自适应神经模糊推理模型在复杂社会技术系统中的应用(英文)

考虑复杂社会技术系统的特点,运用自适应神经模糊推理模型对提高公益科研机构的组织效率进行了实例研究。建立了针对公益科研机构员工激励决策的自适应模糊推理完整模型,利用调研数据及其处理结果验证了模型的有效性。该模型融合了神经网络的学习机制和模糊系统的语言推理能力,弥补了神经网络和模糊逻辑系统各自的不足。研究结果表明,自适应神经模糊推理模型适用于复杂社会技术系统,在解决管理领域的预测、评估和决策问题中有广阔的应用前景。     

基于RBF神经网络的一类不确定非线性系统自适应H∞控制

基于RBF神经网络提出了一种H∞自适应控制方法。控制器由等效控制器和H∞控制器两部分组成。用RBF神经网络逼近非线性函数，并把逼近误差引入到网络权值的自适应律中用以改善系统的动态性能。H^∞控制器用于减弱外部及神经网络的逼近误差对跟踪的影响。所设计的控制器不仅保证了闭环系统的稳定性，而且使外部干扰及神经网络的逼近误差对跟踪的影响减小到给定的性能指标。最后给出的算例验证了该方法的有效性。     

基于稀疏阵列和码分信号的机载预警雷达STAP研究

基于稀疏阵列和码分正交信号,研究了机载雷达的空时自适应处理（STAP）技术,用于空中预警背景下的地面杂波抑制和运动目标探测。提出了稀疏阵列码分多相位中心孔径综合方法,采用正交编码信号实现多发多收,使综合后不同编码信号的相位中心在数量和分布情况上和满阵天线的相同,从而避免了稀疏阵列天线旁瓣较高的问题;在孔径综合的基础上,利用空时自适应处理方法完成杂波抑制,实现运动目标检测。仿真结果表明了本文方法的有效性。     

基于遗传算法的航空发动机机载模型支持向量机修正方法

航空发动机的实时模型与发动机的匹配精度直接影响着航空发动机故障诊断的精度.提出了基于自适应遗传算法的最小二乘支持向量回归机(AGA-LSSVR)方法对航空发动机机载实时模型进行修正,有效的提高了模型的匹配精度.分析了最小二乘支持向量机中的参数的选取对模型修正的影响,在参数的选取空间里采用自适应遗传算法搜索最优参数.最后,比较了Back propagation(BP)神经网络、支持向量回归机、AGA-LSSVR等方法在机载模型中的修正效果.结果表明:提出的AGA-LSSVR具有很好的修正精度,验证了修正模型的有效性.      

自适应模型跟踪控制在仿真伺服系统中的应用

针对飞行仿真伺服系统动态性能要求的特殊性和系统本身的非线性 ,提出了自适应模型跟踪的有效控制方法。文章在探讨参考模型选取的基础上 ,推导出一种飞行仿真位置伺服系统的自适应模型跟踪算法 ,并将其用于某一飞行仿真伺服系统。实验表明 ,该算法使系统获得了优良的动态性能 ,尤其对改善系统的频率响应 ,拓宽系统频带具有很好的效果。最后给出了部分实验结果     

基于有向元的圆柱阵列波束赋形

对其形圆柱阵列进行了波束赋形,在考虑阵元有向性的基础上,利用基于最小均方误差的自适应算法迭代得到一组最优权值,通过对阵元激励的幅度、相位进行加权调整,能够使阵列波束方向、主波束形状、副瓣电平达到给定要求：运用此方法得到共形圆柱阵列的平预波束和余割平方波束方向图,效果较好,证明此方法对于共形阵列是有效的     

角伺服系统模糊自适应PID控制研究

将模糊控制和PID控制相结合,提出了一种智能复合控制策略,并将其应用于某型导弹系统角伺服系统的控制。利用模糊控制在线自适应调整PID控制器的参数,从而使系统的静态和动态性能指标较为理想。在Simulink中的仿真结果表明,这种模糊PID控制器的控制效果优于单纯的PID控制,超调量小,抗干扰性能强,对变参数系统的鲁棒性强,满足在线实时自适应控制的要求。     

一种深空再生复合伪码测距信号的自适应捕获跟踪技术

再生复合伪码非常适合于深空测距。分析了复合伪码的相关特性和典型伪码跟踪环的结构,提出了一种通过相位误差过零检测进行码环带宽自适应调整的算法,进而实现测距信号的自适应捕获和跟踪。仿真结果表明算法能使环路的相位误差方差减小6～ 7倍。
     

面向月壤采集的多杆深层采样器

采样器是进行月球探测所需要的重要工具之一,它对能否顺利实现月壤采样起到关键作用.目前已有的采样器不能同时满足深层、原样、反复的采样要求.针对月球低重力环境下的月壤采集工作所面对的技术问题,提出一种新型月壤采样器--多杆深层采样器.该采样器装有4根空心钻杆,当一根钻杆钻入地下之后,下一根钻杆通过换杆机构和下钻机构的合作可以实现与地下钻杆的连接,4根钻杆连接后最大可以实现1.5米深的钻探取样.该采样器结构新颖、功能强大,能够同时满足以上三点要求.模拟仿真结果和样机试验证明了该钻探系统的可行性.     

多星座组合导航自适应联合卡尔曼滤波算法研究

针对多星座卫星组合导航,提出了一种自适应联合卡尔曼滤波算法,采用描述机动载体运动的“当前”统计模型,直接从各卫星导航系统接收机输出的定位信息入手,将各种误差因素的影响等效为一个总误差,建立一种动态定位的自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能,通过引入调整系数、加权因子和自适应调节量对自适应滤波算法进行了改进,并分别对GPS、GLONASS和GALILEO系统设计了自适应子滤波器,然后采用联合滤波算法对各个子滤波器进行数据融合处理,最后对GPS/GLONASS/GALILEO组合导航系统进行了仿真验证,结果表明,该算法增强了滤波器的跟踪能力,改善了滤波效果,提高了定位精度。