非确定-确定混合分群算法及其实现

在最小群变化(LeastClusterChanged,LCC)分群算法的基础上提出一种非确定-确定混合(Uncer tainy CertainyMixed,UC CM)分群算法。该算法利用非确定性分群的竞争特性,提高了网络的初始收敛速度,并保持了LCC算法的稳定性,同时利用优先级参数,提高了组网的灵活性。设计了UC CM算法的有限状态机模型,并基于模型对算法进行了模拟仿真,验证了算法的有效性。     

单连杆柔性臂模糊控制

以单连杆柔性臂为例,提出了模糊控制与最优控制相结合的混合控制方法。首先,采用奇异摄动将系统分为慢变和快变两个子系统。然后,对慢变子系统采用模糊控制,快变子系统采用最优控制。仿真结果表明,该方法不仅能实现柔性臂轨迹的快速、准确跟踪,有效地抑制弹性振动,并且对负载的变化具有强的鲁棒性。     

航空发动机LQR控制的模糊神经网络方法

针对线性二次型调节器LQR在航空发动机多变量控制中存在的存储量需求太大的问题,提出了相应的自适应神经网络模糊控制方法。根据某型发动机飞行包线内给定工作点的线性化模型,分别设计控制器,并将分别设计的控制器用自适应神经网络模糊推理的方法进行综合,使之成为一个非线性的控制器,由此可以得出其它工作点的LQR设计结果。该方法能够在一定程度上弥补LQR控制的缺陷,仿真实例表明了其有效性。      

航空产品重要度分类的模糊评判方法

提出一种航空产品重要度分类的模糊评判方法。建立了进行航空产品重要度分类的模糊综合评判模型。该模型描述了重要度分类中的模糊因素,避免了重要度分类逻辑决断法的缺陷和不足。最后给出了该方法的一个应用实例。     

随机模糊测试的确定性

论述了模糊测试确定性和随机模糊测试确定性的概念,以及测试确定性、征兆－成因隶属函数与随机征兆信号概率密度函数之间的关系。建立了随机模糊测试系统的模型。在此基础上提出了模糊测试确定性的量化指标——确定度测试的计算公式,分析了它与征兆－成因隶属函数的关系;分析计算了随机征兆信号的概率密度函数对隶属函数和测试确定度的影响。     

模糊聚类分析在耀斑-地磁扰动研究中的初步应用

本文运用模糊聚类分析的方法,对1975—1983年可证认出的210个耀斑-IPS激波事件进行了分析研究,给出了它们的聚类指标和模糊等价关系以及大、中、小三类耀斑-磁扰的聚类中心。初步研究结果表明:95％的耀斑-IPS激波会引起地磁扰动(∑Kp≥16);对持续1小时以上的二级耀斑和2小时以上的一级耀斑,以及多个射电源的IPS观测均出现50km/8以上的速度跳跃这类大耀斑-IPS激波事件进行模糊聚类磁扰强弱预报试验,其准确率可达80％;这种大耀斑-IPS激波事件所对应的地磁扰动变化范围很宽,从∑Kp≥12直到∑Kp≤54,这说明耀斑-激波在行星际空间的传播以及向地球的传输过程是十分复杂的。      

基于 FNN 机器人擦洗玻璃的力/位并环控制

对机器人的力反馈、主动柔顺控制和模糊神经网络进行了综合研究,提出了力/位并环控制策略,建立了相应的模糊神经网络结构,实施了力/位并环控制算法,在AdeptThree精密装配机器人进行了试验,取得了满意的效果。     

变结构航天器模糊神经网络滑模控制器设计

变结构航天器是目前航天领域的重要发展方向,航天器结构的变化将导致质量分布发生明显变化,这对航天器动力学建模和控制器设计都提出新的问题。针对这种情况,采用混合坐标法和拉格朗日方程建立了航天器刚柔耦合动力学模型,利用几种典型工况的参数近似得到变结构过程中动力学参数的变化规律。设计滑模控制器对航天器变结构过程进行姿态控制,为提高滑模控制器的适应性,设计模糊神经网络（FNN）自适应调节滑模控制器参数,并利用径向基函数（RBF）神经网络逼近动力学模型,得到控制力矩与姿态变化之间的近似关系,用于FNN的优化。通过仿真得到航天器变结构期间无控、滑模控制和模糊神经网络滑模控制的姿态变化,仿真结果对比验证了模糊神经网络滑模控制对于滑模控制的优势,证明了其在变结构航天器姿态控制方面的有效性。     

基于多样性约束和离散度分层聚类的无监督视频行人重识别

视频行人重识别是一项应用非常广的计算机视觉任务。目前的视频行人重识别方法通常是基于监督学习的,该方法需要手工标记大量的数据,代价非常高且并不适用于现实场景。本文提出了一种从底向上的基于多样性约束和离散度分层聚类的无监督视频行人重识别方法。该方法首先将每个样本当作是一个不同的类,然后结合类内间离散度进行从底向上的分层聚类,类间和类内离散度都小的类别将被优先合并,同时在聚类准则中加入一项多样性约束来平衡每类中的样本数量,最后,利用线性变化的特征存储器动态更新模型。在Mars和DukeMTMC-VideoReID两个大型视频数据集上的实验结果表明,相比于目前先进的无监督视频行人重识别方法,本文方法在性能上有一定的提升。     

基于模糊神经网络的智能PID控制算法

舵机控制系统存在响应速度慢、抗干扰能力差、系统参数不易整定、现有控制技术与设计方法的局限性等问题,这些问题影响了舵机的性能。为了提高制导火箭弹舵机伺服控制系统的性能,文章从舵机智能控制技术出发,研究了舵机的智能控制算法和Simulink系统仿真模型,采用模糊神经网络PID控制器来提高舵机的稳定性。仿真结果表明,模糊神经网络相比其他控制器进一步提升了舵机控制系统的控制效果。