航空发动机LQR控制的模糊神经网络方法

针对线性二次型调节器LQR在航空发动机多变量控制中存在的存储量需求太大的问题,提出了相应的自适应神经网络模糊控制方法。根据某型发动机飞行包线内给定工作点的线性化模型,分别设计控制器,并将分别设计的控制器用自适应神经网络模糊推理的方法进行综合,使之成为一个非线性的控制器,由此可以得出其它工作点的LQR设计结果。该方法能够在一定程度上弥补LQR控制的缺陷,仿真实例表明了其有效性。      

航空产品重要度分类的模糊评判方法

提出一种航空产品重要度分类的模糊评判方法。建立了进行航空产品重要度分类的模糊综合评判模型。该模型描述了重要度分类中的模糊因素,避免了重要度分类逻辑决断法的缺陷和不足。最后给出了该方法的一个应用实例。     

随机模糊测试的确定性

论述了模糊测试确定性和随机模糊测试确定性的概念,以及测试确定性、征兆－成因隶属函数与随机征兆信号概率密度函数之间的关系。建立了随机模糊测试系统的模型。在此基础上提出了模糊测试确定性的量化指标——确定度测试的计算公式,分析了它与征兆－成因隶属函数的关系;分析计算了随机征兆信号的概率密度函数对隶属函数和测试确定度的影响。     

基于 FNN 机器人擦洗玻璃的力/位并环控制

对机器人的力反馈、主动柔顺控制和模糊神经网络进行了综合研究,提出了力/位并环控制策略,建立了相应的模糊神经网络结构,实施了力/位并环控制算法,在AdeptThree精密装配机器人进行了试验,取得了满意的效果。     

变结构航天器模糊神经网络滑模控制器设计

变结构航天器是目前航天领域的重要发展方向,航天器结构的变化将导致质量分布发生明显变化,这对航天器动力学建模和控制器设计都提出新的问题。针对这种情况,采用混合坐标法和拉格朗日方程建立了航天器刚柔耦合动力学模型,利用几种典型工况的参数近似得到变结构过程中动力学参数的变化规律。设计滑模控制器对航天器变结构过程进行姿态控制,为提高滑模控制器的适应性,设计模糊神经网络（FNN）自适应调节滑模控制器参数,并利用径向基函数（RBF）神经网络逼近动力学模型,得到控制力矩与姿态变化之间的近似关系,用于FNN的优化。通过仿真得到航天器变结构期间无控、滑模控制和模糊神经网络滑模控制的姿态变化,仿真结果对比验证了模糊神经网络滑模控制对于滑模控制的优势,证明了其在变结构航天器姿态控制方面的有效性。     

基于模糊神经网络的智能PID控制算法

舵机控制系统存在响应速度慢、抗干扰能力差、系统参数不易整定、现有控制技术与设计方法的局限性等问题,这些问题影响了舵机的性能。为了提高制导火箭弹舵机伺服控制系统的性能,文章从舵机智能控制技术出发,研究了舵机的智能控制算法和Simulink系统仿真模型,采用模糊神经网络PID控制器来提高舵机的稳定性。仿真结果表明,模糊神经网络相比其他控制器进一步提升了舵机控制系统的控制效果。     

基于平滑先验分析和模糊熵的滚动轴承故障诊断

由于机械系统的复杂性,振动信号的随机性表现在不同尺度上,基于对振动信号进行多尺度的模糊熵(FE)分析,提出了基于平滑先验分析(SPA)和模糊熵的滚动轴承故障诊断方法。采用SPA方法对振动信号进行自适应分解,得到振动信号的趋势项和波动项;分别计算趋势项和波动项的模糊熵;将模糊熵值作为特征向量,输入至基于优化算法的支持向量机(OSVM)。将该方法应用于滚动轴承实验数据,分析结果表明:该方法在仅提取两个分量特征的情况下即可达到100%的故障诊断精度,可有效实现滚动轴承的故障诊断。      

模糊内模控制的永磁无刷直流电机控制研究

永磁无刷直流电机在日常生活和工业领域中有着广泛的应用。随着控制要求的不断提升,传统双闭环永磁无刷电机控制系统已逐渐无法满足实际需求。针对控制要求,提出了内模控制与模糊控制相结合的驱动方式。在内模控制与双闭环控制相结合的基础上加入了模糊控制,电流环采用内模PI控制,转速环采用内模PI与模糊的共同控制。试验结果表明:基于模糊内模控制的驱动系统在响应速度、超调量、转矩波动等性能方面与传统双闭环控制系统相比,都有明显优势。     

火电辅机变频器低压穿越直流电压补偿及其控制

针对火电辅机变频器因厂用电压跌落而触发闭锁,造成发电机组停机的问题,设计了基于变频器直流母线电压补偿的辅助穿越装置。辅机变频器采用直接转矩控制,低压穿越装置主电路采用三重交错并联升压变换器结构,在电压跌落期间维持变频器直流母线电压稳定,同时减小输出电流高频纹波。考虑到并联模块参数差异造成的均流问题,提出在传统电压电流双闭环控制的电压外环加入均流环的解决方法,消除环流,使开关管电流应力更为均衡。由于控制系统具有非线性、强耦合的特点,传统PI控制器存在局限性,所以利用模糊控制算法优化PI控制器参数整定,改善其性能。最后用仿真验证了所提方法的有效性。     

基于T-S模糊模型和迭代学习观测器的飞行系统故障容错控制

针对执行器失效的一类飞行控制系统,提出基于迭代学习观测器的模糊容错控制律,利用Takagi-Sugeno(T-S)模糊模型对非线性系统进行描述、建模和控制.一旦系统发生故障,迭代学习观测器在估计系统状态的同时估计执行器的卡死值,然后利用估计的状态和故障信息构成反馈模糊控制律进行调节,以实现故障系统对参考系统的状态跟踪.给出了系统能进行容错控制的参数匹配条件,并利用Lyapunov理论详细分析了系统的稳定性以及闭环系统信号的有界性,某歼击机的仿真实例证明了本文方法的有效性.