航空发动机主轴承使用状态寿命预测模型(英文)

航空发动机主轴承寿命的实际可靠预测对于发动机的安全运行至关重要。使用状态寿命(即状态良好、初始损伤、故障发展和即将失效4个寿命阶段)描述航空发动机主轴承的使用寿命,并提出了一种基于支持向量机和模糊逻辑推理的主轴承状态寿命分析模型。首先,讨论了理论计算模型,采用轴承疲劳累积损伤模型,利用修正的Lundberg-Palmgren模型,结合飞参记录数据计算主轴承装机以来的累积寿命消耗,确定状态寿命的理论值。然后,详细阐述了状态寿命评估模型,该方法通过选取轴承振动的时域、频域统计量作为特征矢量,利用支持向量机作为辨识算法进行滚动轴承状态寿命的智能评估。最后,基于模糊逻辑推理融合主轴承状态寿命的理论计算模型和状态寿命评估模型得到主轴承状态寿命模型。采用滚动轴承的全寿命试验验证模型的有效性和可行性。     

基于PID控制方法的模糊变增益振动主动控制试验研究

结合模糊控制方法智能化的特点,设计出一种不依赖模型参数且可以自动调节控制器增益的控制算法。该方法以比例、积分和微分(Proportional integral and derivative,PID)控制为基础,根据系统输出及输出变化率自动调节控制器增益,使控制系统具有更强的适应能力。同时针对振动测试信号中含有噪声干扰和直流分量的情况,构造依赖模型部分参数的二阶窗函数,在保证不改变受控模态信号特征的同时有效衰减非受控模态信号干扰及直流分量。建立悬臂梁模型进行试验验证。结果表明,该方法能够使受控系统的振动幅值减小到开环时的5%以下,其效果明显优于普通PID控制。并且,通过引入二阶窗函数,系统在具有非受控模态信号干扰的情况下能够保持有效控制,使算法具有更好的稳定性和鲁棒性。     

基于模糊控制的火箭伺服系统频域控制设计方法

某型火箭发动机机械谐振频率低、谐振程度剧烈,给伺服系统的控制方法设计带来了困难.本文将模糊思想引入到控制器频域设计,提出了一种采用T-S结构的混合模糊控制算法,该算法根据输入信号的频率成分实时调整控制器的比例系数.Simulink仿真结果表明,该算法有效抑制了系统的低频谐振,改善了系统的频率特性.     

航空发动机模型参考模糊自学习控制

模型参考模糊自学习控制方法利用一个参考模型作为被控对象的输出性能要求，并且根据参考模型的输出和实际对象的输出间的误差，经过一个逆模糊模型学习产生模糊控制系统的控制规则。本文基于该方法离线构造了某型发动机的模糊控制器，并在发动机的其它状态及飞行包线的其它点进行在线学习校正，以得到期望的性能。仿真结果表明用该方法设计的模糊控制系统获得了满意的控制效果。     

基于灰色关联模糊聚类算法优化飞机排故方法

采用灰色关联与模糊聚类原理，建立一种灰色关联的模糊聚类算法，应用该算法可直接对飞机维修经验中的多种排故方法．依排除故障的可能性进行排序，并根据排序结果时排故方法进行相似聚类，从而将排故经验与多因素决策算法进行有效综合．较好地解决了民航飞机故障诊断专家系统中多种故障原因的优化选择问题，并可直接给出排故方法的选择指导，提高专家系统的指导水平和飞机排故效率。文中对算法原理进行了详细介绍，并给出算法实例。     

螺栓强度的随机可靠性与模糊可靠性分析

螺栓是工程装备中重要的连接结构件,其可靠性至关重要。本文介绍了结构强度的随机可靠性和模糊可靠性分析方法,并以一种典型螺栓为例演示了这些方法的应用,同时给出了螺栓的随机可靠度和模糊可靠度。     

柔性机械臂的模糊自适应控制研究

提出了一种用于柔性机器人操作臂控制的模糊自适应控制策略。由于柔性臂的结构特点，在进行其操作臂的控制研究时，必须考虑系统的振动特性才能达到末端的高精度控制。本将拉格朗日法和假设模态法相结合，建立了单自由度柔性臂系统的动力学方程，提出了一种模糊自适应控制策略。在柔性操作臂末端带有不同载荷的情况下，分两种类型进行了控制仿真实验：定位控制和轨迹跟踪控制。仿真结果与传统的PD控制仿真实验结果相比较，表明模糊自适应控制器在轨迹跟踪和系统的振动抑制方面反映出更好的稳定性和鲁棒性，适用于柔性机械臂系统的动力学控制。     

一种基于模糊聚类的组合BP神经网络数据挖掘方法

介绍了一种基于模糊聚类的组合BP神经网络的数据挖掘方法，并给出了该方法的模型和启发式BP改进算法Heuristicbp。且将其应用于数学函数值预测中，取得了学习时间短和预测精度高的效果，证明该方法是有效的，具有较高的实际应用性。     

灰色犹豫模糊集的核与灰度的灰关联决策方法

首先,将犹豫模糊扩展为灰色犹豫模糊集。其次,用灰色系统“核与灰度”的方法代替了传统中预设决策者风险偏好的数据增补方法,在不改变信息域的前提下,提升了可信度。进而将“核与灰度”运算法则扩充到灰色关联度的决策中。最后,通过实例演示了方法的适用性和可行性,并与相关文献方法进行了对比研究与分析。     

联合模糊c-均值聚类模型

提出一种新的结合了模糊c-均值聚类（FCM）算法和可能性c-均值聚类（PCM）算法优点的联合模糊c-均值聚类（AFCM）算法。它克服了PCM对初始值敏感、易产生一致性聚类的缺点，是PCM的扩展算法。试验表明：AFCM能同时产生隶属度和典型值，从而更好地处理噪声，避免了一致性聚类，同时提高了聚类准确性。