模糊自组织网络在刀具磨损状态监测中的应用(英文)

应用模糊逻辑和无教师自组织神经网络进行车削过程刀具磨损状态监测.根据典型切削条件组合建立由多个子网络组成的自组织网络阵列,其中每一子网络对应一种典型切削条件,并进行训练.对于具体切削条件,运用模糊逻辑技术选取对应的优化子网络.文中所建名为Fuzzy-SOM-TWC监测系统的运行基于加工过程实时采集的切削力、声发射以及电机电流信号.切削实验用于训练和检验监测系统,实验结果显示其对于刀具磨损状态的识别正确率可达到98%-100%.     

后掠翼下炸弹气动特性试验研究

为获得某后掠翼飞机机翼下不同外挂形式的单独炸弹/炸弹组合体气动特性,在气动中心高速所1.2m×1.2m风洞中进行了试验研究。在M=0.60～0.95,α=-4°～14°,β=-6°～6°条件下,采用7台外挂天平对炸弹/炸弹组合体模型进行了测量。结果表明:飞机后掠翼和机身带来的侧洗流动使炸弹在零侧滑时存在较大的横向气动载荷;各炸弹不仅受到飞机的侧洗和下洗影响,而且各弹之间的相互干扰也非常严重。     

直升机吊挂及吊挂物抛放过程建模与分析

建立带吊挂载荷的直升机飞行动力学模型。为计算从悬停转入前飞过程中的过渡飞行段尾迹的畸变和气动干扰特性，旋翼尾迹模型采用非定常有限状态入流理论并添加了尾迹畸变模型；建立了六自由度吊挂体模型，包括多段柔性钢索模型、箱体运动模型以及简化的圆柱形箱体气动力模型等；箱体内弹药发射和抛放过程计入了后座力模型对箱体的反作用。模型程序能模拟弹丸瞬间抛放／发射的过程对直升机操稳特性的影响，并实时记录弹体、箱体和直升机的各项运动参数。     

模糊温度控制系统在橡塑制品硫化工艺中的应用

根据橡塑制品的特点,以PLC为中心,在温度控制系统中应用PID 模糊抑制超调技术,研制一套平板硫化机模糊温度控制系统,提高硫化温度的精度,试验结果表明,所研制的系统能够全自动进行橡塑产品的硫化,操作方便,控制简单。     

用于彩色图像分割的有效特征分析(英文)

提出了一种基于分析特征分割贡献的彩色图像分割方法。该方法不受某一特定彩色空间的限制 ,有效特征的确定取决于所设计的特征编码器对被测彩色图像中各种彩色特征的分析结果。该技术不同于以往的分割技术 ,自组织特征映射被用来构造特征编码器 ,使得编码器能自组织地分析不同彩色图像的有效特征。当合适的彩色特征和初始参数给定后 ,模糊聚类技术被用于最后的分割处理。该方法已经应用于不同类型的彩色图像分割处理 ,实验结果说明了该技术明显优于传统的聚类技术。研究表明 ,特征编码为彩色图像分割的自动化和最优化提供了保证。     

用于解距离和速度模糊的算法(英文)

为了提高检测性能和实现多功能 ,PD雷达常采用高、中、低脉冲重复频率 PRF。对应一定的脉冲重复频率 ,PRF会出现测距模糊、测速模糊。以聚类算法为基础 ,本文介绍了一种用于雷达目标解距离、速度模糊的滑窗相关器算法。该滑窗算法是一种遍历性的算法。文中对该算法的解模糊正确率、运算效率进行了讨论 ,分析了解模糊正确率与脉冲重复频率 PRF、检测范围、滑窗宽度间的关系 ,同时给出了仿真结果。     

飞机穿越微下击暴流风切变的智能控制

在应用模糊逻辑建模与辨识方法建立微下击暴流风切变模型的基础上，根据恒定俯仰姿态改出微下击暴流的飞行引导策略，提出了一种改出微下击暴流风切变的模糊反馈控制系统，并将遗传算法应用于该模糊逻辑控制器的设计。结果表明，本文提出的建模方法能够更真实地反映出飞机穿越微下击暴流风场的动态特性；采用模糊逻辑控制器，可使得飞机在穿越微下击暴流风场时具有较好的改出性能；另外，遗传算法的应用对已设计的模糊逻辑控制器进行了优化，进一步改善了飞机穿越微下击暴流的性能。     

基于模糊逻辑的航空发动机虚拟传感器

在双通道的发动机控制系统中，未超过故障阈值的传感器慢漂移故障难以隔离，且在故障检出前影响控制系统的反馈信号。引入机栽自校正实时模型作为第三通道的虚拟传感器，并提出模糊隶属度加权和动态阈值技术以获得可靠的传感器适应值，实现双余度系统中失效传感器的检测和隔离。仿真结果表明，这种方法能可靠地改进适应信号，将由于传感器故障引起的发动机控制系统扰动抑制到0．2％以内，并能避免失控。     

基于UKF的四元数载体姿态确定

对于低精度高噪声的传感器组成的低成本姿态测量系统,本文引入U nscen ted K a lm an filtering(UKF)用于姿态确定,设计了有陀螺测量和四元数差分法的无陀螺测量两种UKF滤波器;应用四元数避免了欧拉角法的奇异问题;用高斯-牛顿误差最小法将六维参考向量转化为四元数,作为观测量的一部分,使九维非线性观测方程转化为七维线性方程进行滤波,减少了计算量;应用仿真数据进行算法验证,成功得到姿态估计;对两种算法在低速和高速状态下进行验证,仿真结果表明了该方法的有效性。     

基于光纤智能夹层和模糊RBF神经网络的飞行器载荷识别

为了更好地保障航空飞行器的安全,提高飞行器的可靠性,提出了一种通过性能参数稳定的光纤智能夹层采集数据,并且结合模糊RBF神经网络对机翼盒段载荷进行识别实验的方法.该方法融合了模糊理论和神经网络各自的优点,通过改进的模糊C均值聚类(FCM)聚类算法删除冗余的规则以进行规则的优化,能自适应地从学习样本数据中提取相应信息,实时地进行载荷辨识.从仿真结果可以看出:该网络模型具有学习时间较短、学习速率较快和精度较高等优点.