排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
基于模糊灰色聚类和组合赋权法的飞机健康状态综合评估方法 总被引:4,自引:2,他引:4
针对目前飞机健康状态不易准确评估的难题,以飞机液压系统为具体研究对象,提出一种基于模糊灰色聚类和组合赋权相结合的健康状态综合评估新方法。首先,利用熵权法和层次分析法(AHP)分别计算并确定飞机液压系统各关键部件相关参数的权重,再通过组合赋权法将上述两种权重进行组合,得到具有主客观意义的组合权重。第二,采用灰色聚类法评估飞机液压系统各关键部件的健康状态。针对评估结果,由飞机液压系统各关键部件聚类系数创建飞机液压系统的健康评估模糊评判矩阵。然后依据该矩阵,采用熵权法和AHP分别求出各关键部件权重,并用组合赋权法进行组合。最终,采用模糊综合评判法评估飞机液压系统的健康状态。以某型飞机真实液压系统为例进行了试验验证,结果表明,所提出的基于模糊灰色聚类和组合赋权相结合的健康状态综合评估方法能够有效实现飞机液压系统健康评估的效能,具有很好的工程应用价值。 相似文献
2.
自抗扰控制器利用跟踪微分器可解决超调量及快速性之间的矛盾,分数阶PID控制器在提高控制品质的同时扩大了被控系统参数的稳定域。结合自抗扰技术及分数阶PID控制器设计了自抗扰分数阶PID控制器,并应用于高超声速飞行器再入姿态控制。仿真结果表明,自抗扰分数阶PID控制器对于高超声速飞行器非线性模型及强外干扰的影响下具有很好的控制效果,并且有较大的稳定域,即针对被控系统参数变化具有更强的鲁棒性。 相似文献
3.
4.
5.
6.
针对高速机动飞行器常用的程序化机动突防方式适应性不强、突防效果不稳定的问题,提出了一种基于深度强化学习算法的机动博弈制导方法。该方法以增大交会摆脱量为任务目标,采用深度神经网络拟合飞行器的制导律,应用强化学习方法训练网络参数,得到一种以突防拦截双方的位置和速度为输入、以飞行器的需用过载为输出的智能机动博弈制导律。数学仿真验证结果表明,在连续的状态空间和动作空间中,飞行器能根据当前态势自主选择合适的制导指令。相比传统突防方式,该制导律显著提升了交会摆脱量,且突防效果更稳定。 相似文献
1