基于模糊理论的碟形飞行器复合控制分配策略

针对碟形飞行器变质量矩/推力矢量复合控制系统,研究了以输出误差和误差变化率为参考量及基于模糊理论的控制分配策略。仿真表明,这一设计能够实现两种控制方式的优势互补,达到了良好的控制性能。     

基于模糊Petri网的维修保障活动可视化建模与仿真研究

介绍了模糊Petri网矩阵推理算法,并对模糊Petri网中的元素进行了抽象定义,同时,为了仿真实现矩阵推理算法,定义了用于存储模型数据和中间计算结果的动态数组,并给出具体代码建模流程图。最后,作为验证实例,应用飞机前轮更换轮胎对该维修保障活动仿真软件进行验证。结果表明,该软件可对该维修保障活动进行建模,即直观清晰地体现出飞机某环节维修保障活动的进程,同时也可以根据相关参数进行分析,将能为在航空系统产品保障效能评估中找出可靠性、维修性、测试性和保障性设计存在的薄弱环节提供技术支持。     

基于模糊积分的航空发动机MTBF动态评估方法

针对传统评估方法无法解决航空发动机可靠性评估的滞后问题,采用模糊积分方法建立航空发动机动态可靠性评估模型.引入故障强度因子,建立降半正态型分布的故障强度因子函数表示故障纠正过程.通过故障强度因子得到模糊密度,采用Choquet模糊积分方法融合发动机各阶段可靠性指标,解决了航空发动机可靠性指标的动态评估问题.对在研的某小型涡扇发动机进行了应用研究,结果表明采用Choquet模糊积分数据融合方法进行动态评估能考虑到不同阶段故障数据的重要性,对发动机当前的可靠性水平能给予更加科学的评价.      

基于FSVM改进隶属度的发动机振动性能分析

为了更有效地掌握航空发动机振动性能的影响因素,提出了改进FSVM信息熵的融合定量分析方法.首先,对模糊支持向量机(FSVM)的模糊隶属度函数进行改进,建立多类模糊隶属度计算模型.再将该方法应用到航空发动机整机振动性能评估,计算出振动故障模式与故障原因之间的权值,建立了一个多参数的发动机振动性能分析模型;并对各类振动原因对发动机整体性能的影响进行定量分析,为发动机的振动抑制提供量化参考指标.最后,通过与实际经验作比较,验证了该方法是可行和有效的.     

复杂装备维修方式决策方法研究*

针对复杂装备维修方式难以决策的问题,提出了一种三角模糊数、层次分析和熵权相结合的模糊综合决策法,克服了传统模糊层次分析法准确程度不高以及在权值确定方面处理重要程度不确定情况的问题。首先在对不同装备选择维修方式考虑因素分析的基础上,建立了复杂装备通用维修决策准则体系和评价集。然后根据准则间以及准则与评价集之间对应的模糊判断矩阵求出层次分析与熵权权值,并由两权值计算得出综合权值。最后根据综合权值与模糊综合决策矩阵进行运算（综合决策集）,确定装备的维修方式。     

基于改进直觉模糊数的混合型多属性决策方法

为了解决混合型决策不同类型指标难于集结的问题,将实数、区间数以及语言变量转化为直觉模糊数形式,依据直觉模糊加权算术平均算子对各个指标进行集结,引入一种改进的得分函数对直觉模糊数进行排序比较。算例结果表明改进的得分函数是实用和可行的。     

基于WCFSE-FSVM的转子振动故障诊断方法

为了提高含有噪声和野值的转子振动故障样本诊断精度,提出了基于WCFSE-FSVM的故障诊断方法。充分融合小波相关特征尺度熵(WCFSE)特征提取方法和FSVM故障诊断方法的优点,建立WCFSE-FSVM故障诊断模型。基于转子实验台模拟4种典型故障,获得原始故障数据;并利用WCFSE方法提取这些故障数据的WCFSE值,选取故障信号高频段中的尺度1和尺度2上的小波相关特征尺度熵W1和W2构造出振动信号的故障向量作为故障样本,建立FSVM诊断模型。实例分析显示:WCFSE-FSVM方法的转子故障诊断精度最高,即故障类别诊断精度为94.49%,故障严重程度的诊断精度为95.58%,二者都优于其它故障诊断方法。验证了WCFSE-FSVM方法的可行性和有效性。      

一种基于模糊补偿的自适应控制在液压转台中的应用

 针对仿真转台电液伺服系统的非线性特点,提出了一种基于模糊补偿的自适应控制方法。该方法把实际系统看成是由线性和非线性两部分所组成,对线性部分采用基于精确数学模型的控制方法,而对非线性部分主要采用以模糊自适应补偿为主的控制方式。为了提高模糊自适机构的补偿效果,采用了规则可调整的模糊控制器,仿真结果表明,该方法具有较高的控制精度和鲁棒性能。     

模糊理论在平显故障诊断中的应用研究

给出了平显信号在线采集、转换的硬件电路。鉴于平显输出信号不确定的特点 ,提出了应用模糊理论进行故障诊断的新方法 ,此法具有一定的参考价值。     

自组织模糊CMAC神经网络及其非线性系统辨识

 针对CMAC的特点,提出了联想度的概念,并由此设计了一种自组织模糊 CMAC神经网络( SOFC-MAC)及其学习算法,证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快,逼近精度高及局部泛化能力等特点。歼击机系统特征模型辨识仿真验证表明了该方法的有效性。