基于被动复制方式的容错CORBA模型

容错CORBA(Common object request broker architecture,公共对象请求代理体系结构)是OMG(Objectmanagement group,对象管理组织)为了给分布式系统带来容错特性而对通用CORBA所作的一个扩展。文中首先介绍了基于被动复制方式的容错CORBA模型——PFORBUS,针对其中主服务器的重要性,该模型提出了一个主服务器选择算法,该算法基于三角模糊数对不同服务器的可靠性进行评价,从而找出可靠性评价值最高的服务器作为主服务器。然后详细介绍了PFORBUS模型在该算法支持下的相关工作,包括系统初始化、正常工作流程及主服务器失效后的处理等。最后对该模型采用不同主服务器选择算法的情况进行了仿真,并取得了较好的效果。     

羊毛精纺织物服用性能优选的多属性模糊决策

本文应用多属性目标决策的方法,评判不同规格毛织面料的"满意度",客观地提供一个重要的优选辅助依据。     

模糊相似度景像匹配算法研究

研究了求取图像模糊特征域的计算方法,提出了采用图像模糊集相似度进行景像匹配的方法,并探讨了综合利用多种模糊集相似度算法进行匹配的方法,进一步提出了模糊综合相似度(FSSM)匹配算法.仿真验证表明,FSSM算法具有适应性好、匹配率高等优点,且实时性也较好,为飞行器实时景像匹配提供了一种可行方法.     

危害性分析中的模糊数学方法

利用模糊集合理论对影响故障模式危害性的各因素进行了模糊化处理，建立了故障模式危害性评定的模糊评判模型，并阐述了模糊评判方法的基本步骤。     

无刷直流电动机的新型自适应模糊神经控制

 为无刷直流电动机提出了一种自适应模糊神经控制方法.这是一种建立在开关控制、模糊控制和自适应控制相结合基础上的控制方法,并用神经网络实现了模糊控制器和自适应机构.在无刷直流电动机的双闭环调速系统中,电流控制器是PI控制器;转速控制器是由1个开关控制器和1个包括自适应机构在内的模糊控制器相结合组成的,且用1个3层前向神经网络离线学习实现了模糊控制器,学习算法采用的是改进的BP算法.用1个单神经元通过在系统运行过程中的动态学习实现了自适应机构,学习算法选用了有监督的Hebb学习算法.由电机所处的运行阶段决定哪一个控制器工作.此控制算法的仿真结果说明,它使系统具有良好的动、静态特性和自适应性.     

一种利用ILSP的同步DS-CDMA信号快速盲解扩算法

针对同步DS-CDMA信号的盲解扩问题，本文提出了一种基于迭代最小二乘投影算法(ILSP)的快速盲解扩算法。本算法首先通过对截获信号的协方差矩阵进行特征分解，估计出由各用户扩频序列张成的信号子空间，然后结合扩频码序列的有限符号集特性，利用ILSP算法消除由特征分解产生的酉矩阵模糊问题，得到扩频序列的精确估计，最后利用估计得到的扩频序列对截获信号解扩得到信息码序列，完成DS-CDMA信号的盲解扩。仿真结果表明本算法在低信噪比条件下具有良好的盲解扩性能，且相较传统算法本文提出算法大大降低了计算复杂度 。     

一种改进的Manifold数据降维方法研究

Manifold学习算法已经被广泛应用到很多领域,如信息检索、模式识别、人工智能和数据挖掘等。已有的Manifold学习算法对局部临近区域选择很敏感,并且降维后的数据可分割性比较差。本文提出了一种自适应临近区域选择、具有良好信息可分割性的Manifold学习算法。这种方法在每一个数据点根据数据可估算的本质维度和局部正切方向选择临近区域。与此同时,在映射数据的时候使用聚类分析法聚集相似样本点集。这种方式能确保降维数据具有良好的可分割性,获得更好的降维效果。实验结果表明,新的方法在人工生成数据集上具有更好的嵌入效果。     

基于T-S模糊模型的模糊大系统的混合滤波

针对非线性大系统内部过程参数的检测估计,采用连续模糊大系统模型,利用lyapunov定理和分布式处理方法,给出了模糊大系统的H2/H∞混合滤波器设计方法。该方法在保证滤波误差系统全局稳定的同时,具备了H2/H∞性能。通过求解线性矩阵不等式,可以得到滤波器参数。最后,用一个数值例子验证了该方法的正确性和有效性。     

飞行员疲劳监测中的人眼定位及状态判别研究

飞行员驾驶疲劳是影响飞行安全的重要因素之一。常用基于人眼识别的方法对飞行员进行疲劳监测，其关键是人眼定位及状态判别。利用改进的平均合成滤波器算法定位人眼，根据模糊综合评价思想，判定人眼睁开闭合状态，根据PERCLOS疲劳检测方法对飞行员进行疲劳监测。实验表明，改进的人眼定位方法具有更高的精确度和鲁棒性，提出的人眼状态判定方法能够满足疲劳监测需要。为最终构建一种机载的、实时的、非接触式的飞行员疲劳监测系统提供了理论基础。     

基于综合模糊聚类算法的液体火箭发动机故障诊断

基于液体火箭发动机正常及故障状况数据的完备程度和数据质量的不断提高,提出一种基于数据驱动的综合模糊聚类算法用于故障诊断。采用模糊c均值(FCM)算法对已知正常样本数据进行聚类得到最优的聚类中心,将所得到的聚类中心作为先验样本数据用于传递闭包法最优分类结果的选择从而得到故障检测结果,该算法只需要少量的正常先验样本数据就能快速、准确的检测出故障;随后采用FCM算法进行故障分类,可以根据现有的故障数据库进行聚类得到对应的故障类型,并且可以给出故障幅值范围。模型仿真结果表明:该算法对故障的检测率可达968%,故障隔离率达到94%。某型液体火箭发动机实际试车数据结果表明:该故障诊断算法能够准确及时的检测并隔离出故障。