飞机穿越微下击暴流风切变的智能控制

在应用模糊逻辑建模与辨识方法建立微下击暴流风切变模型的基础上，根据恒定俯仰姿态改出微下击暴流的飞行引导策略，提出了一种改出微下击暴流风切变的模糊反馈控制系统，并将遗传算法应用于该模糊逻辑控制器的设计。结果表明，本文提出的建模方法能够更真实地反映出飞机穿越微下击暴流风场的动态特性；采用模糊逻辑控制器，可使得飞机在穿越微下击暴流风场时具有较好的改出性能；另外，遗传算法的应用对已设计的模糊逻辑控制器进行了优化，进一步改善了飞机穿越微下击暴流的性能。     

管制员素质模糊优劣判别模型

利用模糊数学中的Blin法的基本原理,建立了一种管制员素质优劣判别模型。将多因素不同权重的管制员素质优选问题简化为单指标的得分比较问题,为管制单位招聘、人事调整等提供一个科学、客观、综合的衡量参数。同时,该模型具有很好的推广价值。     

基于协同优化方法的多学科非概率可靠性优化设计

针对传统多学科优化是基于确定性的优化设计方法,为了获得更为可靠的结构设计,在设计中考虑了不确定因素对结构性能的影响.本文将非概率可靠性优化方法与多学科优化设计方法相结合,引入了非概率可靠性指标,提出了一种新的基于协同优化方法的非概率可靠性多学科优化设计方法.同时采用了基于均匀试验设计的响应面方法来近似学科优化,提高了遗传算法的收敛速度,降低了计算量.最后通过对跨声速机翼气动结构多学科可靠性优化设计算例的计算,验证了本文提出的方法能够保证设计解的可靠性,对工程实践具有一定的指导意义.     

基于光纤智能夹层和模糊RBF神经网络的飞行器载荷识别

为了更好地保障航空飞行器的安全,提高飞行器的可靠性,提出了一种通过性能参数稳定的光纤智能夹层采集数据,并且结合模糊RBF神经网络对机翼盒段载荷进行识别实验的方法.该方法融合了模糊理论和神经网络各自的优点,通过改进的模糊C均值聚类(FCM)聚类算法删除冗余的规则以进行规则的优化,能自适应地从学习样本数据中提取相应信息,实时地进行载荷辨识.从仿真结果可以看出:该网络模型具有学习时间较短、学习速率较快和精度较高等优点.     

不确定参数结构特征值问题的概率统计方法和区间分析方法的比较

 基于区间数学理论、灵敏度分析理论、Kronecker代数理论,应用Taylor级数展开、概率摄动技术,提出了具有不确定参数结构的特征值问题的区间分析方法。结合工程实例与传统的概率分析方法进行比较,给出了两种方法的数值解法及各自解法的Kronecker代数形式。数值算例的结果显示了区间分析方法在具有不确定参数结构特征值问题分析中的价值和有效性。     

高维小失效概率下的改进线抽样方法

 针对隐式极限状态方程的可靠性分析,提出了一种基于失效域样本模拟的高效线抽样法。该法采用马尔可夫链来快速得到失效域中的条件样本,利用这些失效域中的样本可以得到线抽样的重要方向,并且这些样本还可以作为线抽样的样本,来得到隐式极限状态方程失效概率的估计值。由于该法可以较准确地得到线抽样方法的重要方向,因此线抽样的效率可以得到提高,另外失效域的样本又可以作为线抽样的样本,从而进一步降低所提方法的计算工作量。算例表明所提算法的计算精度和效率均高于传统线抽样方法。     

基于T-S模糊系统的空天飞行器鲁棒自适应轨迹线性化控制

 基于T-S模糊系统提出了鲁棒自适应轨迹线性化控制(RATLC)方法。利用T-S模糊系统逼近未知干扰和不确定性因素,并采用Lyapunov方法设计了鲁棒自适应控制律。不论系统状态的维数和用于逼近不确定的模糊系统规则数为多少,整个系统仅有两个参数在线调整。理论分析证明了闭环系统所有信号一致最终有界。应用提出的控制方案设计了空天飞行器(ASV)飞行控制系统,并在高超声速飞行条件下进行了仿真验证,仿真结果表明了控制方案的有效性和鲁棒性。     

一种稳健的利用分布式小卫星获取宽域、高分辨SAR图像的方法

 传统星载合成孔径雷达(SAR)受最小天线面积条件的限制,其横向分辨率与测绘带宽度相矛盾,采用编队飞行的分布式小卫星SAR体制,可解决这一矛盾,即能够同时获得大测绘带、高分辨率的地面场景的SAR图像。主要研究如何在误差环境下抑制由小天线引入的多普勒模糊的信号处理方法。该方法利用子空间投影技术对导向矢量进行精确估计,在小卫星存在基线及其他误差时仍然能够稳健地恢复高分辨的二维SAR图像。     

新一代RLV再入弹道模糊控制研究

基于阻力与能量的关系,优化并设计了再入参考弹道。利用模糊控制技术,在线推导了轨道控制器的各项参数。仿真结果表明,基于阻力与能量关系剖面设计的再入轨道满足各项约束,成功地导引飞行器到达TAEM终端,而模糊PD控制器则能排除干扰,实时跟踪参考弹道。     

基于模糊神经网络的某型直升机可靠度预测

为了实现某型直升机可靠度准确预测,建立了基于自适应模糊神经网络的可靠度预测模型。该模型以故障间隔时间为输入,以可靠度为输出,通过模糊神经网络自适应训练获得适合直升机可靠度预测的故障间隔时间隶属函数。对模型进行检验取得了较好的仿真结果,与应用RBF神经网络进行可靠度预测相比速度更快,同时预测精度提高了98.4%。