基于分层模糊系统的间接自适应控制

为解决模糊控制器中规则数目随系统变量的个数呈指数增长的问题,利用分层模糊系统设计了一类非线性系统的间接自适应控制器,并证明了所提出的设计方法不但能够保证闭环系统的一致有界性,而且可使跟踪误差收敛到原点的小邻域内.通过对倒立摆控制的仿真研究验证了方法的有效性.      

飞机全电刹车系统研究

提出了全电刹车系统的初步设计方案,制定出刹车控制规律并对整个电刹车系统进行数字仿真分析.在系统设计部分中详细写出电机控制部分与结构部分的设计方案;新的刹车控制规律运用了较先进的模糊控制方法;为了分析新的控制规律,对比在各种情况下飞机刹车系统的工作情况,快速找出各个部件参数对系统性能的影响,针对模糊控制规律进行了数字仿真与分析.通过在分析中设置各项部件参数和条件,可以快速的获得分析结果,对新部件的研制提出合理地设计要求.      

证据理论和神经网络结合的目标识别方法

提出用证据理论和神经网络结合的高分辨率雷达(HRR)目标识别方法,即首先把多个目标高分辨一维距离像送入学习矢量量化神经网络,进行目标类证据估计;然后用D-S证据理论对各次估计结果进行融合.提出了连续特征空间离散化及类支持度构造的方法,并分析了神经网络识别的误差原因.仿真实验结果表明,这种方法的输出正确识别率比仅仅使用矢量量化神经网络有较大的改善,抗噪能力也有所提高.     

实时棒材图像识别与跟踪方法研究

多目标识别跟踪的关键问题是特征提取和目标匹配.为了提取生产线上堆积棒材的特征,提出粘连目标分割和多目标识别的方法.采用中值滤波和形态学滤波去除噪声,自适应阈值化和分水岭变换分割粘连目标;然后采用区域统计、参数识别、噪声区域去除以及聚类分析等手段进行目标特征识别,提取出棒材的质心点坐标作为特征;对棒材图像序列提出采用模板匹配、相近位移匹配和Kalman滤波的方法建立跟踪链,通过插入、删除、更新链节点进行目标跟踪;对于图像处理中可能出现的漏检目标和虚增目标,进行了计数结果校正.在现场采集了100帧连续图像后,采用此方法跟踪计数的精度为96.2%.      

基于PNN与FNN模型神经网络控制器设计与分析

模糊神经网络和预测神经网络分别是基于经验和学习的新型神经网络控制系统,通过在卧式电液仿真转台中框控制器上分别采用这2种控制方法来研究它们的控制特性和应用范围.其中,模糊神经网络结合了模糊控制的经验和神经网络的学习能力,但控制精度取决于人为经验;所研究的预测神经网络采用了基于非线性自回归滑动平均模型建立预测模型,实现在线学习和在线控制,但初始阶段控制精度不高.仿真研究证明,根据具体的控制对象采用适当的控制方法或是将2种方法合理地结合起来将会达到较高的控制精度.      

基于模糊逻辑的再入RCS控制方法

针对 RLV (Reusable Launch Vehicle)的再入控制提出了一种基于模糊逻辑的RCS(Reaction Control System).详细分析了RCS控制特性,建立了基于效率系数以及继电特性的RCS模型,提出了一种基于Mamdani模型的模糊逻辑三通道RCS控制器,该控制器利用专家控制经验,根据姿态角及角速率的偏差,产生不同的RCS控制指令输出给三通道对飞行器进行姿态控制.通过六自由度非线性仿真,验证了该控制系统与PID(Proportional-Integral-Differential)控制器相比具有更好的跟踪性能,且RCS的控制输出效率也更高.      

闭环最优模糊推理方法及其应用

最优模糊推理的基本思想在于模糊推理引入优化机制.首先针对现有的一种最优模糊推理方法,证明其满足模糊推理的2个基本性质,即推理一致性和所构成模糊系统的通用逼近性;其次提出闭环最优模糊推理的基本思想,即模糊推理引入反馈和优化机制,并在此基础上提出一种闭环最优模糊推理方法;然后针对这种新方法,同理证明其满足上述2个基本性质;最后通过飞机高度控制系统的仿真平台,体现出由闭环最优模糊推理方法所构成的模糊PID控制器的控制效果和强鲁棒性.      

一种改进的近似支持向量机算法

标准近似支持向量机受类别差异影响和噪声、野值数据干扰较重,使得分类能力不高.提出一种改进的近似支持向量机算法——加权近似支持向量机,通过为不同类别设定不同的惩罚参数和为每个样本引入模糊隶属值,有效补偿类别差异带来的倾向性并去除噪声和野值数据的影响.模糊隶属函数的选取采用样本与类中心的距离和样本紧密度的加权平均值计算,以有效去除噪声和野值数据的干扰.经过分析,改进后的算法可近似归结为一种岭回归模型.实验表明,与标准近似支持向量机相比,该算法有更好的分类能力.      

过失速机动的模糊逻辑建模仿真

对模糊逻辑建模方法进行了深入的研究,讨论了非定常气动力的模糊逻辑建模与参数辨识方法,针对其在飞机非定常气动力建模与辨识中的应用提出新的思路,使之更具有实用性,并应用于实际算例的计算分析中.利用振荡三角翼的试验数据建立了非定常气动力的两种模糊逻辑模型:一种采用减缩频率进行建模,另一种考虑时间历程对非定常气动力的影响.结果表明,所建立模糊逻辑模型的计算结果与实验数据结果符合较好.采用这两种不同的模糊逻辑模型对飞机的眼镜蛇机动进行了模拟、仿真,检验了模型的实用性.      

集成学习在高误码率下AOS协议识别中的应用研究

针对天基网络中高误码率的传输特点,为保证各个异构网络之间数据能够高效可靠的传输,采用空间链路层高级在轨系统协议设计一种基于集成学习的识别方法。该方法采用集成学习模型,学习AOS协议数据,构建基于集成学习的AOS协议识别模型,实现AOS协议的准确识别,并在高误码率情况下进行实验验证。实验结果表明,集成学习模型在AOS协议识别方面具有较好的识别效果,识别运行效率有显著提升,且在较高误码率即10^-1时依然可以保持稳定的识别效果。