基于BP算法的模糊神经网络研究

提出了一种基于模糊集合与前馈神经网络结合的神经网络。这种模糊神经网络（ＦＮＮ）在处理模糊特征时，能较好地反映出输入值和输出值的隶属度关系。应用经典的ＢＰ算法对网络进行训练，为了加快网络的学习过程，我们介绍了一种调整权值和阈值的学习方法，并且采用了Ｃ语言编制软件，实验结果表明，ＦＮＮ技术是一种新颖、有效的方法，能促进智能神经网络的发展。     

基于模糊神经网络的质量矩拦截弹动态逆控制

质量矩控制是一种全新的飞行控制方法,与广泛应用的空气动力控制相比,可以避免飞行器在超高马赫数飞行时舵面的气动加热问题,而且,可以提高飞行器的机动性和敏捷性。以所建立的质量矩拦截弹数学模型为基础,通过对模型合理的简化,得到一个耦合的非线性动力学系统。考虑到系统的鲁棒性要求和三个滑块的协调控制问题,应用双时标分解的方法,提出将拦截弹动力学分离为快变状态动力学和慢变状态动力学。然后,设计了拦截弹模糊动态逆飞行控制系统,分别针对快变和慢变子系统,提出了一种基于模糊神经网络(FNN)的动态逆误差补偿方法,可以有效地抑制气动参数摄动而引起的控制系统性能的下降,提高了控制系统的鲁棒性。仿真结果表明系统性能指标满足设计要求,只需微调滑块位置,即可以实现拦截弹的飞行控制。     

基于切变流形函数和模糊控制的微小卫星姿态磁控制

研究了一种用李亚普诺夫方法和模糊控制理论实现微小卫星姿态磁控制的方法。通过构造李亚普诺夫函数给出切变流形函数,获得了一开关控制,并从理论上证明了系统的收敛性。用模糊控制法消除常规开关控制固有的抖振,给出了模糊控制律。理论分析和仿真结果表明,该姿态磁控制方法简单、姿态精度高、鲁棒性强,可用于微小卫星的姿态磁控制。     

基于解耦三轴气浮台非线性模糊变结构的鲁棒控制

根据三轴气浮台非线性动力学模型,研究了一种基于解耦的模糊变结构控制方法。设计的控制器不仅避免了一般变结构控制中的抖振,而且具有实现简单、工程化容易的优点。仿真结果表明,该模糊变结构控制法对模型的不确定性和外来干扰有较佳的跟踪性能,其鲁棒性较优。     

飞行器姿态的一种鲁棒自适应模糊解耦控制

飞行器姿态系统具有非线性、强耦合、多输入多输出(MIMO)的特点。本文针对飞行器姿态模型的非线性和不确定性，提出鲁棒自适应模糊解耦控制方法，对飞行姿态进行机动控制。首先，设计基于精确反馈线性化的模糊解耦控制环节。针对模糊逼近所带来的误差以及外部干扰项，采用H∞鲁棒补偿控制方法，使误差干扰项对系统的影响最小。为充分利用有限的模糊规则，采用非线性可调参数模糊模型。模糊参数的自适应调节律由李雅普诺夫综合法得到。数学仿真表明，该控制方案对于空间飞行器姿态系统中的非线性和参数不确定性具有较强的适应能力。     

载人飞船再入大气层航程控制的模糊控制器设计方法

将模糊控制理论应用于载人飞船再入大气层的落点航程控制问题 ,以纵程误差ΔDR、横程误差ΔCR、剩余时间tcf为输入变量 ,滚动角γv为输出变量 ,得到一个三输入单输出系统的模糊控制器并给出了便于工程应用的设计方法及仿真结果     

基于因子分析和模糊数学方法的公司内在价值评价的实证研究

本文对公司内在价值作了定义 ,系统分析了影响公司内在价值的因素 ,并建立了评价指标体系 ;设计了两种分别基于因子分析法和模糊数学方法的内在价值综合评价方法 ;最后选择了纺织板块上市公司作实证分析 ,比较了两种方法的优劣     

空中交通管理系统安全绩效评估模型研究

客观准确的安全绩效评估,可以反映出空中交通管制系统运行的安全状况,并识别出安全管理存在的薄弱环节.从管制员、空中交通管制设备、环境、管理四方面找出影响系统安全运行的过程性指标,将过程性指标与结果性指标相结合构建空中交通管制系统安全绩效评估指标体系;在模糊物元分析法的基础上,对隶属度函数的确定方法进行改进,建立基于改进的模糊物元分析法的空中交通管制系统安全绩效评估模型;利用该模型对某空中交通管制单位的安全绩效进行评估,评估结果能够反映出该单位的安全状况,并指出应当改进的环节.结果表明:本模型可以对空中交通管制系统的安全绩效作出综合评判,并可以对空中交通管制系统的安全性进行量化描述.     

Event-triggered adaptive fuzzy attitude takeover control of spacecraft

The problem of attitude takeover control of spacecraft by using cellular satellites with limited communication, actuator faults and input saturation is investigated. In order to lighten the communication burden of cellular satellites, an event-triggered control strategy is adopted. The filtered attitude information needs to be transmitted only when the defined measurement error reaches the event-triggered threshold in this strategy. Then, to deal with the unknown inertia matrix, actuator faults, external disturbances and the errors caused by event-triggered scheme, fuzzy logic systems is introduced to estimate the uncertainties directly. Combining fuzzy logic control strategy and the event-triggered method, the first event-triggered adaptive fuzzy control law is developed. Then, torque saturation of cellular satellites is further considered in the second control law, where the upper bound of the uncertainties is estimated by fuzzy logic systems. The resulting closed-loop systems under the two control laws are guaranteed to be bounded. Finally, the effectiveness of two proposed control laws is verified by the numerical simulations.     

基于再励模糊神经网络的三轴稳定卫星姿态智能控制

将再励学习引入模糊神经网络的T-S模型,建立了模糊神经网络控制器和控制评估网络的再励学习算法,并应用于三轴稳定卫星的姿态控制。这种再励模糊神经网络不需要精确的卫星数学模型和学习样本,通过再励学习实现控制网络/评估网络参数的在线调节,具有比较强的适应性和学习能力。仿真结果表明,这种智能控制方法可以有效解决卫星的模型不确定性问题,提高了卫星姿态控制的精度和鲁棒性。