模糊模式控制及微机实现

针对传统模糊控制FC的优缺点,提出了控制模式级模糊化的棚念,并在此基础上提出一种新的模糊控制方法——模糊模式控制FMC;论述了FMC的算法;并给出了一个微机FMC控制器及实验结果。     

线阵CCD数据的高速采集与存储

在各种高精度线阵CCD应用系统中，需要对像元输出信号进行快速采样、存储及数据处理。CCD数据采集的采样速率不仅与A／D转换器的转换速率等因素有关，同时还与数据传送方式密切相关。以高精度线阵CCD TCD1501D和高速A／D转换器TLC5510为例．详细分析了CCD和A／D转换器的工作时序，采用CPLD设计方法，将CCD的输出信号进行高速A／D转换，并将结果直接存入存储器中。     

基于驱动脉冲延迟的线阵CCD亚像素测量系统

通过CPLD设计间隔精准延迟的驱动脉冲,将线阵CCD空间信息转换为在一个脉冲单元内变化的时间信息,并通过高精度步进电机位移平台进行了检测,实验证明该方法可以有效地突破线阵CCD像元精度限制,实现亚像素测量。     

光栅栅距检测与线阵CCD细分技术研究

利用线阵CCD分辨率高、像素均匀等特点对光栅莫尔条纹进行细分是目前广泛采用的一种新技术。由于CCD具有自扫描能力，能将光强随空间分布的莫尔条纹信号转换成随时间变化的电信号，从而可以对光栅刻线的像的移动进行精确定位和直接数字化，改变传统莫尔条纹位相细分方法，实现对光栅栅距进行高倍数的细分。     

模糊控制在直流变频空调器中的应用

从直流型变频空调器的特点及控制要求出发,提出了模糊控制系统的结构,讨论了直流变频空调器的模糊控制算法.对控制器的性能(主要是鲁棒性)进行了详细的分析,对所采用的模糊控制算法在Matlab平台下进行了仿真,作为比较同时给出了其他常用算法的仿真结果.     

一种线阵CCD时序仿真新方法

为了保证高精度线阵CCD精确稳定的工作，必须设计出符合其工作所要求的各种脉冲。以TCDl501D为例，对线阵CCD的工作原理进行了阐述，并对其驱动脉冲及时序关系等进行了详细的分析和比对。通过Max plusⅡ平台结合VHDL语言进行开发．对其所需的驱动脉冲进行了设计．并对结果进行了精确的波形仿真。     

基于空间平滑的均匀圆阵对相干信源的DOA估计

空间平滑算法是相干信源波达方向(DOA)估计中的一种有效方法,但只适合于均匀线阵.提出一种基于均匀圆阵(UCA)的相干信源DOA估计方法.方法是将均匀圆阵结构转换成虚拟均匀线阵结构,把前后向空间平滑技术应用到虚拟均匀线阵中,进行相干信源DOA估计.仿真实验结果验证了该方法的有效性.     

基于FPGA的线阵CCD激光采集系统设计

设计了基于FPGA的投线仪激光检测系统。选用EP2C5T144C8N（FPGA）芯片作为硬件电路主核，利用Verilog语言和C#语言设计激光采集系统的软件，实现线阵CCD和AD转换芯片的驱动以及对采集数据的实时处理和显示。最终实验结果能满足激光投线仪的检测需求。     

模糊PID控制器在水压机控制系统中的应用

介绍了模糊控制中的设计思想及方法，并采用模糊控制的方法来改进实际生产中PID控制的一些控制难点。将改进方法应用在一大型水压机控制系统中并在实际生产中取得了理想效果。     

非线性模糊化SOM图像分类的方法在含噪声图像融合中的应用

采用一维的自组织特征映射(SOM)进行图像的像素分类,分类的输出个数采用了用等灰度图法确定的办法;对分类后的图像每个像素的归一化权值采用非线性模糊化得到隶属度矢量,用模糊化的隶属度矢量和SOM训练得到的归一化权值数组实现以两幅含有噪声图像的融合.给出详细图像仿真试验数据,验证了这种模糊化方法在实现多幅含噪图像的融合在一定的范围内是有效的.     

基于退火遗传算法的Fuzzy-PID温控系统

针对温控系统具有大惯性、纯滞后、时变性的特点，设计了一种基于退火遗传算法的Fuzzy-PID控制器，并采用退火遗传算法实现动态优化PID参数。MATLAB仿真结果表明，控制器不失模糊控制鲁棒性强、超调小的特点，且在动态跟踪品质和稳态精度方面明显优于常规的Fuzzy-PID控制。这种PID控制器具有良好的控制性能，体现了退火遗传算法在参数寻优方面所特有的优越性。     

Auto-registration and orthorecification algorithm for the time series HJ-1A/B CCD images

How to deal with geometric distortion is an open problem when using the massive amount of satellite images at a national or global scale,especially for multi-temporal image analysis.In this paper,an algorithm is proposed to automatically rectify the geometric distortion of time-series CCD multispectral data of small constellation for environmental and disaster mitigation(HJ-1A/B) which was launched by China in 2008.In this algorithm,the area-based matching method was used to automatically search tie points firstly,and then the polynomial function was introduced to correct the systematic errors caused by the satellite motion along the roll,pitch and yaw direction.The improved orthorectification method was finally used to correct pixel displacement caused by off-nadir viewing of topography,which are random errors in the images and cannot be corrected by the polynomial equation.Nine scenes of level 2 HJ CCD images from one path/row were taken as the warp images to test the algorithm.The test result showed that the overall accuracy of the proposed algorithm was within 2 pixels(the average residuals were 37.8 m,and standard deviations were 19.8 m).The accuracies of 45.96% validation points(VPs) were within 1 pixel and 90.33% VPs were within 2 pixels.The discussion showed that three main factors including the distortion patterns of HJ CCD images,percent of cloud cover and the varying altitude of the satellite orbit may affect the search of tie points and the accuracy of results.Although the influence of varying altitude of the satellite orbits is less than the other factors,it is noted that detailed satellite altitude information should be given in the future to get a more precise result.The proposed algorithm should be an efficient tool for the geo-correction of HJ CCD multi-spectral images.     

基于反馈线性化的多变量模糊迭代控制器设计

针对一类多变量非线性控制对象的轨迹跟踪问题,设计一种模糊迭代学习控制器,利用模糊控制器动态调节迭代学习律增益矩阵参数,通过反馈线性化算法和信息融合技术降低模糊控制器输入变量维数,实现多变量非线性系统轨迹跟踪控制.结果表明:与固定增益型迭代学习控制器相比,采用模糊迭代学习控制器学习速度提高,控制稳定性改善,两自由度机械臂的轨迹跟踪控制仿真结果也验证模糊迭代学习控制器的优越性.     

����CCD΢С�ߴ������Ӧ�ü�������

????????CCD??????????????С????????????巽???? ???????????????????????CCD?????????????????????С???????????;????ò??????????????????????     

一种新的基于模糊分析观测信息的局地化方法

地球表层系统是一个极其复杂的巨系统,为了更精确地表达地球表层系统各种过程的动态演进,解决数据同化系统观测误差的估计与处理已经成为地球科学领域备受关注的问题之一。在地球科学系统数值模拟中,一般采用集合数据同化来探讨地学变量预报时的各种误差。集合类卡尔曼滤波通常会由于集合数过小而带来欠采样、协方差低估、滤波发散和远距离虚假相关等问题。针对背景误差协方差被低估问题,局地分析方法（Local Analysis, LA）在一定程度上能起到抑制作用,但无法彻底解决背景误差协方差的虚假相关问题。因此,本文在集合卡尔曼滤波的算法框架下提出了一种与模糊逻辑控制算法相耦合的局地化分析方法（Fuzzy Analysis, FA）。在强非线性Lorenz-96模型中,对不同模型误差下的LA和FA方法进行了性能优劣方面的探讨,并比较分析了2种方法在集合数、观测数和观测位置、放大因子以及强迫参数变化时的同化性能。实验采用均方根误差作为算法评判依据,同时用功率谱密度（Power Spectral Density, PSD）更直接地对2种算法性能优劣作出了评价。结果表明：在完美模型下,FA相对于LA降低了17.5%的均方根误差（Root Mean Square Error, RMSE）;随着模型误差增大,RMSE减小的百分比和减小幅度都在降低;在严重模型误差下,FA降低了8.6%的RMSE。总体而言,新算法FA的有效性和鲁棒性都得到了验证,并且在EnKF同化基础下有效改进了传统的局地化分析方案,优化了观测误差处理,为今后的数据同化研究提供了一个较为全面的观测误差研究平台。