模糊神经网络应用于数据融合中实现目标的身份识别

结合“情报侦察与数据融合专家系统”的需求 ,对基于产生式规则的模糊知识表示和推理、神经网络的结构和机理进行了研究 ,提出了将模糊规则与神经网络相结合 ,实现一种新的推理方法。在此基础上 ,实现了一种将模糊规则转化为神经网络的算法以及神经网络的学习算法 ,并具体讨论了这种新的推理方法在“情报侦察与数据融合专家系统”中实现飞机的身份识别的应用。实验证明这种网络结构巧妙地将模糊集理论和神经网络结合起来 ,充分利用了两者各自的优势 ,最终达到了对目标身份识别的效果     

面向对象规则型专家系统模板的实现

在发动机的故障诊断领域．专家系统(ES)正得到越来越广泛的应用。本首先讨论了ES的模板化思想；接着重点研究一种面向对象的规则型ES模板，包括面向对象的规则知识表示、启发性的改进DFS推理机制及图形化的人机界面三个方面；最后运用该模板创建了一个MCD磨粒诊断ES实例。应用表明，规则型ES模板化不仅增强了ES的知识表示与启发推理的能力．而且为ES的快速构造与实现开辟了一条新的途径。     

宏观经济政策的论争及其影响

20世纪70年代初期，与凯恩斯主义经济学相抗衡的几个思想流派开始或再度出现，紧随而来的是一场关于宏观经济政策的激烈而持久的争论。争论的焦点集中于“政策应当是积极的还是消极的”、“政策应当按规则进行还是按相机抉择进行”这两个问题上。在介绍关于这两个问题的不同观点的基础上，阐述这场论争给各国的宏观经济政策实践带来的变革及其深刻影响。     

航空发动机载荷谱计算方法研究

关于雨流计数法判别准则,不同文献给出的表达式并不统一,对不同的表达式进行了分析,建立了与应力应变迟滞循环理论相符的“三线法”雨流计数判别式。结合航空发动机飞行数据特点,利用3σ准则剔除伪数据,利用特定程序剔除“连续等值中间点”,获取了正确的峰谷序列。由于雨流计数中“二次调整”载荷次序时机的不同,存在两种载荷谱计算方法,并利用实例和试飞数据进行了对比分析,得出了两种计算方法都能够获得正确的载荷谱结果。最后通过计算分析获得了多个飞参发参载荷谱小循环剔除阀值,避免了统一固定阀值对有用循环数据的盲目剔除。计算方法和结论为后续载荷谱统计奠定了重要基础,也为其他结构载荷谱计算提供了参考。     

旋转篦齿封严泄漏与换热的准则研究

应用方向性单位制的方程无量纲化方法,研究了旋转等因素对篦齿封严泄露流动、换热的影响,推导出可供实验模化用的相似准则.虽然方向性单位制和以往的SI或工程单位制均遵守Gauss准则,但它们选用和处理各单位各不相同,对于以往的单位制,由于相似理论研究的实际情况复杂,需要研究具有灵活性和特殊性;对于后者,基于所有现象能发生的可能性,研究则具有一般性和不变性.相关的讨论证明其合理性.      

关于累积疲劳损伤定则

根据实验结果和分析表明,Miner定则可用于变幅载荷下始裂寿命的估算,但要考虑载荷谱中大、小载荷交互作用。载荷交互作用效应可用疲劳裂纹起始的超载效应因子予以定量地表征。裂纹起始的超载效应取决于材料的应变硬化特性、构件几何以及超载的大小。因此,应视具体情况使用Miner定则。在始裂寿命占疲劳寿命主要部分的情况下,Miner定则可近似地用于估算疲劳寿命。     

采用多重交点判别的传感器网络覆盖控制协议

在保证一定的覆盖质量前提下,延长传感器网络生存时间,提出一种以充分必要条件判断网络节点冗余性的分布式覆盖控制协议.该协议通过多重交点判别法则(MIER,Multi-Intersection Estimation Rule)对无线传感器网络进行分布式节点的动态休眠控制,从理论上证明了MIER法则是判断网络节点冗余性的充分必要条件,能保证目标区域不出现覆盖盲点同时使活跃节点数降至最低.实验表明,MIER法则比CCP法则有了很大改进,消除由于法则本身引起的盲点数目,能更好的运用于覆盖控制协议中,更为准确的判断节点是否应该工作或休眠,是判别节点是否冗余的充分必要条件;同时比Ottawa法则更加高效的减少整个网络功耗,延长网络寿命.     

基于五阶容积-二阶平滑变结构滤波算法的捷联惯导系统初始对准技术

为了改进捷联惯导系统大方位失准角初始对准情况下的方位失准角对准精度和稳定性问题,提出了一种组合对准方法。该方法将Kalman滤波对准模型与罗经对准模型相结合构建了一种组合对准机制,并在此模型基础上提出了基于非线性滤波和鲁棒滤波的五阶容积-二阶平滑变结构滤波算法,将五阶容积-二阶平滑变结构滤波算法与组合对准机制相结合,从而实现大方位失准角的初始对准。仿真结果表明,五阶容积-二阶平滑变结构滤波对准方法得到的方位失准角对准精度明显优于常见的几种对准方法,且其对准结果的重现性更高。因此,提出的五阶容积-二阶平滑变结构滤波算法能够很好地适用于大方位失准角的初始对准。     

基于RS-CART决策树的航空发动机小样本故障诊断

针对CART(classification and regression tree)分类决策树构建过程中由于小样本集特征维数高及噪声等造成的过拟合问题,在CART决策树算法训练过程中引入基于互信息的粗糙集(rough sets,RS)属性约简,考虑信息熵与基尼(GINI)系数刻画样本集“纯净度”的相似关系,对历史故障数据进行属性约简,降低属性维度以优化训练集,在此基础上构建分类决策树,可视化输出规则。实验结果表明:将改进的CART决策树算法应用于某型航空发动机油液故障诊断,提取的规则可解释性强,能够减小冗余属性及噪声对决策的影响,与常用故障诊断算法相比,该模型的诊断准确率提升20%左右,AUC(area under curve)值高达92%,可以有效处理高维离散型航空发动机小样本故障问题。     

基于QAR数据的关联规则挖掘算法的研究

介绍和分析了关联规则的概念和Apriori算法,针对Apriori算法需要多次扫描数据库而导致运算效率不高的缺点,设计并实现了基于事务标识列表的频繁项集的产生算法——TagList Apriori.对比实验证明,新方法可以有效减少数据库扫描次数,节省运算时间,提高算法的运算效率,提高QAR数据关联规则挖掘的效率.