基于多级模糊综合评判的雷达网目标识别技术

由于目前的战场环境非常复杂,目标识别具有重要意义。有关雷达的基于模糊综合评判的目标识别技术目前研究比较多,通过类似的方法可以进一步进行雷达网的目标识别,即采取两个单级模糊综合评判方法进行雷达网的目标识别,但这种方法具有一定的弱点,文中根据雷达网探测目标的特点,提出了一种基于多级模糊综合评判的雷达网目标识别方法。对这种方法与雷达网基于两个单级模糊综合评判进行目标识别的方法进行了仿真比较,结果表明前者较之后者具有计算量小、识别精确、便于工程应用的特点。     

考虑状态与基本变量随机模糊性的广义响应面可靠性分析

针对复杂结构、机构可靠性分析中的隐式极限状态方程,建立了可以同时考虑基本变量和失效一安全状态随机模糊双重不确定性因素的广义响应面可靠性分析方法。该方法采用模糊基本变量的等效随机化变换,在不改变基本变量模糊分布的情况下,建立了基于有限元分析的复杂结构、机构多个随机一模糊基本变量情况下的广义响应面法,利用广义响应面函数和模糊随机事件概率的计算公式,定义了复杂结构、机构广义失效概率的计算公式,并给出了多个模式情况下体系同时考虑状态和基本变量随机模糊性的广义失效概率计算公式。在弹性连杆机构强度刚度多模式广义可靠性分析的应用算例说明了所提方法的合理性。     

基于模糊可靠性的飞机结构腐蚀疲劳寿命评定

腐蚀和腐蚀疲劳大大降低了LY12CZ铝合金的材料性能,严重地威胁着飞机的结构完整性和使用安全。飞机结构失效过程与所受的载荷、材料特性、服役的腐蚀环境等因素有关,由于各因素联合作用,失效过程损伤机理相当复杂,既有随机性又有模糊性。针对目前腐蚀疲劳寿命评估的常规概率方法的缺陷,基于通过对海军航空部队调研得到的飞机实际使用载荷谱,提出更合理、更贴近实际情况的模糊可靠性评估方法。讨论了蚀孔形状比和各模糊因素对结构寿命的影响规律,研究结果表明该模糊可靠性方法可以应用于飞机结构的腐蚀疲劳寿命评估。     

汽车ABS模糊控制方法的研究

对模糊控制理论在汽车防抱制动系统(ABS)中的应用进行了研究。在建立了汽车系统模型的基础上,设计了查询表在线插值的模糊控制器。该模糊控制器克服了直接模糊合成和查询表控制的缺点。仿真结果表明,该模糊控制方法能够达到理想的制动效果,并对不同的路面具有较强的适应能力。     

Fuzzy自整定PID控制器设计及其MATLAB仿真

针对常规PID控制器不能在线进行参数自整定的问题,结合模糊控制技术,提出了一种模糊自整定PID参数的方法,运用MATLAB进行仿真研究表明,该模糊自整定PID控制器既具有PID控制器高精度的优点,又具有模糊控制器快速、适应性强的特点,使被控对象具有良好的动、稳态特性。     

基于模糊奇偶方程的非线性系统传感器故障诊断

 给出了一种非线性系统传感器的故障诊断方法。该方法将T-S 模糊模型、全解耦奇偶方程和参数估计相结合,同时对非线性系统的多个传感器的故障进行检测、隔离与识别。设计出用于产生残差的线性系统全解耦奇偶方程,并给出了全解耦奇偶向量的存在条件,全解耦奇偶方程产生的残差仅对一个传感器故障敏感,而对系统状态、扰动输入和其它传感器输出解耦。引入T-S 模型将全解耦奇偶方程推广到非线性系统中得到了模糊奇偶方程。传感器的故障模型表示为刻度因子和偏差的形式,根据残差信息应用卡尔曼估计方法可识别出故障模型的参数。最后给出了某型号飞机控制系统传感器的故障诊断仿真实例。     

导弹导引头性能的模糊综合评判研究

利用导引头系统指标的相对性、模糊性,运用模糊数学方法提出了多级模糊综合评判法;并对关键技术——隶属函数、算子和权重的确定进行了研究。实验计算表明:采用模糊综合评判法可以解决导引头性能的评估问题。     

基于动态模糊观测器的故障诊断方法研究

研究了T S模糊系统中存在未知输入、多重故障时的诊断问题,提出了基于动态模糊观测器的诊断方法。仿真结果表明,该方法推理简单,解耦多重故障准确有效。     

基于模糊模型的鲁棒自适应重构飞行控制

提出了一种基于模糊模型的歼击机鲁棒自适应重构控制方案。整个控制方案基于T S模糊模型,将歼击机各飞行状态的局部线性调节器与鲁棒自适应神经网络重构控制器相结合,避免了传统的增益预置方法中控制律在不同工作点之间切换造成的参数突变对系统性能的影响,可以保证系统在全局上拥有局部工作点具有的期望性能,证明了重构系统的全局闭环渐近稳定性。所提出的带有补偿项的完全自适应RBF神经网络,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,提高了神经网络的学习能力,同时通过自适应补偿项来在线估计神经网络的近似误差边界,可以有效地在线修正建模误差、外扰及操纵面故障等因素的影响,保证系统的操纵品质。仿真结果表明了所提出方法的有效性。     

多目标无源跟踪中的多特征模糊综合数据关联算法

提出了一种多目标无源跟踪中的数据关联算法———多特征模糊综合数据关联算法。首先基于目标特征关联因子模型,进行单跟踪门的多特征数据关联模糊评估,得到单跟踪门内的有效观测与真实目标的模糊关联程度,在此基础上,进行了多目标数据关联模糊综合评估,得到多目标整体模糊关联程度,最后进行多目标关联判决。由于该算法综合利用了目标更多的特征信息,所以比传统的NN方法有更好的关联性能,计算机仿真表明,它比NN方法的错误关联率约低15%。