基于模型跟随的神经网络非线性重构控制

针对歼击机在结构故障下的动力学方程 ,提出了一种基于径向基函数 (RBF)神经网络的模型跟随非线性重构控制策略。该方法不必精确已知系统故障的位置及其损伤程度 ,可直接对故障系统实施重构控制 ,使其输出能精确跟踪期望参考模型的输出。该方法在模型跟随重构控制的基础上 ,引入了神经网络控制器 ,以补偿故障引起的非线性因素的影响。理论分析和仿真验证表明 ,所提方法可保证闭环系统具有良好的重构性能和很强的鲁棒性 ,且算法高效简单 ,易于计算机在线控制。     

基于邻域加权模糊C均值的遥感影像分割

遥感影像分割是遥感影像识别和理解的前提和基础,遥感影像分割的结果直接决定着后续像分析和理解的质量。针对经典模糊C均值(Fuzzy C-Means,FCM)聚类算法分割图像时存在的不足,即该算法只考虑图像中像素自身的灰度值信息而没有考虑其邻域内的像素空间信息从而对噪声比较敏感,提出了一种邻域加权FCM(Neighboring Weighted FCM,NW-FCM)的遥感影像分割算法,该算法中邻域窗口内各系数(权)的值是根据图像自身的特性而自适应确定的。通过分割合成图像和实际的高分辨率遥感影像的实验结果表明,相对于其他几种方法,所提的方法取得了更好的分割效果。     

歼击机飞行员三轴加速度过载建模与仿真研究

持续载荷飞行仿真平台是一种新型飞行模拟器,为了能够精确控制该模拟器的运动系统,需要解决飞行员的三轴加速度过载的计算问题。通过对模拟器运动系统以及飞行员的运动规律分析,运用理论力学的知识,推导出歼击机飞行员三轴加速度过载的数学模型。最后对该模型进行了数字仿真,并用实验方法对仿真结果进行了检验,显示该数学模型正确合理,能够作为解决上述问题。     

一种基于非线性频谱分析的故障预报技术及应用

首先改进了一种非线性系统广义频率响应函数(GFRF)的辨识算法,提高了辨识结果的精度和鲁棒性,并依此提出了一种基于非线性频谱分析的非线性系统早期故障预报方法.然后,利用该方法对某型直升机并联电动舵机进行了实际故障预报.多次的实际检测结果表明了该早期故障预报方法的有效性.该方法的特点是:算法简单,计算量小,适合于在线故障检测和预报,可为一大类非线性系统的早期故障预报研究提供一种新途径,有着广阔的工程应用前景.     

基于FCM和RS的矿产资源竞争力评价

在建立矿产资源竞争力评价指标体系的基础上,提出了一种基于模糊C-均值(FCM)和粗糙集(RS)相结合的综合评价方法对我国西部省份的矿产资源竞争力进行评价.该方法有效解决了在评价和预测问题中各因素的合理赋权问题,克服了现有专家评价方法的不足,更能客观地对矿产资源竞争力进行研究和评价,结果表明该方法是一种具有发展和应用前景的评价方法.     

基于混合多指标信息的聚类分析

针对具有实数值、区间数和自然语言等形式的混合多指标信息的聚类分析问题．基于传统的数值信息FCM聚类算法，提出了一种新的聚类分析算法。在该方法中。首先描述了具有混合多指标信息的聚类分析问题，提出了基于混合多指标信息的关于确定最优划分和最优聚类中心的两个定理。然后给出了基于混合多指标信息的FCM聚类算法的选代步骤。最后给出了一个算例。     

基于拉格朗日松弛和次梯度法的网络故障定位新方法

在分析当前主要的非确定性故障定位方法基础上,提出了一种新的网络故障定位方法.该方法通过在现有二分图故障传播模型中加入虚假故障因素,提出改进的二分图故障传播模型,在该模型基础上,将故障定位问题转化为一个0-1规划的最小化问题,然后利用拉格朗日松弛和次梯度方法对问题进行求解.与现有的主要故障定位方法相比,该方法不仅具备检测系统中虚假告警的能力,而且能有效地降低故障定位时间.仿真实验表明,该方法准确率高,诊断速度快.     

对称机动飞行时飞行员人体动态体表压力分布研究

论述了飞行员人体动态体表压力分布对于飞行过载动感仿真的重要性。给出坐姿人体体表压力模式及其等效压力分析方法。在对称机动飞行情形下,建立了飞行员人体动力学方程,该方程考虑了歼击机飞行员实际坐姿。导出了动态体表压力公式,动态体表压力与飞行员人体加速度之间的惯性传递矩阵。给出与动态体表压力相关的歼击机飞行员人体参数计算方法。以某飞机眼镜蛇机动为例,通过数值求解,得到该机动飞行时飞行员人体动态体表压力分布。研究结果可用于指导过载椅设计。     

卫星姿态系统的抗干扰完整性容错控制

研究了一种线性不确定系统的完整性容错控制问题。针对卫星姿态系统中的执行机构完全失效故障,采用4个反作用飞轮结构进行姿态控制,利用Riccati方程和线性矩阵不等式组,提出一种具有抗干扰特性且对执行机构完全失效故障具有完整性的状态反馈容错控制设计方法。在此基础上进一步得出该控制器可以用于更多种故障形式的结论。最后在卫星姿态系统上对此方法进行了数学仿真,结果验证了该方法的正确性和有效性。     

四旋翼飞行器时延积分反演容错控制

针对四旋翼飞行器在飞行过程中会出现执行机构故障,提出了一种简单有效的容错控制方法,该方法是将积分反演控制技术与时延控制(time delay control,TDC)技术相结合得到的。采用积分反演控制方法设计基本控制器,在此基础上利用TDC技术的逼近能力来补偿执行机构可能出现的故障,该方法省去了在线的故障检测和估计,仅需要一步状态迭代即可,仿真结果表明该控制器对执行机构故障具有较强的鲁棒性。     

基于FWA-DBN的航空发电机偏心故障诊断

针对具有多并联支路绕组结构的航空发电机在偏心故障下的输出三相电压、电流故障特征差异小, 造成故障不易识别的问题, 提出一种基于烟花算法(fireworks algorithm, FWA)优化深度置信网络(deep belief network, DBN)的故障诊断方法。首先根据有限元法搭建航空发电机模型, 通过仿真获取不同静态、动态偏心故障输出数据; 然后运用FWA训练优化与极限学习机(extreme learning machine, ELM)相结合的DBN网络, 得到最佳DBN-ELM模型结构; 最后由ELM分类器进行故障诊断分类。诊断结果表明, 相较于传统的故障诊断方法, 应用所提方法进行航空发电机偏心故障诊断, 可以获得更高的准确率, 平均准确率达到99.203%。     

基于遗传优化的采样模糊C均值聚类算法

在数据挖掘领域,模糊C均值聚类法(FCM)在处理小量低维的数据挖掘时是有效的,但是面向数据库的数据挖掘经常要处理大量、高维的数据.在这种情况下,FCM算法在时间性能上难以令人满意.本文基于采样技术对FCM算法进行改进,以提高算法的时间性能,并利用遗传算法对聚类结果进行优化以保证聚类的质量,给出了一种新的基于遗传优化的采样模糊C均值聚类算法SFGO(SamplingFCMwithGeneticOptimization).仿真实验证明SFGO算法在大规模数据库的聚类挖掘中,在时间性能和聚类质量上都能获得较满意的结果.     

飞行器电子系统的多故障诊断算法研究

飞行器电子系统的多故障诊断问题可看作对各部件的故障概率求解的组合优化问题,在建立了系统故障诊断的概率因果模型基础上,运用遗传算法对飞行器电子设备各部件进行了故障定位。并针对遗传算法易陷入局优的缺点,提出了改进方法,将能量熵的选择加入到遗传算法的退火选择中,以充分地探索解空间,保持种群的多样性。试验结果表明,改进遗传算法能快速确定全局最优值,较好地解决了故障诊断领域中多故障关联的问题。     

基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法

为了提升电网复杂故障时的态势感知能力,提出了基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法.首先,基于层次化、动态建模的思想,在建立元件一般故障诊断模型的基础上,引入浮动库所、浮动弧、浮动变迁的概念来合理的体现主保护、断路器以及后备保护之间的逻辑关系,建立了元件复杂故障时的诊断模型;其次,挖掘故障信息源的特性进行预处理,依据故障类型动态建立相应Petri网诊断模型;再次,利用改进的遗传算法对模型中的参数进行了训练、优化;最后,探讨了该Petri网故障诊断模型的容错性、通用性.对算例系统仿真的结果表明:该方法突出了故障诊断过程的层次性、可理解性,提升了诊断模型的透明性、改善了诊断模型的易维护性,在电网复杂故障的情况下诊断结果仍具有较高的准确度,并呈现有较好的容错性.     

基于模糊C-均值聚类与支持向量机的PMV指标预测系统

为了更好地预测室内热舒适度PMV指标,在分析模糊C-均值聚类方法与支持向量机方法的优势和互补性后,探讨了二者的结合方法,提出了一种基于模糊C-均值聚类预处理的支持向量机PMV指标预测系统.该方法把复杂的数据集看作多个群体的混合,每个群体采用单一的回归模型进行描述,使得大规模数据集的回归估计问题变成了一个多模型估计问题.将该系统应用于PMV指标预测中,与标准支持向量机方法相比, 得到了较高的预测精度,从而说明了基于模糊C-均值聚类方法作为信息预处理的支持向量机学习系统的优越性.     

基于置信规则库的并发故障诊断方法

针对具有不确定性的并发故障诊断问题,提出基于属性权重和权衡分析的置信规则库(belief rule base, BRB)诊断方法。以属性权重大小来表示属性与特定故障模式之间的相关性,设计能够反映故障模型约束的基于差分进化的优化算法,通过相邻故障模式置信度与预设阈值的权衡分析完成对并发故障诊断。该方法仅需构造单个置信规则库来有效处理各种不确定性信息,与已有研究方法相比极大地降低了建模复杂度。诊断结果不仅能得到故障的并发情况,还可分辨故障的主次关系,并且建模和推理过程开放,可解释性强。最后以船用柴油机的并发故障诊断作为实例,验证了所提方法能够有效的诊断出并发故障并且模型具有较好的稳定性。     

基于粗糙决策模型和蚁群算法的故障诊断

粗糙集理论是一种新型的处理模糊和不确定知识的数学工具,它能在保持信息系统分类能力不变的前提下,有效地进行知识约简;决策树算法可对约简后的决策表进行规则提取,有着直观、能定量分析的优点.提出一种变化趋势关联度来评价条件属性的重要性,建立粗糙决策树故障诊断模型,并在诊断推理中引入一种新的人工智能方法——蚁群算法,来确定决策树的最优检测次序.将其应用于工业精对苯二甲酸(purified terephthalic acid,PTA)生产过程中的对二甲苯氧化反应温度的诊断结果表明了提出方法的有效性.     

一种基于区间数多指标信息的FCM聚类算法

针对一类具有不确定性区间数多指标信息的聚类分析问题，基于传统的数值信息FCM(fuzzy c-means)聚类算法，提出了一种新的聚类分析算法．首先描述了具有区间数多指标信息的聚类分析问题，其次提出并证明了基于区间数多指标信息的关于最优划分和最优聚类中心确定的两个定理．然后根据提出的两个定理，进一步给出了基于区间数信息的FCM聚类算法的迭代步骤．最后，通过一个算例说明了给出的聚类算法．     

WPA-IGA-BP神经网络的模拟电路故障诊断

针对模拟电路渐变性故障中的特征提取困难和故障信号无法进行有效分类的问题, 提出利用免疫遗传算法(immune genetic algorithm, IGA)优化反向传播(back propagation, BP)神经网络中参数寻优过程, 从而实现模拟电路故障诊断。首先, 采用小波包分析(wavelet package analysis, WPA), 对模拟电路输出响应进行4层小波分解和重构, 完成特征向量的提取。然后, 采用IGA优化BP神经网络进行训练及测试, 实现对不同故障进行故障诊断。最后, 通过两个模拟电路仿真实验对该方法进行实验验证。实验结果表明, 与优化前的BP神经网络相比, 所提方法提高故障诊断的准确率约15%。     

基于自适应模糊推理系统的柴油机故障诊断

为解决柴油机故障诊断问题,采用自适应神经模糊推理系统(ANFIS)建立其故障诊断模型.利用减法聚类方法确定模型初始结构,并采用由梯度下降算法和最小二乘算法所组成的混合学习算法优化模型参数.经文中试验数据检验,所建模型故障识别值与实际值之间的最大误差为10.16%,最小误差为0.115%,平均误差为2.26%,识别精度达到了97.74%.仿真结果表明,与BP网络模型相比,该模型收敛速度快,拟舍能力强且诊断识别精度高,能够有效识别柴油机放障.