控制系统的设计

从蒸汽发生器的水位特性出发，对其水位高度控制原理进行了深入细致的研究。鉴于控制对象的模糊性、不确定性和非线性，采用自适应神经元模糊推理(Adaptive neuron fuzzy inference system，ANFIS)技术，建立了模糊控制规则库，实现了对蒸汽发生器水位的智能控制。本文详细阐述了ANFIS技术的结构、控制方式和系统的主要功能，完成了软、硬件的综合设计，并进行了仿真研究。控制系统的硬件采用了DSP芯片，以保证系统的实时性；软件采用了模糊一神经网络算法，以克服系统模型的不确定性。仿真结果表明，该控制系统工作稳定可靠，具有较高的控制精度和较强的鲁棒性。     

SOM人工神经网络在客机零部件故障诊断中的应用研究

现代客机在使用过程中不可避免地会发生各种故障，故障诊断对保证飞行安全十分重要，本文将基于概率的数学方法与专家经验相结合对其进行故障诊断。Kohonen的自组织特征映射（Self-organizing map,SOM）人工神经网络在输出上可反映出输入学习样本的概率密度分布，且无需知道样本的概率分布的先验知识，兼具函数逼近功能。本文将SOM引入这一领域，用于计算飞机零部件发生故障的概率，以及实现数学方法计算结果与专家经验的结合，实际应用说明了该方法的可行性。     

偏最小二乘和ANFIS在飞机燃油油量测量中的应用

分析了飞机燃油箱剩余油量测量系统具有变量多、非线性及变量间存在多重相关性的特点,指出单独采用自适应神经模糊推理系统(Adaptive network-based fuzzy inference system．ANFIS)和偏最小二乘(Partial least- squares,PLS)解决飞机燃油箱剩余油量软测量问题均有各自的局限性。结合上述两种方法的优点,提出了一种基于PLS回归与减法聚类的ANFIS软测量模型。将其应用于预测飞机油箱燃油剩余的建模过程中,得到了比采用PLS回归方法更好的精度,从而证明了该建模方法的有效性。     

基于ANFIS的智能导航自适应滤波算法研究

智能导弹等智能化飞行器在快速跨域、高速机动飞行时,由于传感器切换、外形改变等因素,会对组合导航信息融合系统引入随机非Gauss噪声等影响,离线优化的参数往往不能满足滤波器精度的需求。自适应网络模糊推理系统ANFIS是一种将人工神经网络和模糊推理技术相结合而成,符合人类认知特点的决策方法,它可以对导航数据进行学习,实现智能决策、实时修改滤波器内部参数,对滤波器进行优化。仿真结果表明,基于ANFIS优化的智能导航自适应滤波算法可以有效减少噪声和干扰带来的影响,提高导航精度。     

失调叶盘结构模态特性及抗共振可靠度分析

为了探究航空发动机失调叶盘结构的固有频率在不同随机参数下的分布规律,建立了叶盘结构的有限元模型,对各随机变量选取了不同的失调程度.利用拉丁超立方抽样与响应面相结合的方法,对不同结构参数、工况下的叶盘固有频率进行了概率分析,得到了其在不同失调情况下的分布特性以及对各输入参数的灵敏度.利用工程振动理论建立了结构共振失效的极限方程,给出了叶盘结构在随机频率的激振力下的抗共振可靠度的计算方法,并对不同材料属性参数失调程度下的叶盘抗共振可靠度进行了计算,得出了叶盘抗共振可靠度在不同程度的材料属性失调下的变化规律.     

战斗机嵌入式训练系统中的智能虚拟陪练

智能化"实虚"对抗是现代先进战斗机嵌入式训练系统的重要功能需求。自主空战决策控制技术在未来空战装备发展中扮演关键角色。将当前的功能需求和发展中的技术结合起来,得到了空战智能虚拟陪练的概念。先进控制决策技术的引入使得智能虚拟陪练能够帮助飞行员完成复杂的战术训练,而训练中真实的对抗场景为技术的验证提供了理想的环境,大量的训练数据为技术的持续迭代优化提供了保障。作为可学习和进化的空战战术专家,智能陪练在人机对抗和自我对抗中不断优化,当其具备与人相当甚至超越人的战术能力时,可应用于未来的无人空战系统。智能虚拟陪练需要具备4项基本能力：智能决策能力、知识学习能力、对抗自优化能力和参数化表示能力。对其包含的关键技术进行了分析,提出并实现了一个基于模糊推理、神经网络和强化学习的解决方案,展示了其各项基本能力及目前达到的空战水平。未来更多的模型和算法可在智能虚拟陪练的框架中进行验证和优化。     

基于截尾概率-非概率混合模型的可靠性优化算法

针对工程中截尾概率变量与非概率变量同时存在的情况,给出一种新的截尾概率与非概率混合可靠性模型。在该混合可靠性模型基础上,按照可靠性指标(RIA)法给出双层嵌套可靠性优化模型,并采用改进搜索策略后的ST-Powell优化算法在外层搜索设计变量的最优值,内层采用能保证收敛的改进的有限步长迭代法求解混合可靠性指标。数值算例表明,改进搜索策略后的ST-Powell优化算法的全局寻优性得到显著提升;改进搜索策略后的ST-Powell优化算法与改进的有限步长迭代法相结合求解双层嵌套混合可靠性优化模型的正确性得到验证,且对于非线性程度较高的极限状态函数同样能够得到满足截尾概率与非概率混合可靠性模型指标要求的最优解,并对工程结构算例具有很好的适应性。