某型航空发动机涡轮盘结构可靠度计算

针对传统涡轮盘确定性应力和寿命计算上对参数分散性考虑的不足,采用应力—强度干涉法和模糊概率积分法(FPI)计算某型航空发动机涡轮盘关键位置的结构可靠度,将两种方法结果进行对比分析,说明FPI方法的有效性和快速性,并分析了干涉法计算中的某些近似对可靠度计算结果带来的影响,最后采用FPI方法计算了整个涡轮盘的结构可靠度分布,该结果对掌握整个涡轮盘的可靠度水平及对涡轮盘进一步设计具有参考价值。      

飞轮姿控小卫星模糊控制方法研究

对三轴稳定飞轮姿控小卫星的模糊控制方法进行了研究。不考虑解耦运算,基于模糊控制,以姿态角偏差及偏差变化率为输入,飞轮转动角加速度为输出,在每个通道分别加入模糊控制器,实现了对小卫星滚转、俯仰和偏航通道耦合系统的有效控制。仿真结果表明:该法对干扰抑制明显、对结构参数变化不敏感,响应过程有良好的快速性和较高的稳态精度(可达1×10-4rad),可避免传统方法中对动力学方程的直接解耦操作,应用时可将模糊控制规则转化为控制表储存在星载计算机,简单高效。     

人控制行为的模糊控制模型的参数辨识方法

在有人参与的控制过程研究中,确定人操作者的模糊控制模型的参数是非常困难而复杂的一步,也是此研究领域的一个重点。这个问题的解决,将对人一机控制系统的研究,分析和设计有着十分重要的意义。 本文根据已知的人的模糊控制模型,提出了一种参数辨识方法,并进行了参数辨识实验。实验结果表明:此辨识方法简单方便、且十分有效而实用。它不仅可以为人的模糊控制模型的研究提供基本数据,而且为参数辨识研究提供了新的途径。     

复合材料油气管路多目标设计法模糊物元评估分析

对复合材料油气管路多目标设计法，用模糊物元评估法进行了分析，结论与其他方法相符。     

提高角跟踪精度的自适应鲁棒平滑器

本文以某雷达角跟踪精度研究为主要背景,提出了提高角跟踪精度的自适应鲁棒平滑方法。该结构主要由鲁棒模糊滤波器,基于二次新息的自校正器,自适应胡倍尔(Huber)函数以及自适应α—β平滑器组成。这种方法首次从系统观点出发,统筹考滤了最优性、鲁棒以及实时性三个主要性能指标和滤波、平滑器器结构。最后比较了各平滑算法的性能指标,并说明了本算法的有效性。     

液体火箭发动机推力自动校准系统仿真

针对液体火箭发动机原位校准高准确度的要求,介绍了一种以伺服电机为执行部件,基于液压传动力值自动加载装置,阐述了该系统的结构和工作原理。建立系统数学模型,通过Matlab和AMEsim搭建了系统的仿真模型,在分析影响模拟推力加载准确度和稳定性的基础上,设计了模糊PID控制器。仿真结果表明:所设计的力值加载系统能够完成力值精确加载,(0~6)kN力值加载时间小于30 s,加载力的示值最大误差为±0.05%,满足校准力值加载需求。证明了在力值加载系统中引入模糊PID控制算法,可以有效补偿系统中的不确定性扰动,增强系统的鲁棒性。     

基于模糊逻辑推理的船舶并联气电混合动力系统能量最优分配研究

针对内河船舶工况启停变化频繁导致瞬态动力性较差、动态响应较慢等问题，提出并联气电混合动力系统改进方案，利用模糊逻辑推理方法来提升动力响应性能。以某内河拖船为研究对象进行混合动力系统参数匹配设计，通过对系统关键参数设计切换规则，建立基于逻辑门限的能量管理控制策略；为进一步优化逻辑门限方法主观设定边界阈值不可调节问题，提出基于“模糊逻辑推理+动态协调”能量最优分配策略。通过最优设计相关试验验证管理策略，结果表明：采用基于模糊逻辑推理的能量管理策略能使天然气发动机的平均负荷提升37.86%，平均效率提高2.74%，动态响应时间缩短44.45%。     

数据驱动的运载火箭氧涡轮泵异常分析方法

基于模糊聚类和LSTM网络，提出了一种数据驱动的运载火箭发动机氧涡轮泵数据异常分析方法。通过模糊聚类对工况复杂，标签不完整的数据样本进行预分类，得到完整的标签并且分析特征贡献度，为LSTM网络的特征筛选和训练打下基础；通过LSTM网络对氧涡轮泵数据进行预测，并计算预测结果与原始数据之间的平均误差，再根据非参数阈值计算方法计算的阈值判据来判断设备是否异常，最终实现了氧涡轮泵数据驱动的故障检测报警，相较于红线阈值检测方法准确率提升7%。     

基于自适应神经模糊推理系统的导弹直/气复合控制系统设计

针对导弹直/气复合控制问题,提出了一种基于自适应神经模糊推理系统的导弹直/气复合控制系统设计方法.首先,建立了直/气复合导弹数学模型.然后,针对常规模糊控制设计严重依赖经验的问题,在模糊控制的基础上引入神经网络,通过样本数据学习建立自适应神经模糊推理系统(ANFIS),并设计了脉冲调宽调频调制器.最后,通过仿真试验验证了所提的控制系统设计方法.仿真结果表明,基于ANFIS的导弹直/气复合控制系统能够快速精确地跟踪加速度指令.     

Novel moderate transformation of fuzzy membership function into basic belief assignment

In information fusion, the uncertain information from different sources might be modeled with different theoretical frameworks. When one needs to fuse the uncertain information represented by different uncertainty theories, constructing the transformation between different frameworks is crucial. Various transformations of a Fuzzy Membership Function (FMF) into a Basic Belief Assignment (BBA) have been proposed, where the transformations based on uncertainty maximization and minimization can determine the BBA without preselecting the focal elements. However, these two transformations that based on uncertainty optimization emphasize the extreme cases of uncertainty. To avoid extreme attitudinal bias, a trade-off or moderate BBA with the uncertainty degree between the minimal and maximal ones is more preferred. In this paper, two moderate transformations of an FMF into a trade-off BBA are proposed. One is the weighted average based transformation and the other is the optimization-based transformation with weighting mechanism, where the weighting factor can be user-specified or determined with some prior information. The rationality and effectiveness of our transformations are verified through numerical examples and classification examples.