空间智能桁架模糊振动控制研究

研究了模糊控制应用于多输入、多输出的空间智能桁架系统的振动控制.首先建立空间智能桁架的有限元方程,在此基础上,设计了一个标准的模糊控制器,并通过选择合适的量化因子将该标准模糊控制器应用于每一对同位布置的作动器/传感器,各个控制器之间独立工作.这样就避免了设计MIMO模糊控制器带来的复杂问题.最后针对空间智能桁架进行仿真,结果表明,设计的模糊控制器可以有效抑制桁架的振动,并且具有结构简单、鲁棒性强、抑制控制溢出的优点.     

空间站伴随卫星的相对运动控制

研究了空间站伴随卫星在绕飞和回收阶段的相对位置与速度控制。基于C-W方程提出了伴随卫星的脉冲控制和滑模-开关控制两种绕飞控制方法,给出了控制模型并进行了比较。另设计了用于伴随卫星回收控制的模糊控制器,给出了模糊控制规则。仿真结果表明:两种绕飞控制法简便易行,适于工程应用。与一般模糊控制方法相比,此控制器利用了航天器自身的动力学特性,可使燃料更省。     

用于月球软着陆最优轨迹跟踪制导过程的模糊神经网络控制方法

软着陆过程的制导控制已经成为月球探测中一个具有挑战性的问题。神经网络与模糊逻辑都是处理不确定性(受控对象缺乏精确的数学描述或具有非线性的复杂性)问题的有效手段。本文根据终端着陆条件和性能指标,以由Pontryagin’s极大值原理得出从近月点到月球表面的最优着陆轨迹为基础,给出一种基于模糊神经网络的非线性最优控制策略,使被控系统能够通过模糊神经网络的非线性映射能力实现某种最优的闭环制导控制。最后通过数学仿真验证了该控制策略的可行性与有效性。     

某多挠性体卫星姿态的模糊神经网络控制设计

为改善多挠性体卫星的姿态控制系统,研究了一种基于模糊神经网络的控制器设计.根据某卫星的姿态和挠性动力学模型,给出了模糊神经网络控制器(FNNC)结构及其简化的带动量学习算法.仿真结果表明:FNNC能较好地适应卫星本体参数变化,对外界干扰的抑制能力良好,可满足高精度、高稳定度卫星的姿控要求.     

基于模糊CFAR的SAR图像非均匀背景目标检测算法

CFAR是目前应用最为广泛且实时有效的SAR图像目标检测算法,在非均匀背景情况下,一般的CFAR检测都会存在大量虚警.引入模糊逻辑的概念,提出了一种非均匀背景的SAR图像模糊CFAR目标检测算法.基于Weibull分布,分别推导出模糊CA-CFAR和模糊OS-CFAR的隶属函数,并根据相应的模糊融合准则进行融合处理,得到模糊CFAR检测器的中心门限.仿真结果表明,模糊CFAR检测算法在非均匀背景的SAR图像目标检测中,具有较高的检测概率,且虚警少,具备一定的实用价值.     

带有时滞修正的空间密频结构模糊振动控制

针对密频系统的模态不稳定特性和低可控度给主动振动控制带来的困难,阐明了模糊理论对空间密频结构控制设计及时滞修正的适用性。基于针对密频结构的参数自调整模糊振动控制系统,分析了传感器时滞对振动控制效果的影响,并就此设计了针对密频时滞系统的难以定量化和不确定性的模糊时滞修正策略,在优化振动控制系统性能的同时,大大降低了对控制量的需求。通过对典型空间密频结构在轨受到的两种主要激励模式下的振动控制仿真,证明了理论的正确性和方法的有效性。     

拦截机动目标的变论域模糊末制导律设计

为提高拦截大机动目标的制导性能,应用变论域模糊理论,设计了一种模糊自适应的末制导律。将目标的机动加速度视为外界干扰,根据李亚普诺夫函数分析变论域模糊制导律参数的自适应律,保证了视线角速率收敛到0附近领域,从而确保了制导精度。仿真结果表明,所提出的变论域模糊末制导律在目标机动下可精确拦截目标,具有良好的鲁棒性能。     

基于模糊拍卖的天波超视距雷达多模式融合跟踪算法

天波超视距雷达通过电离层反射实现超视距广域监视,其地理坐标系下的量测方程存在强非线性,同时由于电离层的不同分层,造成了多路径传播的严重问题,即同时存在多个模式的量测。本文提出了一种基于模糊拍卖的多模式融合跟踪算法,将多路径信息看作是多传感器提供的同步量测信息,利用模糊拍卖算法对确认量测和传播模式进行分配,再利用多传感器数据融合的方法对多模式信息进行同步数据融合。仿真结果表明,在杂波环境中,跟踪一个存在4种可能非线性量测的匀速运动目标时,本文提出的基于模糊拍卖的多模式融合跟踪算法与多径概率数据互联算法相比,在距离维、距离变化率维和方位维的精度具有很大改善,且耗时大大缩短,能更好地提供预警信息。     

基于模式矩阵的液体火箭发动机试车台故障关联规则挖掘

为发现试车台状态变量与其工作状况的关联关系,本文对液体火箭发动机试车台历史测试数据进行关联规则挖掘,对试车台状态参数进行选择和编码,使用自适应阈值算法对测试数据进行离散化,引入模式矩阵用于计算事务数据库中的频繁项集,提出了基于模式矩阵的关联规则挖掘方法,并将该方法应用于对多组历史测试数据进行频繁项集挖掘,对挖掘结果的分析表明:与传统方法相比,本文方法效率高,计算量小,挖掘结果能正确反映试车台状态变量与其工作状况间的关联规则,为试车台的测试数据挖掘提供了一种有效方法.     

FERA in parameter identification with application in low speed wind tunnel test

This paper presents a new approach which consists of a fuzzified eigensystem realization algorithm (FERA) to identify the parameters of the designed mini-UAV model performance in the low speed wind tunnel (LSWT) power on testing system. On the basis of the identification scheme, it is able to reduce system operational cost of wind tunnel tests and provide a tool for predicting results without resorting to on-site experiments. A variety of variables in model types and testing environment such as model profile, angle of attack, elevator, tunnel wind speed and power system (motor and propeller) are considered. The method based on logic devices is simple yet effective. The results obtained are compared to those obtained by the conventional wind-tunnel testing method. To verify effectiveness of the proposed methodology, both of simulations and real-world experiments are conducted. The results show that the working performance of the proposed method correlates well with expectation.