基于当量概率密度函数的模糊可靠性分析方法

实际工程中,结构系统的属性以及所受外载荷常常具有随机性和模糊性的特点。对于功能函数中含有模糊分布参数(FDP)的随机变量问题,如何准确且简便地评估其可靠性,是十分重要的。依据随机性和模糊性的基本概念,提出了当量概率密度函数的模糊可靠性分析方法。以FDP的隶属函数为基础,构造FDP的先验分布,应用Bayes理论,得到含有FDP随机变量的当量概率密度函数,并推导出具有常用隶属函数的FDP随机变量的数学期望和方差。这样就把含有FDP的随机变量处理成常规随机变量,进而可以应用传统的可靠性方法来分析结构的可靠性。本文所提方法解决了功能函数中含有多个FDP的随机变量时,模糊概率计算困难的问题。最后通过算例,与常用的模糊概率的可靠性分析方法进行比较,来验证本文算法的有效性。     

基于领域专家知识的发动机模糊可靠性分配方法

提出了一种基于多领域专家知识的发动机模糊可靠性分配方法,以降低决策者主观偏好以及分配过程中模糊和不确定因素对分配结果的影响.基于对影响发动机可靠性因素的分析,建立了发动机模糊可靠性分配的数学模型,并以三角模糊数代替常规层次分析法中的标度,提出了一种模糊评判矩阵方法来确定影响可靠性因素的权重.在可靠性分配过程中,充分考虑多领域专家的意见和产品开发过程的风险性.以应用实例对提出方法的有效可行性进行了验证.      

基于模糊基函数网络的系统故障检测

给出了基于T-S模型的模糊基函数网络(FBFN),并提出了一种基于FBFN的未知系统故障信息检测通用方法.将未知系统分为已知部分和未知部分.系统的实际输出包括已知部分输出、未知部分输出和故障信息等三部分.已知部分用数学模型描述.未知部分包括系统的建模误差、噪声干扰等不确定性,用FBFN逼近.因此,根据系统的实际输出、数学模型输出和FBFN输出可估计出故障信息.最后给出了某飞机的微波着陆系统故障信息检测仿真实例.      

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     

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。     

考虑模糊失效准则的结构疲劳寿命可靠性

 针对常规设计中对功能函数失效状态规定与常识不符这种情况,提出了考虑模糊失效准则的结构疲劳寿命可靠性,将结构寿命视为随机变量,而设计寿命视为模糊变量,研究了设计寿命服从线性L-R分布时的结构疲劳寿命可靠度,给出了随机载荷下结构疲劳寿命概率密度函数的确定方法,并提出了随机变量与模糊变量相组合时的一种新的可靠度数值计算方法,该方法先利用Gauss-Legendre积分将模糊可靠度求解的二次积分转换成一次积分,列出与Legendre多项式零点相对应的阀值,然后在给定的阀值下,将设计寿命转化成普通的截集区间,在截集区间内假定结构疲劳寿命概率密度函数服从均匀分布,利用Monte Carlo模拟得到对应于该阀值的结构疲劳寿命可靠度值。数值结果表明,常规设计下结构的疲劳寿命可靠度偏于危险。     

基于神经网络和模糊逻辑的航空发动机状态监视

设计了基于神经网络和模糊逻辑的航空发动机状态监视系统,它包含数据有效性检查和发动机健康评估.系统利用BP(back propagation)神经网络对发动机进行数据有效性检查,根据发动机的状态确定测量参数的有效边界以检测发动机的测量参数是否超限;利用模糊逻辑对发动机健康状况进行实时的评估,监控发动机因性能蜕化引起的异常.通过对某型涡扇发动机仿真,验证了基于神经网络和模糊逻辑的状态监视系统的有效性.      

基于广义系统表达式的模糊系统稳定性分析

研究不确定T-S模糊系统的稳定性问题,并基于模糊广义系统表达式,给出了系统稳定的充分条件。在此基础上,转化为求解线性矩阵不等式的问题。与以往结果相比,减少了求解过程的计算量。同时,为了得到更为松弛的线性矩阵不等式条件,提出一种新的模糊控制器设计及模糊Lyapunov函数。算例说明所提方法有效和可行。     

扰动测量环境中基于图像序列的模态参数识别

针对结构模态参数识别,提出了一种基于二维连续图像序列的识别方法.该方法以CCD相机采集的图像序列为基础,在待识别结构上选取一定数量的特征点,运用因子分解法将结构运动参数和外形信息分离开,得到各特征点的运动轨迹,通过实施特征系统实现算法(ERA,Eigen-system Realization Algorithm)识别出结构的模态参数.特别是当测量仪器,即CCD相机受到扰动时,能够从图像序列中分离扰动,得到结构自身的运动参数,保证较好的识别效果.以相机受扰动时,悬臂梁模型为例进行了仿真分析.将识别出的悬臂梁前5阶频率与ANSYS计算结果进行对比,结果吻合很好,对于工程中利用光学图像识别结构动态特性具有较高的参考价值.     

适用于连续数值标签的兴趣漂移增量学习方法

针对现有兴趣漂移增量学习方法大多针对包含二值数据标签的用户反馈进行学习的不足,提出了一种适用于连续数值标签反馈的兴趣漂移增量学习方法,以或然概念集的形式描述用户兴趣,将用户反馈中包含的数据标签视为用户对该实例的喜好概率,并采用基于指数近度加权平均的方法对兴趣模型进行增量学习.在不同学习任务下的实验结果表明,该方法能够在反馈数据标签为连续数值的条件下达到比现有方法更好的学习效果.