模糊神经网络控制器在飞行器姿态控制中的应用

基于ＡＫａｗａｍｕｒａ等人提出的Ｎｅｕｒａｌ－Ｆｕｚｙ协作系统概念［１］，根据模糊系统的结构，确定等价结构的神经网络。网络保留了模糊控制系统的优点，空间结构清晰，同时具有学习功能，并介绍了采用多层神经网络表达模糊控制系统的知识规则、模糊推理和学习算法，给出了控制某导弹纵向姿态的仿真结果，结果表明该控制系统具有较强的鲁棒性。     

基于模糊失效阈值的雷达电路板可靠性评估

考虑到现代电子装备的集成度和复杂度日益提高,工作环境严酷多变,将失效阈值设定为固定值往往不能反映产品的实际情况。针对该情况,将模糊数学理论引入可靠性评估中,提出了模糊可靠性的一般计算方法。并以某型雷达功能电路为例,将性能退化数据用退化量分布法进行分析,完成了模糊阈值下雷达电路板可靠性评估,并验证了该方法的有效性与合理性。     

基于模糊策略的高速飞行器滑模控制律设计

以通用高超声速飞行器GHV为研究对象,针对其俯仰通道设计了具有良好鲁棒性的飞行控制系统.为了便于应用滑模控制理论,对该模型进行了输入输出反馈线性化,将其转换成仿射型.鉴于鲁棒性与抖振的矛盾,基于指数趋近律完成了滑模控制律结构设计,进而采用了模糊控制理论改进指数趋近律.基于遗传算法完成了所有控制参数的设计,确定了模糊逻辑...     

基于SPWD多载波频率估计算法的改进

针对目前提出的多载波估计算法存在的速度与精度的问题,基于模糊控制理论,改进和完善了多载波信号载频估计算法.通过对多载波时隙ALOHA网络真实卫星信号的载频频点提取,验证了该改进算法的时效性.     

一种新的基于粗集的辐射源信号识别模型

粗糙集理论作为一种新的处理含糊和不确定性问题的数学工具,已成为国际学术界的一个前沿的研究领域。在深入研究粗糙集理论的基础上,将其引入辐射源识别问题中,给出了一种基于粗糙集的辐射源信号识别模型。同时给出了一种不依赖先验知识确定辐射源识别权值的新方法,并提出了一种新的分类规则。最后,进行了计算机仿真实验,并与经典的模糊模式识别及统计模式识别方法进行了比较,实验结果证明了该方法的优势和有效性。     

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。     

基于快速终端滑模的模糊逼近系统及其应用

为改善模糊系统逼近的收敛速率,提出了一种基于快速终端滑模的反向传播(BP)学习算法。将快速终端滑模引入模糊逻系统的学习算法,综合终端吸引子有限时间收敛和线性系统指数收敛的性质,提高了对非线性连续函数的逼近能力。仿真结果表明:该算法能以较快速率逼近未知函数,且逼近过程稳定,较普通学习算法更为精确和有效。     

再入机动飞行器自适应轨迹线性化控制

针对一类多输入多输出模型不确定系统,提出了一种基于广义模糊神经网络的自适应轨迹线性化控制方法(ATLC).针对再入机动飞行器(MRV)进行了控制器设计和分析.MRV气动参数存在较大的不确定,这会导致轨迹线性化控制器(TLC)鲁棒性能下降.利用广义模糊神经网络(G-FNN)在线补偿系统的非线性建模不确定,改善了控制器性能.基于Lyapunov稳定性理论,证明了ATLC闭环控制系统的稳定性.仿真结果表明自适应轨迹线性化控制系统在飞行器气动参数大范围摄动时仍具有鲁棒性和稳定性,验证了所提出的控制策略的有效性.     

模糊自整定PID控制及其在航天产品真空热试验中的应用分析

文章首先分析了航天产品热试验时被控对象的特点,并进行了建模分析,接着介绍了如何通过参数自整定技术获得PID的3个初始参数,并进行了模糊自校正PID控制器设计。为了检验该控制方法的控制效果,文章选取了3次有代表性的试验数据进行了仿真分析。结果表明,模糊自校正PID控制方法具有适应性强、控制精度高、抑制试验系统温度滞后明显的优点,该方法较原控制方法超调量有所减小,过渡过程有所加快,抗干扰能力显著增强,较好地解决了控制系统快速性和小超调量之间的矛盾。     

关于 3D和2D型SPin态的拓扑分类的注记

对铁磁体中的Ｓｐｉｎ态进行拓扑分类在物理学上有重要意义。本文用代数拓扑学中的Ｍａｙｅｒ－Ｖｉｅｔｏｒｉｓ正合序列计算了一类空间区域Ω的第一、二个整系数上同调,从而对占据该区域的铁磁体的３Ｄ和２Ｄ型Ｓｐｉｎ态进行了拓扑分类,这里所论的铁磁体中含有若干环状和穿过其中的柱状空腔,而且环状空腔可以是互相缠绕的。最后还讨论了这类铁磁体中的矢量场和标量场的某些全局性质。