基于遗传模糊聚类的机群编队最优分配方法

针对当前机群的编队分配存在效率低、编队分配结果不可靠、智能性差等问题,提出了一种新的结合遗传算法和模糊聚类算法的机群编队最优分配方法.该混合算法通过模糊聚类算法解决了机群的编队分配不确定性问题,并且通过对传统遗传操作算子的改进,采用改进的遗传算法有效地克服了模糊聚类算法容易陷入局部极小值和对初始条件敏感的缺点,使机群的编队分配能快速收敛至全局最优解.3组不同分布类型的机群编队分配算例结果表明,该混合算法具有较好的通用性、有效性和智能性,适用于机群的编队最优分配.      

高超声速飞行器地面颤振评估技术研究

针对高超声速飞行器飞行过程中颤振边界变动范围大、试验测试难的问题,本文开展了考虑气动热效应的翼面结构地面颤振试验技术研究。首先基于工程法对结构所受的气动加热进行了分析,在此基础上开展了结构的热颤振特性评估并作为地面颤振试验结果的参考标准。考虑实际飞行中结构温升效应影响,建立了基于多工况点的气动力综合优化降阶算法,确保了整个温升过程的气动力模拟的精度。通过建立基于模糊逻辑比例、积分和微分（Proportional integral derivative,PID）控制的多点协调控制系统,实现了温升过程中时变系统的激振力控制器设计。最终搭建了地面颤振试验系统,按照典型飞行状态对结构的热颤振特性进行了测试,试验测试结果与仿真结果对比相对误差约10%。     

一种基于Deep-GBM的航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承故障信号难于识别的特点,提出了一种深度梯度提升模型（Deep-GBM）对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验,并采用经验模式分解(EMD)方法对采集的振动信号进行分解,提取内蕴模式函数(IMF)分量非线性动力学参数样本熵作为原始故障特征。采用Deep-GBM对中介轴承内环故障、内环和滚动体综合故障、正常、滚棒剥落、滚棒划伤五种不同状态进行识别。实验结果表明,所提出的Deep-GBM故障诊断准确率达到87%,相对于传统的机器学习模型准确率最高提升了28%,并具有良好的泛化能力。      

变体辅助的无人机栖落机动模糊控制设计

无人机（Unmanned aerial vehicle, UAV）的栖落机动是一种大幅度的俯仰运动,易引起升降舵操纵力矩饱和。本文以变体方式增强无人机的俯仰操纵能力,并研究其对应的控制设计方法。首先对栖落机动建立了纵向动力学模型,并通过采用轨迹线性化和张量积变换方法转换得到T-S模糊模型。基于Lyapunov稳定理论和平方和方法,设计了满足控制输入约束的栖落机动多项式模糊控制器。对非变体与变体下的栖落机动控制过程进行了仿真,结果验证了控制律的有效性,并且表明变体辅助的无人机具有更强的操纵性能,能提高栖落机动中升降舵的抗饱和能力。     

模糊变分原理在求解结构固有频率中的应用

在处理含模糊参数的结构固有频率问题时,现有的方法局限于先将模糊参数转化为区间数求解,再由区间解构造出相应的模糊解.由于现有方法计算量较大,所以提出了基于模糊变分原理的模糊里兹法和模糊有限元法.通过在瑞利商变分中直接引入模糊参数,得到了结构固有频率问题的模糊变分原理.作为模糊变分原理的应用,推导了模糊里兹法和模糊有限元法.这两种方法都可以直接得到问题的模糊解,与传统的区间解法相比,提高了计算效率.算例表明,这两种方法不但具有较高的计算精度,而且可以很大程度上减少计算量.     

开关磁阻电动机的Fuzzy-PI控制

本文介绍了开关磁阻电动机低速时的斩波控制与高速时的单脉冲控制方案,论述了控制参数的优化选择范围及其变化对电机效率和转矩的影响,在分析了模糊控制,比例积分控制以及系统本身特点的基础上,提出了基于上述控制方案的Fuzzy-PI复合控制算法,并详细地讨论了这种算法在开关磁阻电机系统中的实现,采用的粗调、细调技术有效地解决了动态性能与稳态精度之间的矛盾。文章最后给出了在5.5kWSR132-8/6样机上的运行试验结果。试验表明:这种控制方法性能优良。     

六维力/加工电流模糊控制电解加工间隙的方法

为了有效控制电解加工间隙,提高加工精度,以六维力和加工电流为模糊控制器输入的原始数据,结合在线检测加工间隙技术,得到测试间隙;设计控制加工间隙的二输入一输出的模糊控制器,把测试间隙与初始设定间隙形成偏差和偏差的变化量,作为模糊控制器的输入,机床主轴进给速度作为模糊控制器输出;在Matlab的Simulink模块中,通过对电解加工系统和模糊控制器组成的联合模型进行仿真试验,并调整加工间隙的初始设定值,得到结论:模糊控制电解加工过程稳定,鲁棒性好,加工过程很快达到平衡状态;在0.2～0.7 mm的加工间隙范围,随着加工间隙的增大,模糊控制器的超调量减小,控制效果好.     

模糊自组织网络在刀具磨损状态监测中的应用(英文)

应用模糊逻辑和无教师自组织神经网络进行车削过程刀具磨损状态监测.根据典型切削条件组合建立由多个子网络组成的自组织网络阵列,其中每一子网络对应一种典型切削条件,并进行训练.对于具体切削条件,运用模糊逻辑技术选取对应的优化子网络.文中所建名为Fuzzy-SOM-TWC监测系统的运行基于加工过程实时采集的切削力、声发射以及电机电流信号.切削实验用于训练和检验监测系统,实验结果显示其对于刀具磨损状态的识别正确率可达到98%-100%.     

基于二代曲线波变换的红外弱小目标背景抑制

在分析几种常用背景抑制方法的基础上,利用二代曲线波变换具有的优良特性,提出一种基于二代曲线波变换的红外弱小目标背景抑制方法.首先利用曲线渡变换对图像进行分解提取图像的多尺度细节特征;然后对分解后的低、高频子带分别采用变分和模糊非线性变换进行处理来调整目标特征的强度,重构子带获得预测的背景图像;最终将其与原图相减得到背景抑制后的图像.实验结果表明,与几种经典方法相比,该方法在主现视觉和客观评价指标两方面均表现出良好的效果.     

神经网络控制在综合火力／飞行系统中的应用

提出了两种基于模糊控制的神经网络控制器的设计方案，并将这两种控制器应用于综合火力／飞行系统的耦合控制。两种方法的主要差别在于获取样本的方式不同。方案１是通过对模糊控制方法得到的响应曲线采样获取样本，由Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ学习算法训练神经网络，得到一组固定权值。神经网络控制器采用这组权值以“联想记忆”的方式工作。方案２则从用模糊控制算法得到的控制查询表中获取样本。因为模糊控制查询表比较大，采样时依据该表构成的相平面图的特点，对采样点数进行了压缩，使所设计的神经网络的规模可以接受，其余的设计步骤与方案１基本相同。仿真结果表明，采用这两种神经网络控制器的控制系统都具有良好控制性能