关于“用好的作风选人，选作风好的人”的逻辑梳理

“用好的作风选人，选作风好的人”必须确定相关的概念，必须进行科学的判断，必须进行正确的推理。本文试图从逻辑角度对这一选人用人原则进行梳理。     

基于置换群的可逆逻辑门网络级联

n输入n输出可逆逻辑门的级联构成一个群,它与对称群Sτ同构。本文研究了生成Toffoli门集合的可逆逻辑门数的特点,证明了任意置换Sn可以由n-轮换δ和一个置换τ=（ij,ik）生成,同时证明了相邻2一轮换可由至多两个NOT门在不增加额外信息位的情况下生成。最后提出了一个基于上述理论的可逆逻辑门网络级联算法,并通过实例验证了该算法的正确性。     

基于综合模糊聚类算法的液体火箭发动机故障诊断

基于液体火箭发动机正常及故障状况数据的完备程度和数据质量的不断提高,提出一种基于数据驱动的综合模糊聚类算法用于故障诊断。采用模糊c均值(FCM)算法对已知正常样本数据进行聚类得到最优的聚类中心,将所得到的聚类中心作为先验样本数据用于传递闭包法最优分类结果的选择从而得到故障检测结果,该算法只需要少量的正常先验样本数据就能快速、准确的检测出故障;随后采用FCM算法进行故障分类,可以根据现有的故障数据库进行聚类得到对应的故障类型,并且可以给出故障幅值范围。模型仿真结果表明:该算法对故障的检测率可达96.8%,故障隔离率达到94%。某型液体火箭发动机实际试车数据结果表明:该故障诊断算法能够准确及时的检测并隔离出故障。     

用于卫星姿态机动控制的一种自适应模糊控制器

卫星的姿态机动控制要求机动快速和较强鲁棒性.纯模糊控制器响应快、鲁棒性好,能够方便地应用人的智能,但是模糊规则库的构建需要预先获取足够的语言信息.从Lyapunov函数出发设计了一个稳定的直接型自适应模糊姿态机动控制系统,控制器能够在初始语言信息很少的条件下通过自适应律调整语言信息参数而得到合适的模糊规则,使控制器具有更强的适应能力.数学仿真比较了在完全没有语言信息和有一条语言信息的情况下控制系统的表现,表明仅有一条语言信息时控制系统性能就能够显示得十分出色.最后,仿真结果证实了自适应模糊控制器良好的鲁棒性.     

新型自适应Terminal滑模控制及其应用

针对一类高阶MIMO非线性系统设计了基于快速模糊干扰观测器的自适应Terminal滑模控制方案.通过设计快速模糊干扰观测器,克服了传统模糊干扰观测器在误差较小时收敛速度慢的缺点.严格证明了跟踪误差及观测误差均在有限时间内收敛到零的小区域.最后在高超声速条件下,对空天飞行器再入过程的姿态控制进行仿真,结果表明了所设计干扰观测器的优越性和闭环控制方案的有效性.      

飞控系统模糊控制器设计及稳定性分析

建立了飞控系统的Ｔａｋａｇｉ－Ｓｕｇｅｎｏ（Ｔ－Ｓ）模糊模型;给出了设计模糊状态反馈控制器,保证闭环系统全局渐近稳定、具有一定衰减率稳定的两个充分条件;提出了采用线性矩阵不等式（ＬＭＩ）方法,将该充分条件转化为对线性矩阵不等式族寻求ＬＭＩ可行解的凸优化问题,得到了稳定性分析和模糊状态反馈控制器设计的新方法。仿真结果表明,所提出的设计方法方便有效,控制器鲁棒性好。     

基于模糊旅行时间的动态交通分配模型

提出了一种新的模糊动态交通分配(FDTA)模型,采用模糊集合理论描述动态旅行时间,应用模糊h截集的最短路径方法找出模糊最短路径集合,计算各条路径的隶属函数,并采用C-LOGIT模型实现网络加载,最后比较了FDTA模型和经典的随机动态交通分配(SDTA)模型.仿真结果显示:在正常交通状况下FDTA模型能够获得与SDTA模型非常接近的分配结果,并更加符合实际的交通状况;当有交通拥堵、事故、施工/管制等动态交通状况发生时,FDTA模型能够解决动态交通状况的建模问题;当交通网络结构复杂时,通过改变h值可以有效减少模糊最短路径的数量,提高计算效率.     

基于证据理论的模糊信息融合及其在目标识别中的应用

信息融合系统中的不确定性信息常常表现为模糊性和随机性信息。提出了一种在证据理论框架下实现模糊信息融合的方法。该方法首先基于随机集理论刻画模糊信息的隶属函数,获得了模糊观测下具有概然特性的似然函数,该似然函数表示在收集的模糊信息下确定为某一目标的可能性,在数值上表示了传感器信息对某一命题支持的程度,利用似然函数确定传感器输出的基本概率指派,最后利用Dempster-Shafer组合规则实现多传感器信息融合。     

模糊相似度景像匹配算法研究

研究了求取图像模糊特征域的计算方法,提出了采用图像模糊集相似度进行景像匹配的方法,并探讨了综合利用多种模糊集相似度算法进行匹配的方法,进一步提出了模糊综合相似度(FSSM)匹配算法.仿真验证表明,FSSM算法具有适应性好、匹配率高等优点,且实时性也较好,为飞行器实时景像匹配提供了一种可行方法.     

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.