基于混合蚁群算法的柔性模糊车间作业调度

采用蚁群算法作为全局搜索算法,提出一种混合搜索策略,用于求解柔性模糊Job Shop调度问题.根据模糊Job Shop调度问题解的特性,提出基于     

基于潜在成分的时变系统损伤的概率神经网络分类

提出了一种新的时变系统健康监控的损伤分类方法。将函数级数时变自回归平滑时序模型应用于时变系统的振动信号,以估计TAR／TMA参数和革新方差。这些参数是时间的函数,将它们在以特定的基函数构成的某种函数子空间上展开得到相应的投影系数组。所估计得到的TAR／TMA参数和革新方差可进一步用来计算潜在成分（LCs）,将LCs用于健康评估比原来的参数更具信息。并将LCs联合并归化为数值得到特征集,输入概率神经网络（PNN）进行损伤分类。为了评价该方法,对一个时变系统进行了仿真,以各种不同的质量和刚度减少来模拟不同的损伤类别。算例表明：该方法能够在时变系统的背景下对损伤进行归类。     

考虑模糊失效准则的结构疲劳寿命可靠性

 针对常规设计中对功能函数失效状态规定与常识不符这种情况,提出了考虑模糊失效准则的结构疲劳寿命可靠性,将结构寿命视为随机变量,而设计寿命视为模糊变量,研究了设计寿命服从线性L-R分布时的结构疲劳寿命可靠度,给出了随机载荷下结构疲劳寿命概率密度函数的确定方法,并提出了随机变量与模糊变量相组合时的一种新的可靠度数值计算方法,该方法先利用Gauss-Legendre积分将模糊可靠度求解的二次积分转换成一次积分,列出与Legendre多项式零点相对应的阀值,然后在给定的阀值下,将设计寿命转化成普通的截集区间,在截集区间内假定结构疲劳寿命概率密度函数服从均匀分布,利用Monte Carlo模拟得到对应于该阀值的结构疲劳寿命可靠度值。数值结果表明,常规设计下结构的疲劳寿命可靠度偏于危险。     

基于神经网络和模糊逻辑的航空发动机状态监视

设计了基于神经网络和模糊逻辑的航空发动机状态监视系统,它包含数据有效性检查和发动机健康评估.系统利用BP(back propagation)神经网络对发动机进行数据有效性检查,根据发动机的状态确定测量参数的有效边界以检测发动机的测量参数是否超限;利用模糊逻辑对发动机健康状况进行实时的评估,监控发动机因性能蜕化引起的异常.通过对某型涡扇发动机仿真,验证了基于神经网络和模糊逻辑的状态监视系统的有效性.      

维修人为差错控制方法探讨

利用类似MSG-3的逻辑、分类方法,借鉴风险评估的思想构建人为差错控制模型。根据人为差错基本理论以及维修管理经验,通过减少维修机构工作载荷及维修机构人为差错概率,构建“维修机构人为差错控制框图”和方法。结果证明,本文建立的模型（方法）基本覆盖了一般维修单位的人为差错控制环节,并具有系统性、预前性、持续性,在笔者所在的维修单位应用良好。     

基于广义系统表达式的模糊系统稳定性分析

研究不确定T-S模糊系统的稳定性问题,并基于模糊广义系统表达式,给出了系统稳定的充分条件。在此基础上,转化为求解线性矩阵不等式的问题。与以往结果相比,减少了求解过程的计算量。同时,为了得到更为松弛的线性矩阵不等式条件,提出一种新的模糊控制器设计及模糊Lyapunov函数。算例说明所提方法有效和可行。     

基于BBN的故障定位技术

故障定位的目的是帮助程序员寻找引发失效的原因或故障位置,以加快调试过程.故障和失效间的关系往往非常复杂,难以直接描述故障到失效的转化.分析了采用差异分析的方法,提出基于可疑模式,构建故障推理贝叶斯网络,节点由可疑模式及其方法调用者构成;介绍了贝叶斯网络构建算法,各个相关概率的定义及BBN(Bayesian Belief Network)中各个边的条件概率计算公式.基于推理算法,得到包含故障的模块,并计算得到每个模块包含故障的概率.提出评价方法,并进行了实验验证,取得了平均0.761的定准率和0.737的定全率,定位结果良好有应用价值.     

弹道导弹的自适应模糊滑模控制研究

对弹道导弹的三通道非线性模型进行了分析,为了实现三通道的解耦设计,简化控制系统结构,将通道间的耦合项和干扰项看作是单个通道的不确定项,从而将非线性模型转化为一种解耦形式.在此基础上,采用自适应模糊滑模控制方法设计了弹道导弹的推力矢量控制系统.自适应模糊滑模控制方法利用自适应模糊控制器来调节滑模控制参数,对不确定项的边界进行估计和补偿,保证了系统的跟踪误差指数地收敛到零.仿真结果表明了该控制方法的有效性.     

一种基于模糊遗传算法的图像分块恢复方法

针对遗传算法进行图像恢复时运算复杂度高的问题,提出一种基于模糊遗传算法的图像分块恢复方法。将大尺寸的灰度退化图像均匀划分为若干子图块,对各子图块依次采用遗传算法进行恢复,并将其直方图统计数据输入模糊逻辑控制器自适应地调整适应度函数的参数、适应度拉伸时的退火初始温度、交叉概率和变异概率,最后将恢复后的子图块重组为整幅图像并对因分块所造成的边界噪声进行相应处理。仿真结果表明,该方法可有效降低遗传算法进行图像恢复的复杂度,恢复图像的质量也较维纳滤波法和传统遗传算法有明显提高。     

基于小波包分解和FCM聚类的纹理图像分割方法

提出了一种新的图像特征提取中选取最优小波分解树的方法.塔式小波分解对信号解不够全面,而小波包全分解又引入庞大的计算量,因此小波分解最优树的选取尤为重要.结合模糊c均值(FCM,Fuzzy C-Mean)聚类,提出了一种能同时进行小波自适应分解和纹理特征分类的纹理图像分割方法,该方法将无监督聚类中的聚类有效性参数引入到自适应小波分解的判决中,能根据无监督聚类分割的需要,自适应地选取小波包分解的树形结构和分解层数.相对于小波包全分解,节省了大量的运算,并能取得良好的分割效果.