自适应神经模糊推理模型在复杂社会技术系统中的应用(英文)

考虑复杂社会技术系统的特点,运用自适应神经模糊推理模型对提高公益科研机构的组织效率进行了实例研究。建立了针对公益科研机构员工激励决策的自适应模糊推理完整模型,利用调研数据及其处理结果验证了模型的有效性。该模型融合了神经网络的学习机制和模糊系统的语言推理能力,弥补了神经网络和模糊逻辑系统各自的不足。研究结果表明,自适应神经模糊推理模型适用于复杂社会技术系统,在解决管理领域的预测、评估和决策问题中有广阔的应用前景。     

基于ANFIS的蒸汽发生器水位实时控制系统的设计

从蒸汽发生器的水位特性出发，对其水位高度控制原理进行了深入细致的研究。鉴于控制对象的模糊性、不确定性和非线性，采用自适应神经元模糊推理(Adaptive neuron fuzzy inference system，ANFIS)技术，建立了模糊控制规则库，实现了对蒸汽发生器水位的智能控制。本文详细阐述了ANFIS技术的结构、控制方式和系统的主要功能，完成了软、硬件的综合设计，并进行了仿真研究。控制系统的硬件采用了DSP芯片，以保证系统的实时性；软件采用了模糊一神经网络算法，以克服系统模型的不确定性。仿真结果表明，该控制系统工作稳定可靠，具有较高的控制精度和较强的鲁棒性。     

基于模糊推理的基向量曲线求解方法

基向量法是求解近圆轨道间固定时间最优交会的一种几何方法。针对基向量法中最优解的基向量曲线的求解问题，提出一种基于模糊推理的求解方法，使得基向量法的整个求解过程可以脱离人工干预完全由计算机完成，从而使基向量法求解的效率有了本质上的提高。通过对四冲量固定时间最优交会问题的求解实例表明该方法的有效性和实用性。     

一种双变量自校正模糊 PI 控制在发动机控制中的应用

 提出了一种双变量自校正模糊PI控制算法,构造出一种航空发动机双变量自校正模糊PI控制器和控制系统,研究了控制器和控制系统的特性,为发动机控制探索了一种新方法。     

基于深度强化学习的高速飞行器攻防博弈

针对高速飞行器与拦截器的攻防博弈问题,研究了一种基于双深度Q网络(DDQN)的改进算法。该算法针对经典DDQN样本利用效率低的问题,设置多个经验池,并将一轮对抗中Q值的累积时序差分误差(TD-error)与累积奖励值相结合,通过模糊推理计算样本存储至不同经验池中的概率。再根据累积奖励的时序差分误差设计积分抽样器,从不同经验池中抽取样本进行训练。模型的奖励函数设计原则为在成功突防的基础上减少自身机械能消耗。实验结果表明,相比于经典DDQN算法,改进算法能够有效提高样本利用效率,为解决高速飞行器机动突防问题提供了一种新思路。     

基于翼梁结构的无损检测数据融合技术

无损检测是航空维修中使用的最重要手段之一，也是提高航空安全的有效途径之一，而数据融合是提高无损检测准确性的一种有效方法。在介绍数据融合技术的基础上，分析了多种数据融合方法及其优缺点，并以飞机机翼主梁为例，对利用模糊逻辑法给出的无损检测数据融合处理结果进行了分析。     

基于危险评估的自动紧急避撞控制策略

基于车辆危险评估机制,设计了一种集成制动和转向的汽车自动紧急避撞控制策略。首先结合车辆安全性和最优换道轨迹,分析了在紧急工况下车辆制动和转向避撞临界纵向距离,然后建立了基于模糊推理的危险评估模型,该模型输出的危险因子反映车辆发生碰撞的危险程度,并以此建立汽车自动紧急避撞控制策略。最后基于PreScan和MATLAB/Simulink的虚拟平台仿真验证该控制策略的有效性。结果表明自车在跟车行驶时,对比基于碰撞时间倒数(TTC~(-1))单一全制动无法有效避开障碍物的危险工况,该避撞策略能够通过制动和自主换道来避免车辆发生碰撞,提高了车辆安全性。     

基于模糊推理技术的测控站指挥中心辅助决策系统

在航天发射任务中,测控站指挥中心担负着测控系统应急指挥任务,传统依靠现场人工判断和决策指挥方式往往存在及时性差、准确性差等问题,而辅助决策系统可将各种信息进行综合处理,并给出辅助决策结论供指挥员参考,可以大大提高应急指挥决策的实时性和准确性。因此,提出一种基于Mamdani推理法实现的雷达跟踪情况辅助判决的模糊型决策系统,利用Matlab工具在典型输入条件下对系统进行仿真,仿真结果分析表明,决策推理算法鲁棒性强,决策结果正确。     

多阶复合振动的模糊推理移相控制研究

针对空间柔性结构阻尼小、非线性以及不确定性等特点,采用模糊推理智能控制方法,对柔性结构多阶频率的振动进行控制。结果表明,模糊推理智能控制对于非线性、不确定性结构的振动控制较为有效,控制精度较高,并有较强的鲁棒性和稳定性。