浅析思想政治教育方法继承的主要内容

在21世纪这样一个飞速发展和竞争激烈的时代,思想政治教育如何才能适应时代的发展要求,思想政治教育方法怎样才能更富有成效,继承和创新是必经之路。创新,不意味着放弃传统,而是在继承我国优秀传统文化和党的思想政治教育的优良传统的基础上的创新和发展。     

基于自适应神经模糊推理算法的无人机电推进燃料电池供气系统性能优化

本文针对某无人机基于聚合物交换膜燃料电池和锂离子电池的混合动力电推进系统的应用,研究开发了一种基于自适应神经模糊推理系统的电源管理系统控制技术,以控制混合动力电力推进系统,同时优化燃料电池供气系统的性能。本文以所建立的某无人机混合电推进系统数学模型为研究对象,研究了燃料电池电流与燃料电池供气系统压缩机功率之间的关系,建立了燃料电池电流与最佳压缩机功率关系的参考模型。在参考模型的基础上,引入自适应控制器来优化燃料电池供气系统的性能。基于自适应神经模糊推理系统的控制器将压缩机的实际运行功率动态调整到参考模型中定义的最佳值。自适应控制器的在线学习和训练能力用来辨识燃料电池电流的非线性变化,并产生压缩机电机电压的控制信号,以优化燃料电池供气系统的性能。在Matlab 仿真环境中开发了质子交换膜燃料电池和锂离子混合动力电推进系统模型并对所设计的控制器进行了仿真分析,结果表明基于自适应神经模糊推理系统的控制器为燃料电池供气系统压缩机性能优化提供了一种新颖而全面的途径,使燃料电池供气系统获得最大净功率输出。将燃料电池系统的净功率输出与最佳压缩机功率和恒定压缩机功率进行了比较,结果表明优化的压缩机功率配置比恒定的压缩机功率配置节能2.62%。同时,燃料电池自适应神经模糊推理系统控制器优化了燃料电池供气系统的能量利用。     

并行推理技术的研究

提出了一种并行推理问题识别控制的方法,研究了并行推理问题的组织与动态管理模式。建立了一种并行推理机的设计方法及系统结构。     

概率推理与影响图

本文讨论了影响图理论在概率推理过程中的应用和要涉及的信息及信息量。提出了虚拟信息滤波过程的概念和方法;讨论了概念网络中的信息溶合和衍殖过程;研究了用虚拟滤波过程表征人们行为中的柔性推理机制;设计了概念网络上的一种柔性推理准则。为决策分析和人工智能领域中的不肯定性信息测度问题提供了一种新的方法。     

语篇连贯解读与构建中的推理过程

语篇连贯既是一种语言现象,又可以被看作是一种心理行为。看一个语篇是否连贯是离不开依据语篇的呈现方式进行的逻辑推理以及世界知识的记忆和调取等心理活动。连贯在很大程度上是来自于理解者在对语篇加工时所产生的推导过程。以回指推理以及主题推理为例,通过对语篇推理过程的论述具体说明了阅读者是怎样通过推理过程在自己的认知中做出语篇是否连贯的判断的,从而促进阅读者更好地理解语篇的连贯。     

基于贝叶斯网络的空战效能评估方法研究

贝叶斯网络是一个基于概率推理的数学模型,常用于解决复杂系统间的不确定性,且具有较大优势。空战过程是一个极为复杂的过程,具有较高的不确定性,针对空战效能评估过程中存在的问题,结合空战理论和实际情况,建立空战效能评估的贝叶斯网络模型,提出基于贝叶斯网络的空战效能评估方法,并进行仿真分析。结果表明:该评估方法能够根据战场环境证据对空战信息优势、协同能力、部队效能、决策指挥能力进行效能评估,为决策提供有力依据,且具有很强的学习能力与推理能力。     

火箭弹电动舵机模糊单神经元PID控制算法

针对制导火箭弹电动式舵机,为提高其响应速度和精度,文章在模糊PID控制基础上,提出了模糊单神经元PID控制方法。首先,建立了火箭弹舵机系统模型;然后,将模糊推理、单神经元自学习算法和PID控制相结合,建立智能控制系统,以实现对舵机输入指令的精确、快速响应。经仿真实验表明:在此智能控制下,舵机位置在阶跃响应的调节时间、超调量以及正弦跟踪上相对于传统模糊PID控制均得到有效改进,具有良好的动静态性能、自适应性和稳定性。     

模糊理论在机械可靠性预计中的应用研究

机械可靠性预计是机械可靠性设计的重要任务之一，且贯穿整个设计过程。但在初始设计阶段，机械产品的可靠性数据往往十分缺乏，且可靠性预计本身就具有一定的模糊性，从而使机械产品的可靠性预计较为困难。鉴于模糊综合评判能够较好地运用专家经验和模糊信息，本用来评估可靠性的影响因素。在评估结果的基础上，再应用模糊推理理论对可靠性的预计值进行推理。该方法尤其适用于复杂机械产品(包括其它产品)设计初期的可靠性预计，从而弥补了现有可靠性预计方法的不足。中通过示例讨论了其具体应用方法。     

模糊推理和证据理论融合的航空发动机故障诊断

提出了一种模糊推理与证据理论相结合的航空发动机故障诊断方法.首先,根据故障征兆信号,结合专家经验对发动机故障原因发生的可能进行模糊推理,解决故障诊断中的模糊性问题;其次,将模糊推理结果作为证据的基本置信度分配,确保赋值的准确性;最终,采用证据组合规则对多个证据进行融合决策,减小故障诊断的不确定性测度,并解决证据间的冲突问题,从而实现对故障源的精确定位.实验结果表明,该方法可行且有效.      

模糊逻辑的神经网络实现

研究了模糊控制中，模糊推理规则由多层神经网络实现问题。将模糊推理规则中的每一个规则的前件知识，直接嵌入神经网络的权中，然后利用神经网络的自学习功能；自动辨识控制规则，且对隶属函数进行微调整。其学习方法主要采用误差逆传播算法。