电压模糊控制器的设计

讨论了某电压模糊控制器的设计步骤,采用查表控制方法来实现模糊控制,即输入量的模糊化、模糊规则推理和输出量的反模糊化都通过查表实现.建立了模糊控制查询表,供模糊控制器在线查询,系统响应速度较快,具有较好的控制效果.     

试论英语句法转换的抽象表现形式

通过研究比较英语语句的聚合关系,解释了英语句法的内涵及其变化形式,揭示核心句和转换句之间的关系,描述了英语句法的抽象表现形式,将英国句法理论大师马修斯介绍给国内学者,从另外一个角度为国内学者研究句法理论提供参考。     

遗传算法在多维多层关联规则挖掘中的应用

关联规则生成是数据挖掘技术中一个非常重要的研究领域,自1993年提出经典频集算法后,出现了很多以此为基础进行了改进的算法,但都存在着明显的缺陷．文章中根据遗传算法的基本思想以及关联规则挖掘的有关理论构造了一种生成多维多层关联规则的遗传算法,在一定程度上克服了经典频集算法的不足之处,提高了生成关联规则的有效性．     

协同决策机制下的时隙二次指派

随着中国民航的快速发展,航班不正常变得越来越严重。由空管、航空公司与机场三方构建的协同决策机制成为应对该局面的重要手段。本文研究航空公司在协同决策机制下,当时隙资源发生严重不足时,对时隙进行二次指派的方法。文中建立了一种基于航班波运行方式的航班时隙指派模型,针对模型的特点与实时决策要求采用模拟退火算法求解。最后通过实例证明了采用本文的方法可以大幅度减少旅客总延误时间。     

航班运控中飞机和机组快速整合优化恢复

由于 天气、交通流量、飞机故障等因素影响,航班推迟甚至取消经常发生。导致航班延误的因素 一旦解除,航班恢复工作必须立即执行,为此航班优化建模求解方法的高速高效尤其重要。 首先系统简要地回顾了航班优化恢复的研究现状。在此基础上,提出了飞机和机组一体 化恢复的数学模型。之后通过构建飞机恢复和机组恢复的可行路径和可行配对作为输入,对 建立的优化模型进行优化求解,以使其在合理的时间内,获得整合恢复的优化解。为了获得 飞机恢复和机组恢复的可行路径和可行配对,设计了专门的递归算法和配对存储树方法 。为了进一步提高计算速度,对计算数据进行了预处理,即将恢复限制在受扰航班中进行 。这样不仅提高了求解速度,同时也最大限度地减少了受扰航班数。计算试验表明,该方法 较之飞机、机组分阶段优化恢复,优度明显提升,而且求解速度快,可用于航空公司中小规 模的航班恢复。     

基于神经网络的飞机极限数据专家系统

利用神经网络专家系统的方法时飞机飞行参数的极限允许值进行计算，可以使推理过程变得简洁、清晰，避免了常规方法在软件实现上的诸多缺点。同时，本文采用一种模糊规则方法对神经网络专家系统的推理行为进行描述，使得神经网络专家系统能够回答有关why和how的询问。以最大允许马赫数的计算为例，本文设计了用于该参数推理的神经网络专家系统．并给出了简单算例。     

偏好多属性决策表概率决策的扩展粗糙集方法

通过用优势关系代替不可分辨关系,并设定置信阈值α,提出了一种可以从偏好多属性决策表中发现偏好概率规则集的扩展粗糙集模型。该方法可以处理偏好多属性决策表中可能的不相容性,获取由偏好对象组成的偏好概率决策规则,设计了相应的算法。研究结果表明：由该方法获取的最小偏好概率规则集,使用的务件数量较少,且导出规则的数量较少、较强。     

基于模糊指数融合和正交基分解的发动机性能监控

针对发动机性能监控过程中出现的单参数监控信息量不足和多参数容易矛盾的情况,提出一种发动机性能监控模糊指数融合方法。该方法基于滑动窗口参数均值和熵,采取有效的信息融合技术,建立表征发动机性能的模糊融合指数。利用神经网络方法,依据已确定的模糊融合规则推导出剩余决策规则。实例表明,模糊融合指数能很好地跟踪发动机性能缓慢衰退和突变两种情况。用正交基分解的方法对模糊指数进行重构预测,与线性拟合和二次拟合相结合的方法相比,其预测精度更高,能准确预测发动机的性能变化。     

激波管中生物体的荷载机制和过程及效应研究

本文介绍了国内外利用激波管对生物冲击伤的实验研究进展。通过空中爆炸产生的激波对生物的荷载机制分析,选用62只成年雄性杂种狗,采用 BST-I 型生物激波管产兆的激波作为政伤源,实验研究了对暴露于规则反射区和马赫反射区中的动物造成冲击伤的特征和分布规律及荷载过程。结果表明:1.在相同入射超压值148.3±18.5kPa条件下,两个区域中造成动物的伤情相差3～4级;2.两个区域中造成动物各脏器损伤的分布规律显著地不同;3.两个区域中机体的荷裁机制和过程不同;4.在规则反射区中,狗体表不同部位的荷载有显著的差异。文中的一些结果能提供冲击伤、工程效应、激波管气动力和结构设计作为进一步研究的参考。     

一种基于粗糙集理论的粗糙神经网络构造方法

提出在BP神经网络中使用粗糙集理论网络的设计，由于粗糙集理论有强大的数值分析能力,而BP神经网络具有准确的逼近收敛能力和较高的精度，所以通过两者的结合，可以得到一种可理解性好，计算简单，收敛速度快的神经网络模型，这种神经网络的算法的主要过程为：首先利用粗糙集能力去发现给定数据集的一些规则，然后根据这些规则构造神经网络稳含层的神经元个数，最后用BP算法迭代求了网络的各种参数，完成网络的设计，本文最后给出了一个三维非线性函数的实例进一步验证了网络的正确性。