FL-7风洞M数的模糊控制方法

FL 7风洞是以三台航空发动机为动力的跨音速风洞 ,通过调节发动机转速、柔壁及旁路活门开度来实现对M数的控制。影响M数的因素较多 ,很难建立精确的数学模型 ,为了提高M数控制速度和精度 ,在新改造的FL 7风洞测控系统中 ,采用了模糊控制、自学习等控制策略 ,取得了良好的效果。笔者对控制方法和控制规则作了介绍。     

基于特征融合的雷达信号脉内调制类型识别

针对雷达信号脉内调制识别算法准确率低的问题,提出基于特征融合的雷达脉内调制类型识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征,利用改进的主成分分析法（IPCA）对特征进行融合,然后将融合特征输入支持向量机（SVM）,实现信号的分类识别。仿真实验中对8种常见的不同调制类型的雷达信号进行识别,该算法在信噪比为5dB时识别准确率接近100％,验证了该方法的有效性。     

Research on Maintainability Evaluation Model Based on Fuzzy Theory

分析了产品维修性影响属性,给出了维修性属性值与权重的确定方法;提出了基于相对接近度的维修性模糊评价方法。以虚拟环境下产品维修过程为研究对象,在分析产品各可更换单元的维修作业的基础上,建立了产品维修性评价模型。最后结合民机主起落架系统给出了应用实例,结果表明该模型适用于产品维修性的定性评价并且能够支持维修性并行设计。     

模糊数学在飞机飞控系统故障诊断的应用

基于A320系列客机飞控系统,分析了飞机系统故障诊断的特点,建立了针对飞控系统的故障诊断系统,并且设计了数据库服务。应用模糊数学的方法建立了专家系统,使飞机故障诊断系统更具有实用性和科学性,为飞机故障诊断提供一种比较有效的方法。     

基于云模型和改进D-S证据理论的目标识别决策方法

在目标识别决策系统中,多探测器多源信息融合的模糊性和不确定性以及各探测周期所得信息的冲突互斥会造成目标识别决策不精准。为解决这一问题,提出基于云模型和改进D-S （Dempster-Shafer）证据理论的目标识别决策方法。首先,将目标识别准确性这一语言评价值划分为不同评价区间等级,以不同评价等级标准云为参照将各探测器各探测周期所得信息转化为云决策矩阵,得出各周期各等级隶属度,进而构建出基本概率分配函数（mass函数）;其次,基于证据理论引入冲突度、差异度、离散度3类衡量冲突大小的参数,定义了一种新的证据冲突参数,同时改进证据冲突融合算法,对各探测器各周期证据体进行修正并融合;再次,结合各探测器权重加权得出各目标综合识别决策的mass函数对目标进行决策;最后,结合算例,验证该方法的适用性,并与其他方法相对比验证了本文方法的优越性。     

基于几何不变性和BP网络的二维目标识别算法

提出了一种基于几何不变性和BP网络的二维目标识别算法.该算法不仅能适应目标物体在旋转、缩放和平移变换(RST变换)下的不变性识别,而且能适应仿射及射影变换下的不变性识别.算法通过对目标物体边缘点进行规格化和对规格化后的边缘点进行5点不变量穷举计算解决了模型图像与目标图像的对应点选取问题;通过将不同观测方位和不同旋转角度的样本图像边缘点的5点不变量集合作为输入向量对BP网络进行训练解决了由于仿射和射影变换造成规格化边缘点间距变化对正确分类的影响.算法不仅能识别多边形而且能识别曲线轮廓的目标物体.      

基于模糊在线调整权重因子的三相六开关容错逆变器驱动异步电机FCSMPTC

为了进一步提高异步电机的控制性能,减小磁链和电流脉动,针对传统异步电机有限控制集模型预测转矩控制(FCSMPTC)中目标代价函数权重因子的配置问题,提出一种模糊在线调整权重因子的异步电机FCSMPTC方法。通过判断转矩和磁链误差,采用TakagiSugeno模糊控制方法实现对权重因子的动态调整,并给出了模糊论域和相应的模糊规则设计。同时考虑到三相异步电机驱动系统中逆变器开关故障给控制系统带来的影响,采用三相六开关容错控制策略对系统进行容错控制。仿真结果表明:该控制方法能够平滑磁链和电流输出,减小电流谐波。     

基于加权有向图的飞机装配顺序规划

合理的飞机装配顺序规划是确保飞机装配质量、缩短装配周期的有效途径。为此,提出了基于加权有向图的飞机部件装配顺序规划方法。以飞机零件间的装配几何关系、装配稳定性和装配工艺性为评价因子,对装配过程中零件间的装配依赖性进行量化,形成可表达装配依赖关系的加权有向图。在此基础上,通过模糊聚类和撕裂排序算法对装配零件进行装配顺序规划。最后通过某飞机机身中段装配顺序规划问题进行验证,规划结果表明该方法具有一定的可行性和有效性。     

基于粗糙集与RBF神经网络的雷达辐射源信号识别研究

针对新体制、新用途雷达辐射源信号难以识别的特点,用粗糙集理论对雷达辐射源信号进行离散化、属性约简、规则提取,达到分类的目的。用粗糙K-均值聚类方法计算径向基神经网络（RBFNN）的聚类中心,然后用粗糙集理论约简得到的规则构建径向基神经网络对未知雷达辐射源信号进行识别。仿真结果表明,这种基于粗糙集与RBF神经网络的识别模型减少了识别冗余特征、简化了神经网络结构,能有效地识别雷达辐射源信号。     

基于几何模式识别的发动机传感器故障诊断

提出一种基于几何模式识别技术的发动机传感器故障诊断方法,以解决传感器缓慢漂移故障和由于安装制造差异和性能蜕化等造成的模型不匹配难以区分的问题。传感器测量值输入到自适应模型中,产生一组部件性能修正因子,作为故障模式来对传感器故障进行诊断,每种故障或性能蜕化都对应惟一的模式,采用几何模式识别技术隔离出传感器故障。以某型涡扇发动机为对象进行的仿真结果表明,该方法能诊断出传感器小漂移故障,并能对部件状态进行监控。