无刷直流电动机的新型自适应模糊神经控制

 为无刷直流电动机提出了一种自适应模糊神经控制方法.这是一种建立在开关控制、模糊控制和自适应控制相结合基础上的控制方法,并用神经网络实现了模糊控制器和自适应机构.在无刷直流电动机的双闭环调速系统中,电流控制器是PI控制器;转速控制器是由1个开关控制器和1个包括自适应机构在内的模糊控制器相结合组成的,且用1个3层前向神经网络离线学习实现了模糊控制器,学习算法采用的是改进的BP算法.用1个单神经元通过在系统运行过程中的动态学习实现了自适应机构,学习算法选用了有监督的Hebb学习算法.由电机所处的运行阶段决定哪一个控制器工作.此控制算法的仿真结果说明,它使系统具有良好的动、静态特性和自适应性.     

Multi-mode optimal fuzzy active vibration control of composite beams laminated with photostrictive actuators

Firstly, a multi-field coupling finite element formulation of composited beam laminated with the photostrictive actuators is developed in this paper. Moreover, an optimal fuzzy active control algorithm is also proposed on the basis of the combination of optimal control and fuzzy one.This method opens a new avenue to resolve the contradiction between the linear system control method and nonlinear actuating characteristics of photostrictive actuators. The desired control for suppressing multi-modal vibration of photoelectric laminated beam is firstly obtained through optimal control and then the fuzzy control is used to approach the desired mechanical strain induced by photostrictive actuators. Thus, the multi-mode vibration control of beam is realized.In the design process of optimal fuzzy controller, the design of fuzzy control is independent of optimal control. The simulation results demonstrate that the proposed control method can effectively realize multi-modal vibration control of photoelectric laminated beams, and the control effect of optimal fuzzy control is better than that of optimal state feedback control.     

基于T-S模糊模型的模糊大系统的混合滤波

针对非线性大系统内部过程参数的检测估计,采用连续模糊大系统模型,利用lyapunov定理和分布式处理方法,给出了模糊大系统的H2/H∞混合滤波器设计方法。该方法在保证滤波误差系统全局稳定的同时,具备了H2/H∞性能。通过求解线性矩阵不等式,可以得到滤波器参数。最后,用一个数值例子验证了该方法的正确性和有效性。     

飞行员疲劳监测中的人眼定位及状态判别研究

飞行员驾驶疲劳是影响飞行安全的重要因素之一。常用基于人眼识别的方法对飞行员进行疲劳监测，其关键是人眼定位及状态判别。利用改进的平均合成滤波器算法定位人眼，根据模糊综合评价思想，判定人眼睁开闭合状态，根据PERCLOS疲劳检测方法对飞行员进行疲劳监测。实验表明，改进的人眼定位方法具有更高的精确度和鲁棒性，提出的人眼状态判定方法能够满足疲劳监测需要。为最终构建一种机载的、实时的、非接触式的飞行员疲劳监测系统提供了理论基础。     

磁强计数据辨识卫星自旋状态

针对近地低轨三轴稳定卫星在轨管理后期,除磁强计外其他姿态敏感器都无效情况下的姿态异常问题,分析了三轴稳定卫星失去姿态基准后,星体自旋状态下三轴磁强计测量数据的特点,提出了使用磁强计测量数据的矢量信息,以找到能够获取卫星状态的方法,从而建立了磁强计测量矢量与卫星自旋轴的几何关系,给出了处于自旋状态下的卫星自旋轴确定方法。通过此种辨识方法,获得了某气象卫星姿态异常翻转状态下的自旋矢量方向和自旋角速度,从而证明了该辨识方法快速、有效,可以作为姿态异常卫星自旋状态的辨识手段,为恢复卫星姿态提供了重要信息,具有一定的工程应用价值。     

智能加工技术在切削颤振在线抑制中的应用

具有薄壁结构的关键航空零部件在切削过程中不可避免发生颤振现象。为提高工件表面质量,在加工过程中对颤振进行准确识别和有效控制已成为该领域的主要研究方向。而对于颤振在线辨识和抑制功能的实现,必须开发集成先进传感器和智能控制算法的智能数控系统,并保证系统中各功能模块线程协调运行。因此,在航空薄壁件的精密加工过程中,利用智能加工技术对切削颤振进行实时辨识和在线抑制将成为未来数控加工技术的发展趋势。     

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

战斗机嵌入式训练系统中的智能虚拟陪练

智能化"实虚"对抗是现代先进战斗机嵌入式训练系统的重要功能需求。自主空战决策控制技术在未来空战装备发展中扮演关键角色。将当前的功能需求和发展中的技术结合起来,得到了空战智能虚拟陪练的概念。先进控制决策技术的引入使得智能虚拟陪练能够帮助飞行员完成复杂的战术训练,而训练中真实的对抗场景为技术的验证提供了理想的环境,大量的训练数据为技术的持续迭代优化提供了保障。作为可学习和进化的空战战术专家,智能陪练在人机对抗和自我对抗中不断优化,当其具备与人相当甚至超越人的战术能力时,可应用于未来的无人空战系统。智能虚拟陪练需要具备4项基本能力：智能决策能力、知识学习能力、对抗自优化能力和参数化表示能力。对其包含的关键技术进行了分析,提出并实现了一个基于模糊推理、神经网络和强化学习的解决方案,展示了其各项基本能力及目前达到的空战水平。未来更多的模型和算法可在智能虚拟陪练的框架中进行验证和优化。     

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。     

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。