模糊灰色聚类评估方法在导航滤波中的应用

目前针对深空探测导航中滤波算法的综合评估的方法种类繁多,但是仍然有较多评估方法由于其单一性,存在或多或少的问题。提出了一套反映滤波算法优劣程度的评估指标体系,并为其建立相应的数学模型。深空探测器采样点数据通过该数学模型计算后,由模糊灰色聚类方法进行综合评估。该方法是以灰色系统理论为基础,结合模糊综合评估方法所建立的评估模型。该模型可以摒弃二者单一使用时的缺点,提升评估结果的准确性。评估结果表明,此评估模型能够对滤波算法进行比较准确、合理、全面的评估。     

航空发动机模型参考模糊自学习控制

模型参考模糊自学习控制方法利用一个参考模型作为被控对象的输出性能要求，并且根据参考模型的输出和实际对象的输出间的误差，经过一个逆模糊模型学习产生模糊控制系统的控制规则。本文基于该方法离线构造了某型发动机的模糊控制器，并在发动机的其它状态及飞行包线的其它点进行在线学习校正，以得到期望的性能。仿真结果表明用该方法设计的模糊控制系统获得了满意的控制效果。     

基于QR分解的快速解算初始整周模糊度方法的研究

GPS初始整周模糊度的求解是利用载波相位进行测量时的关键问题。本文采用了QR分解的方法对双差观测方程中指向卫星的方向矩阵进行QR分解，应用已知基线长度的约束条件依次确定出方程中各模糊度的可能值并建立起模糊度的搜索范围，最后综合基线和方差等简单的约束条件作为检验方法，有效地剔除不合理的模糊度组合。由于该方法不需要确定模糊度的浮点解，且能大大减小整周模糊度的搜索范围，所以使得整周模糊度的解算时间大大减少。文中应用经过双差处理后GPS接收机的实测数据，实现和验证了该算法的有效性。实验结果表明，该算法能快速准确地解算出整周模糊度解。     

基于灰色关联模糊聚类算法优化飞机排故方法

采用灰色关联与模糊聚类原理，建立一种灰色关联的模糊聚类算法，应用该算法可直接对飞机维修经验中的多种排故方法．依排除故障的可能性进行排序，并根据排序结果时排故方法进行相似聚类，从而将排故经验与多因素决策算法进行有效综合．较好地解决了民航飞机故障诊断专家系统中多种故障原因的优化选择问题，并可直接给出排故方法的选择指导，提高专家系统的指导水平和飞机排故效率。文中对算法原理进行了详细介绍，并给出算法实例。     

基于自适应模糊输出观测器的非线性系统鲁棒故障检测

针对一般非线性系统的故障检测，从工程应用的角度提出了一种基于自适应模糊输出观测器的非线性系统鲁棒故障检测方法。该方法以自适应模糊系统构造未知非线性模型的输出观测器，在充分考虑外加噪声干扰和系统误差的情况下，通过对一般反向传播学习算法进行改进，提出采用鲁棒反向传播学习算法调整观测器参数以辩识系统输出，再结合阈值故障检测策略检测系统故障。为保证算法具有较快的收敛速度，本文给出了根据模糊规则确定算法初始参数的选择方法并证明了算法的收敛性。仿真结果表明，对一般非线性系统故障检测，该方法具有有效性和实时性，以及对噪声干扰和系统误差的鲁棒性。     

螺栓强度的随机可靠性与模糊可靠性分析

螺栓是工程装备中重要的连接结构件,其可靠性至关重要。本文介绍了结构强度的随机可靠性和模糊可靠性分析方法,并以一种典型螺栓为例演示了这些方法的应用,同时给出了螺栓的随机可靠度和模糊可靠度。     

柔性机械臂的模糊自适应控制研究

提出了一种用于柔性机器人操作臂控制的模糊自适应控制策略。由于柔性臂的结构特点，在进行其操作臂的控制研究时，必须考虑系统的振动特性才能达到末端的高精度控制。本将拉格朗日法和假设模态法相结合，建立了单自由度柔性臂系统的动力学方程，提出了一种模糊自适应控制策略。在柔性操作臂末端带有不同载荷的情况下，分两种类型进行了控制仿真实验：定位控制和轨迹跟踪控制。仿真结果与传统的PD控制仿真实验结果相比较，表明模糊自适应控制器在轨迹跟踪和系统的振动抑制方面反映出更好的稳定性和鲁棒性，适用于柔性机械臂系统的动力学控制。     

一种基于模糊聚类的组合BP神经网络数据挖掘方法

介绍了一种基于模糊聚类的组合BP神经网络的数据挖掘方法，并给出了该方法的模型和启发式BP改进算法Heuristicbp。且将其应用于数学函数值预测中，取得了学习时间短和预测精度高的效果，证明该方法是有效的，具有较高的实际应用性。     

一种新的整周模糊度快速求解算法

快速求解整周模糊度是利用GPS载波相位进行精确相对定位的关键技术.基于LAMBDA算法和FASF算法,提出了一种新的整周模糊度快速求解算法.该算法充分结合LAMBDA算法和FASF算法的优点,首先运用LAMBDA算法中的空间变换的思想,然后利用FASF算法的模糊度搜索技术,提高了模糊度求解效率.通过对1 km左右基线的相对定位实验表明:算法利用几个历元的数据可以正确地求解模糊度,使基线精度达到亚厘米级.     

联合模糊c-均值聚类模型

提出一种新的结合了模糊c-均值聚类（FCM）算法和可能性c-均值聚类（PCM）算法优点的联合模糊c-均值聚类（AFCM）算法。它克服了PCM对初始值敏感、易产生一致性聚类的缺点，是PCM的扩展算法。试验表明：AFCM能同时产生隶属度和典型值，从而更好地处理噪声，避免了一致性聚类，同时提高了聚类准确性。