航天企业组织创新路径演化的模糊控制研究
探析航天企业科研项目管理模式创新化发展
探析航天企业科研项目管理模式创新化发展航天企业的科研项目是其核心竞争力的重要体现，科研项目管理的创新化发展对于提高航天企业的科研能力和技术水平具有重要意义。
本文将探析航天企业科研项目管理模式的创新化发展，从项目组织管理、项目进度控制和项目成果应用三个方面进行分析。
一、项目组织管理的创新化发展航天企业科研项目管理的组织管理方面主要包括团队组织建设、分工协作和沟通协调等内容。
创新化发展的关键在于在传统的项目组织管理模式基础上引入新的理念和方法，实现项目组织能力的提升。
1. 引入项目管理理念传统的航天企业科研项目管理模式注重工作任务的分配和进度的控制，忽视了项目管理的整体性和系统性。
创新化发展的关键是要引入现代项目管理理念，将项目看作一个整体，注重项目目标的确定、风险评估和资源分配等方面的管理。
2. 建立跨部门协作机制航天企业的科研项目往往涉及多个部门和团队的合作，但各部门之间存在信息壁垒和利益冲突的问题。
创新化发展的关键是要建立跨部门协作机制，打破各部门之间的壁垒，促进信息共享和事务协同，提高项目的执行效率。
3. 优化团队组织结构科研项目的成功与否往往取决于项目团队的能力和配合程度。
传统的航天企业项目组织结构往往过于庞大和复杂，导致决策效率低下。
创新化发展的关键是要优化团队组织结构，注重团队成员之间的协作和沟通，提高整个团队的创新能力和执行力。
航天企业科研项目管理的进度控制主要包括项目计划制定、进度监控和问题处理等环节。
创新化发展的关键在于引入新的技术手段和管理方法，提高项目进度的可控性和灵活性。
传统的项目进度控制主要依靠人工制定计划和手工记录进度，工作效率低下且容易出错。
创新化发展的关键是引入项目管理软件，实现计划的自动排期和进度的实时监控，提高项目进度控制的精度和及时性。
航天企业的科研项目往往面临需求变更和技术风险等不确定因素，传统的项目管理方法往往无法灵活应对。
创新化发展的关键是引入敏捷项目管理方法，通过迭代开发和持续交付等方式，提高项目进度的灵活性和适应性。
航天企业组织创新路径演化的模糊控制研究
Ｉ ｎ ｎ ｏ ｖ ａ ｔ ｉ ｏ ｎ Ｐ ａ ｔ ｈ Ｅｖ ｏ ｌ ｕ ｔ ｉ ｏ ｎ
可景洋①ＫＥ Ｊ ｉ ｎ ｇ — ｙ ａ ｎ ｇ ； 王鹏②ＷＡＮＧ Ｐ ｅ ｎ ｇ
（ ①黑龙江大学法学院， 哈尔滨 １ ５ ０ ０ ０ １ ； ② 哈尔滨工业 大学管理学院 ， 哈尔滨 １ ５ ０ ０ ０ １ ）
ｏ ｒ ｇ ａ ｎ ｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｌ ｉ ｎ ｎ ｏ ｖ ａ ｔ ｉ ｏ ｎ ｐ ａ ｈ ｔ ｅ ｖ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ，ａ ｎ ｄ ｕ ｓ ｅ ｔ ｈ ｅ ｄ ｙ ｎ ａ ｍｉ ｃ ｓ ｔ ｕｃ ｒ ｔ ｕ ｒ ｅ Ｂ Ｐ ｎ ｅ ｕ ｔ ｒ ｌ ａ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｍｅ ｈｏ ｔ ｄ ｔ ｏ ｉ ｍｐ ｒ ｏ ｖ ｅ ｈｅ ｔ ｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｆ ｕ ｚ ｚ ｙ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｓ ｙ ｓ ｔ ｅ ｍ ｐ ｒ ｅ ｃ ｉ ｓ ｉ ｏ ｎ ，ｔ ｈ ｅ ｎ ａ ｃ ｈ ｉ ｅ ｖ ｅ ｈｅ ｔ ｆ ｕ ｚ ｚ ｙ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｏ ｆ ｔ ｈ ｅ ｏ ｒ ｇ ａ ｎ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｌ ａ ｉ ｎ ｎ ｏ ｖ ａ ｔ ｉ ｏ ｎ ｐ ａ ｈ ｔ ｅ ｖ ｏ ｌ ｕ ｉ ｔ ｏ ｎ ．Ｔ ｈ ｅ ｎ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ｃ ｕ ｒ ｖ ｅ ｔ ｏ ｓ ｕ ｇ ｇ ｅ ｓ ｔ ａ ｆ ｅ ｗ ｓ ｕ ｇ ｇ ｅ ｓ ｔ ｉ ｏ ｎ ｓ ． Ｔ ｈ ｅ ｉ ｆ ｎ ａ ｌ ｃ ｏ ｎ ｃ ｌ ｕ ｓ ｉ ｏ ｎ ｓ ｈ ｏ ｗｓ ｔ ｈ ａ ｔ ： ｈｒ ｔ ｏ ｕ ｇ ｈ ｈｅ ｔ ｆ ｕ ｚ ｚ ｙ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｏ ｆ ｔ ｈ ｅ ｏ ｕ ｒ ｎ ａ ｉ ｔ ｏ ｎ ａ ｅ ｒ ｏ ｓ ｐ ａ ｃ ｅ ｅ ｎ ｔ ｅ ｒ ｐ ｉｓ ｒ ｅ ｓ ｏ ｒ ｇ ａ ｎ ｉ ｚ ａ ｉ ｔ ｏ ｎ ｌ ａ ｉ ｎ ｎ ｏ ｖ ａ ｔ ｉ ｏ ｎ ｅ ｖ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ａ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｅ ｌ ｅ ｍｅ ｎ ｔ ｓ ， ｃ ａ ｎ ｉ ｍｐ ｏｖ ｒ ｅ ｈｅ ｔ ｏ ｒ ｇ ａ ｎ ｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｌ ｉ ｎ ｎ ｏ ｖ ａ ｔ ｉ ｏ ｎ ｉ ｔ ｍｅ ｌ ｉ ｎ ｅ ｓ ｓ ，ａ ｎｄ ｔ ｈ ｉ ｓ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｍｅ ｔ ｈ ｏ ｄ ｈ ａ ｖ ｅ ｓ ｍａ ｌｌ ｔ ｌ ｌ ｒ ａ ｓ ｈ ｉ ｎ ｇ ， ｑ ｕ ｉ ｃ ｋ ｒ ｅ ｓ ｐ ｏ ｎ ｄ ｉ ｎ ｇ ， ｎ ｏ ｄ ｉ ｆ ｆ ｅ ｅｎ ｒ ｃ ｅ ， ｉ ｔ ｃ ａ ｎ ｐ ｒ ｏ ｖ ｉ ｄ ｅ ｄ ｅ ｃ ｉ ｓ ｉ ｏ ｎ ｓ ｕ ｇ ｇ ｅ ｓ ｔ ｉ ｏ ｎ ｓ ｆ ｏ ｒ ｅ ｎ ｔ ｅ ｒ ｐ ｉｓ ｒ ｅ ｓ ｄ ｅ ｃ ｉ ｓ ｉ ｏ ｎ － ｍａ ｋ ｅ ｒ ｔ ｏ ｅｓ ｒ ｐ ｏ ｎ ｄ ｔ ｈ ｅ ｏ ｒ ｇ ａ ｎ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｌ ａ ｉ ｎ ｎ ｏ ｖ ａ ｉ ｔ ｏ ｎ ｐ ａ ｈ ｔ ｅ ｖ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ．
基于模糊控制的飞行器姿态控制研究
基于模糊控制的飞行器姿态控制研究随着科技的飞速发展，无人飞行器的应用越来越广泛，成为了当今社会中不可或缺的一部分。
而无人飞行器的稳定性和精准性，就需要依赖于姿态控制这一关键技术。
在姿态控制技术中，模糊控制作为一种重要的方法，对于提高飞行器的稳定性和精度起到了积极作用，大大拓展了姿态控制技术的应用领域。
一、模糊控制原理及其应用模糊控制是一种弥补传统控制模型的缺陷的方法，其基本思路是将问题处理方式模糊化。
模糊控制的优点在于可以适应多变的控制对象和控制环境，不需要准确确定各项参数，在一定程度上保证了控制系统的稳定性和适应性。
在飞行器中，模糊控制可以被分为两类：一类是姿态角控制，即控制飞行器在三维空间内的姿态角。
另一类是飞行控制，包括飞行速度、高度和位置等。
无论是哪一类，模糊控制都可以通过合理的模型设计和参数调整，实现对飞行器的稳定控制。
二、基于模糊控制的姿态控制算法姿态控制是无人飞行器最基本的控制任务，其核心思想是通过对飞行器姿态角的控制，维持飞行器的平衡状态。
在基于模糊控制的姿态控制算法中，需要设计一套动态响应模型，来控制飞行器的角位移和角速度。
在实际应用中，基于模糊控制姿态控制系统需要考虑许多因素，如飞行器的尺寸、重量、惯性等。
因此，需要根据实际的飞行器参数和工作条件进行相应的模型设计和参数调整。
三、飞行器姿态控制的实际应用基于模糊控制的飞行器姿态控制算法，已在很多飞行器系统中得到了实际应用。
例如，无人机系统的姿态控制就广泛采用了模糊控制技术，通过相应的模型设计和参数调整，可以实现自主飞行和稳定的视觉跟踪功能。
同时，在一些特殊的场合，如卫星定位和导航系统、机器人控制等，也可以应用基于模糊控制的姿态控制算法，实现对目标物体精准的控制和定位。
四、总结基于模糊控制的飞行器姿态控制算法，是飞行器控制技术中越来越重要的一个分支领域。
相比于传统的控制方法，它具有更好的适应性和稳定性，可以应对不同的工作条件和任务需求。
基于模糊控制的航天器姿态控制系统设计
基于模糊控制的航天器姿态控制系统设计航天器姿态控制是航天器的关键技术之一，是指对航天器的姿态进行控制，使其保持或者改变特定的方向、角度或者位置。
目前，航天器姿态控制系统越来越受到人们的关注，因为它是实现卫星定位、导航和控制的关键技术之一，并对整个航天事业发挥着重要的作用。
现今，基于模糊控制的航天器姿态控制系统在航天器领域被广泛应用，成为研究热点之一。
本文将详细介绍基于模糊控制的航天器姿态控制系统设计。
一、概述基于模糊控制的航天器姿态控制系统设计在处理非线性、复杂、不精确、不确定以及模糊的问题上相对于传统控制方法优越。
该设计方案主要采用模糊控制算法构建的控制器，通过传感器获得航天器姿态信息并输入控制器，控制器运用模糊算法来产生合适的控制量，从而实现航天器姿态控制。
二、控制系统设计本设计方案的航天器姿态控制系统由三个部分组成，分别为传感器部分、控制器部分和实际控制对象部分。
1.传感器部分该部分主要用于采集航天器的姿态信息，包括姿态角度、角速度等参数。
传感器一般分为惯性传感器和光学传感器，惯性传感器适合用于短期姿态控制，而光学传感器则适合用于长期姿态监测。
2.控制器部分该部分是本系统的核心部分，主要负责产生控制量来控制航天器姿态。
本设计方案的控制器主要采用模糊控制算法，该算法具有处理不确定因素和非线性因素的特点，能够适应实际控制对象的动态特性。
为了保证该控制器的精度和稳定性，需要对其进行模糊规则库的建立和调整。
首先，需要根据航天器的姿态参数构建模糊规则库，然后对模糊规则库进行优化和调整，以满足控制器的精度和稳定性要求。
3.实际控制对象部分该部分主要是实际控制对象，也就是要控制的航天器。
本设计方案的控制对象为六自由度的刚体，可以采用非线性动力学模型来描述。
基于上述三个部分，本设计方案的姿态控制系统可以实现航天器的姿态控制，具有精度高、响应速度快、适应性强等优点。
三、实验结果基于模糊控制的航天器姿态控制系统设计的实验结果表明，该系统具有很好的姿态控制效果。
无人机控制系统中的模糊控制技术研究
无人机控制系统中的模糊控制技术研究第一章绪论近年来，无人机作为新型的航空器，已经成为了军事、民用和商业领域中的重要应用。
与传统的飞机不同的是，无人机不需要人员操控，可以通过遥控器、计算机等设备进行操作。
无人机的控制系统不仅需要满足稳定性和安全性等基本要求，还需要考虑到其操作和控制的性能和效率。
模糊控制技术作为一种智能控制技术，在无人机控制系统中具有非常重要的应用价值。
本文主要研究无人机控制系统中的模糊控制技术，旨在分析其原理、特点及应用，为无人机控制系统的设计和实现提供理论指导和技术支持。
第二章模糊控制技术原理2.1 模糊控制技术概述模糊控制技术是一种基于模糊逻辑理论的智能控制技术，它能够模拟人类思维方式，通过对模糊量的量化处理来完成控制过程。
模糊控制技术通过对系统输入输出的关系进行模糊化，将输入输出之间的关系转化为一组人类语言的规则，再通过推理和模糊综合等方法来实现系统的控制。
2.2 模糊控制系统的基本结构模糊控制系统由模糊化、知识库、推理机以及去模糊化四部分组成。
其中模糊化是将实际输入转化为模糊量的过程，知识库包含了模糊控制的规则，推理机通过运用这些规则来得出控制量，去模糊化则是将模糊量转化为实际的控制量。
2.3 模糊集合及其运算在模糊控制系统中，模糊集合是一个重要概念。
模糊集合对于每一个元素都有一个隶属度，它表示了这个元素对于这个集合的模糊程度。
在进行模糊运算时，常用的有模糊交、模糊并、模糊补、模糊反等运算。
第三章无人机控制系统中模糊控制技术的应用无人机作为新型的飞行器，其控制系统需要精确的控制和运动性能。
而模糊控制技术恰好可以满足这一需求。
以下是无人机控制系统中典型的应用案例：3.1 无人机飞行控制系统中的模糊控制技术无人机飞行控制系统需要实现对飞行姿态的控制和稳定。
模糊控制技术可以优化控制器的设计和参数调节，使得飞行过程更加平稳和安全。
3.2 无人机障碍物避难系统中的模糊控制技术无人机障碍物避让系统需要根据传感器和图像信息，对周围环境进行感知和分析，实现障碍物避免和规避。
飞行器智能控制中的模糊控制研究
飞行器智能控制中的模糊控制研究在现代科技的飞速发展中，飞行器的智能控制成为了航空航天领域的关键研究方向之一。
其中，模糊控制作为一种智能控制方法，在飞行器的控制中发挥着重要作用。
模糊控制的概念起源于对人类模糊思维和决策过程的模拟。
与传统的精确控制方法不同，模糊控制能够处理那些具有不确定性、不精确性和复杂性的系统。
在飞行器的控制中，存在着大量的不确定因素，例如气流的变化、飞行环境的干扰等。
这些因素使得精确的数学模型难以建立，而模糊控制则为解决这些问题提供了新的思路。
飞行器的飞行过程涉及到多个关键的控制环节，如姿态控制、轨迹控制和速度控制等。
在姿态控制方面，模糊控制可以根据飞行器的姿态角、角速度等参数的变化，实时调整控制策略，以保证飞行器的稳定姿态。
例如，当飞行器受到外部干扰出现姿态偏差时，模糊控制器能够迅速做出响应，通过调整发动机推力、舵面偏转等方式，使飞行器恢复到正常姿态。
在轨迹控制中，模糊控制可以根据飞行器的当前位置、速度和目标位置等信息，生成合理的控制指令。
它能够适应复杂的飞行轨迹规划要求，例如在规避障碍物、执行特定任务时的轨迹调整等。
而且，在速度控制方面，模糊控制可以根据飞行器的负载变化、大气条件等因素，灵活地调整发动机功率或推力大小，以实现稳定的速度控制。
模糊控制在飞行器智能控制中的实现，通常需要经过几个关键的步骤。
首先是模糊化，即将输入的精确量转化为模糊量。
例如，将飞行器的姿态角偏差和角速度偏差等精确值转化为模糊语言变量，如“大”“中”“小”等。
然后是模糊推理，根据事先制定的模糊规则进行推理，得出模糊控制输出。
这些模糊规则通常是基于专家经验和大量实验数据总结得出的。
最后是去模糊化，将模糊输出转化为精确的控制量，作用于飞行器的执行机构。
为了验证模糊控制在飞行器智能控制中的有效性，研究人员通常会进行大量的仿真实验和实际飞行测试。
在仿真实验中，可以模拟各种复杂的飞行场景和干扰情况，对模糊控制算法进行反复优化和改进。
模糊控制技术发展现状及研究热点
模糊控制技术发展现状及研究热点引言：模糊控制技术是一种基于模糊逻辑的控制方法，它能够应对系统模型不确定、非线性和复杂等问题，因此在工业自动化、机器人、交通运输等领域得到了广泛应用。
本文将详细介绍模糊控制技术的发展现状，包括其基本原理、应用领域和优势。
同时，还将探讨当前模糊控制技术研究的热点，包括模糊控制器的设计方法、模糊集合的建模技术和模糊控制系统的性能优化等方面。
一、模糊控制技术的基本原理模糊控制技术是基于模糊逻辑的一种控制方法，它通过将模糊集合和模糊规则引入控制系统，实现对非精确和不确定性问题的处理。
模糊控制系统由模糊化、模糊规则库、模糊推理和去模糊化四个基本部分组成。
其中，模糊化将输入变量映射为模糊集合，模糊规则库存储了专家知识，模糊推理根据规则库进行推理，最后通过去模糊化将模糊输出转化为实际控制信号。
二、模糊控制技术的应用领域模糊控制技术在众多领域中得到了广泛应用，以下是其中几个典型的应用领域：1. 工业自动化：模糊控制技术可以应用于工业过程控制、机械控制和电力系统控制等领域，通过处理非线性和不确定性问题，提高系统的控制性能和稳定性。
2. 交通运输：模糊控制技术可以应用于交通信号控制、智能交通系统和自动驾驶等领域，通过优化交通流量和减少交通拥堵，提高交通运输效率和安全性。
3. 机器人：模糊控制技术可以应用于机器人路径规划、运动控制和智能决策等领域，通过处理环境变化和感知不确定性，提高机器人的自主性和适应性。
4. 医疗设备：模糊控制技术可以应用于医疗设备的控制和监测，例如麻醉机、呼吸机和心脏起搏器等，通过精确控制和监测，提高医疗设备的安全性和效果。
三、模糊控制技术的优势相比于传统的控制方法，模糊控制技术具有以下几个优势：1. 鲁棒性：模糊控制技术能够处理系统模型不确定、非线性和复杂等问题，具有较强的鲁棒性，适用于各种复杂环境和工况。
2. 知识表达：模糊控制技术通过模糊集合和模糊规则库来表示专家知识，使得控制系统更易理解和调整。
模糊控制在飞行器控制中的应用研究
模糊控制在飞行器控制中的应用研究随着科技的发展，飞行器的控制系统也不断得到完善与升级。
在很多需要高精度飞行的场合，如无人机、直升机、飞机等，控制系统的可靠性、精度和稳定性非常关键。
而模糊控制，正是一种能够在这种环境下发挥出色作用的控制方法。
一、模糊控制的基本概念与原理模糊控制是一种基于模糊逻辑的控制方法，它的控制规则是由一些简单模糊规则组成的，这些规则很容易被人类理解和实现。
模糊控制系统的输出值是根据一系列模糊规则得出的，它的值域不是确定的数字，而是一个模糊变量，表示了某个程度上的强度、大小或者概率。
模糊控制系统的输出响应速度较快、鲁棒性较高、适用于非线性和时变系统的控制。
二、模糊控制在飞行器控制中的应用1. 无人机控制无人机又称为无人驾驶航空器，是一种能够在没有人类操作的情况下自主飞行的机器。
因其不受人为因素干扰，因此在某些具有高危险性的环境中使用更为安全可靠。
模糊控制可以在无人机控制中发挥极大的作用。
通过模糊控制，无人机可以自主地进行航线规划、高度保持、姿态控制和导航等方面的控制，可以实现较高精度的飞行任务。
2. 直升机控制直升机是一种非常特殊的飞行器，需要考虑到不同的飞行状态，如起飞、盘旋、着陆等。
而在这些状态下，直升机的飞行特性也会有很大的差异，因此需要一种智能化控制方法。
模糊控制可以通过分析直升机运动状态和运动特性，以及传感器反馈的信息，实时调整直升机控制参数，保证直升机在不同的飞行状态下可以稳定地飞行。
3. 飞机控制传统的飞机控制方法都是基于PID控制算法实现的，这种控制方法对飞行器的初始状态和外环环境要求较高，没有很好的适应性和鲁棒性。
模糊控制可以通过对控制变量建立模糊集合和控制规则，保证飞机的控制在不同的环境和状态下都具有良好的适应性和鲁棒性。
三、模糊控制在飞行器控制中的优缺点分析优点：1. 对非线性和时变系统控制适应性好：模糊控制通过对控制规则的建立和模糊集合的设定，可以对非线性和时变系统给出较好的控制性能。
基于模糊控制的飞行器性能优化方法
基于模糊控制的飞行器性能优化方法一、引言飞行器的性能优化一直是航空航天领域的重要研究课题。
随着科技的不断发展，各种先进的控制技术被应用于飞行器的设计和运行中，以提高其安全性、可靠性和效率。
模糊控制作为一种智能控制方法，在飞行器性能优化方面展现出了巨大的潜力。
二、模糊控制的基本原理模糊控制是一种基于模糊逻辑的控制方法，它通过模拟人类的思维方式和决策过程来实现对系统的控制。
与传统的精确控制方法不同，模糊控制不需要精确的数学模型，而是通过模糊规则和模糊推理来处理不确定性和模糊性。
在模糊控制中，首先需要将输入变量（如飞行器的姿态、速度、高度等）进行模糊化处理，将其转化为模糊集合。
然后，根据事先制定的模糊规则，进行模糊推理，得到模糊输出。
最后，将模糊输出进行解模糊化处理，得到精确的控制量，如发动机推力、舵面偏转角度等。
三、飞行器性能优化的关键指标在对飞行器进行性能优化时，需要考虑多个关键指标，如飞行速度、飞行高度、燃油消耗、稳定性、机动性等。
这些指标之间往往存在相互制约的关系，因此需要在多个指标之间进行权衡和优化。
飞行速度是飞行器性能的重要指标之一。
较高的飞行速度可以缩短飞行时间，提高任务执行效率。
然而，过高的飞行速度可能会导致气动阻力增加，燃油消耗增大，同时对飞行器的结构强度和稳定性也提出了更高的要求。
飞行高度也是影响飞行器性能的重要因素。
在不同的飞行高度，大气压力、温度和密度等参数会发生变化，从而影响飞行器的发动机性能、气动特性和燃油消耗。
此外，飞行高度还与航线规划、空域限制等因素密切相关。
燃油消耗是飞行器运营成本的重要组成部分。
通过优化飞行器的飞行轨迹、发动机工作状态和控制策略等，可以降低燃油消耗，提高经济性。
稳定性和机动性是飞行器安全性和任务执行能力的重要保障。
良好的稳定性可以确保飞行器在飞行过程中保持平衡和可控，而优秀的机动性则可以使飞行器在应对突发情况和执行复杂任务时更加灵活和高效。
四、基于模糊控制的飞行器性能优化方法（一）模糊控制器的设计1、输入变量的选择根据飞行器性能优化的需求，选择合适的输入变量，如飞行器的姿态角、姿态角速度、速度、高度、加速度等。
基于模糊逻辑的飞行器控制系统设计与实现
基于模糊逻辑的飞行器控制系统设计与实现在现代航空航天领域，飞行器控制系统的性能和可靠性至关重要。
传统的控制方法在面对复杂的飞行环境和多样化的任务需求时，往往存在一定的局限性。
模糊逻辑作为一种智能控制技术，为飞行器控制系统的设计与实现提供了新的思路和方法。
模糊逻辑的基本原理是通过模糊集合和模糊推理来处理不确定性和模糊性的信息。
与传统的二值逻辑不同，模糊逻辑允许变量在一定程度上的不确定性和模糊性，更符合人类对复杂系统的认知和判断方式。
在飞行器控制系统中，模糊逻辑可以用于处理诸如飞行姿态、速度、高度等变量的不确定性，以及飞行员的操作意图和飞行环境的变化等模糊信息。
在基于模糊逻辑的飞行器控制系统设计中，首先需要确定系统的输入和输出变量。
输入变量通常包括飞行器的姿态角、角速度、高度、速度等，输出变量则包括控制舵面的偏转角度、发动机推力等。
然后，需要对输入和输出变量进行模糊化处理，将其定义为模糊集合。
例如，可以将飞行器的姿态角分为“小角度”、“中角度”、“大角度”等模糊集合，将控制舵面的偏转角度分为“小偏转”、“中偏转”、“大偏转”等模糊集合。
接下来，需要制定模糊控制规则。
模糊控制规则是基于专家经验和知识建立的，用于描述输入变量和输出变量之间的关系。
例如，当飞行器的姿态角为“大角度”且角速度较大时，控制舵面应进行“大偏转”以快速调整姿态。
模糊控制规则可以通过“ifthen”形式的语句来表示，例如：“if 姿态角为大角度 and 角速度为正且较大 then 舵面偏转角度为大偏转”。
在制定完模糊控制规则后，需要进行模糊推理和清晰化处理。
模糊推理是根据输入变量的模糊值和模糊控制规则，计算输出变量的模糊值。
清晰化处理则是将输出变量的模糊值转换为精确值，以便控制飞行器的实际执行机构。
常见的清晰化方法包括最大隶属度法、重心法等。
为了实现基于模糊逻辑的飞行器控制系统，需要选择合适的硬件和软件平台。
在硬件方面，可以采用高性能的微处理器、传感器和执行机构，以满足系统的实时性和精度要求。
飞行器控制中的模糊自适应控制研究
飞行器控制中的模糊自适应控制研究在当今科技飞速发展的时代，飞行器的应用范围日益广泛，从航空运输到太空探索，从军事用途到民用领域，其重要性不言而喻。
而在飞行器的控制中，如何实现精准、稳定且自适应的控制，一直是研究的重点和难点。
其中，模糊自适应控制作为一种先进的控制策略，逐渐引起了广泛的关注和研究。
要理解模糊自适应控制在飞行器控制中的应用，首先得清楚飞行器控制所面临的挑战。
飞行器在飞行过程中，会受到多种复杂因素的影响，如气流变化、负载变化、外界干扰等。
这些因素使得飞行器的动态特性变得极为复杂且难以精确建模。
传统的控制方法在面对这种复杂情况时，往往表现出一定的局限性。
模糊自适应控制的核心思想在于利用模糊逻辑来处理不确定性和不精确性。
与传统的基于精确数学模型的控制方法不同，模糊控制是基于人类的经验和直觉知识，将输入变量模糊化，通过一系列模糊规则进行推理，最终得到输出控制量。
在飞行器控制中，模糊自适应控制具有多个显著的优势。
其一，它能够处理飞行器系统中的非线性和不确定性。
例如，飞行器的空气动力学特性在不同的飞行条件下会发生变化，这种非线性很难用传统的数学模型准确描述，但模糊自适应控制可以较好地应对。
其二，它具有较强的鲁棒性，即对于系统参数的变化和外界干扰具有一定的抵抗能力，能够保证飞行器在各种复杂情况下的稳定飞行。
其三，模糊自适应控制的设计相对灵活，不需要精确的系统模型，只需根据工程经验和实验数据来制定模糊规则，这大大降低了控制器设计的难度。
为了实现飞行器的模糊自适应控制，需要进行一系列的关键步骤。
首先是模糊变量的定义和模糊化。
这需要根据飞行器的状态变量和控制目标，确定输入和输出的模糊变量，并选择合适的隶属函数将其模糊化。
比如，飞行器的姿态角、角速度等可以作为输入模糊变量，而控制舵面的偏转角度可以作为输出模糊变量。
接下来是制定模糊控制规则。
这是模糊自适应控制的核心部分，规则的质量直接影响控制效果。
规则通常基于专家经验和实验数据来确定，例如“如果飞行器姿态角偏差大且角速度快，则控制舵面应大幅度偏转”等。
模糊逻辑在飞行器设计优化中的应用
模糊逻辑在飞行器设计优化中的应用模糊逻辑在飞行器设计优化中的应用已经成为航空工程领域中的重要研究方向。
随着飞行器设计的复杂性和多变性不断增加，传统的精确逻辑方法在解决实际问题时面临着种种挑战。
模糊逻辑作为一种能够处理不确定性和模糊性问题的方法，逐渐成为飞行器设计优化中不可或缺的工具。
本文将探讨模糊逻辑在飞行器设计优化中的应用，并分析其在提高飞行器性能、降低能耗、增强安全性等方面所取得的成果。
一、模糊逻辑在飞行器控制系统设计中的应用1.1 模糊控制系统传统的控制系统设计通常基于精确数学模型，但是由于环境变化和传感器误差等因素，精确数学模型无法完全描述实际情况。
而模糊控制系统则通过将输入输出映射关系建立为一系列隶属度函数，并通过模糊规则来描述输入输出关系。
这种基于经验和直觉建立起来的控制系统具有较强的鲁棒性和适应性，能够应对环境变化和传感器误差等不确定性因素，因此在飞行器控制系统设计中得到了广泛应用。
1.2 模糊控制器设计在飞行器控制系统设计中，模糊控制器的设计是一个关键环节。
模糊控制器的输入通常是一组模糊变量，输出是一组模糊规则。
通过对输入变量的隶属度函数和输出规则的定义，可以建立起输入输出之间的映射关系。
模糊控制器能够通过学习和优化来不断改进其性能，并适应不同的环境和任务需求。
因此，在飞行器设计中，通过优化模糊控制器的设计可以提高飞行器的操纵性、稳定性和安全性。
1.3 模糊逻辑在自动驾驶系统中的应用随着自动驾驶技术的发展，越来越多的飞行任务可以由自主无人机完成。
在自动驾驶系统中，模糊逻辑被广泛用于路径规划、障碍物避免等关键任务中。
通过将传感数据映射到一组隶属度函数，并建立起一系列模糊规则，可以实现对复杂环境中的飞行器行为的控制。
模糊逻辑能够有效处理环境中的不确定性和模糊性，提高自动驾驶系统的安全性和可靠性。
二、模糊逻辑在飞行器性能优化中的应用2.1 模糊逻辑在飞行器气动优化中的应用飞行器气动优化是提高飞行器性能和降低能耗的重要手段。
模糊控制在航空飞行中的应用
模糊控制在航空飞行中的应用航空工业一直是科技发展的重要领域之一，而飞行控制则是确保飞机安全运行的关键。
在飞行控制系统中，模糊控制技术被广泛用于应对复杂的飞行环境和飞机动态特性。
本文将探讨模糊控制在航空飞行中的应用，并分析其优势和限制。
一、模糊控制概述模糊控制是一种基于模糊逻辑的控制方法，通过将输入、输出和规则之间的关系用模糊集合来描述，实现对系统动态响应的控制。
模糊控制根据系统状态的模糊描述进行推理，得出相应的控制量，从而实现对系统的控制。
二、模糊控制在航空飞行中的应用1. 自动驾驶系统自动驾驶系统是飞机飞行控制的基本功能之一。
模糊控制技术可以根据飞机的状态参数（如速度、高度、姿态等）和环境条件（如风速、气流等）来调整飞机的飞行姿态和航向，保持飞机在预定航线上稳定飞行。
模糊控制可以有效应对复杂的飞行环境和飞机动态特性，提高飞行控制的稳定性和精确性。
2. 系统故障控制飞机在飞行过程中可能会遇到各种故障，如引擎故障、气动力失效等。
模糊控制技术可以根据故障的特征和飞机的响应特性，及时采取控制措施来保证飞机的安全。
例如，当发生引擎故障时，模糊控制可以根据飞机速度、高度等参数，调整剩余引擎的推力以及其他控制量，维持飞机的平衡和稳定。
3. 模糊导航系统模糊导航系统可以根据飞机位置、目标位置以及环境条件等信息，选择合适的航线和飞行方式，实现飞机的导航和自主飞行。
模糊导航系统能够克服复杂的导航环境和飞机动态变化的挑战，提高飞行安全性和效率。
4. 多智能体协同控制在一些复杂的航空任务中，多架飞机需要协同行动，完成任务目标。
模糊控制技术可以实现多智能体之间的协同控制，通过分析和集成不同飞机的感知信息，调整飞行姿态和航线，实现整体控制目标。
模糊控制系统具有较高的自适应性和容错性，能够保证多智能体间的协同性和安全性。
三、模糊控制在航空飞行中的优势和限制1. 优势：(1) 模糊控制可以灵活处理模糊、不确定和非线性特性，适应复杂的飞行环境。
探析航天企业科研项目管理模式创新化发展
探析航天企业科研项目管理模式创新化发展【摘要】航天企业科研项目管理模式在不断创新发展的背景下，本文深入探讨了其创新化路径及必要性。
通过现状分析发现传统管理模式已难以适应日益复杂的科研项目需求，创新已成为必然选择。
本文通过案例分析揭示了创新化的实践路径和关键成功因素。
结论部分展望了创新化发展的前景和未来方向，并总结了本文的研究意义和实践价值。
本文旨在为航天企业科研项目管理模式的创新与发展提供参考与启示，促进航天科研项目管理模式的不断优化与提升。
【关键词】航天企业、科研项目管理、创新化、发展、现状分析、必要性、路径探讨、案例分析、成功因素、前景、未来发展方向、总结。
1. 引言1.1 背景介绍在引言部分的背景介绍中，首先需要概述航天企业科研项目管理的重要性和当前的发展状况。
航天领域作为国家战略性产业之一，承担着国家重大科技任务，科研项目管理模式的优劣直接影响到航天领域的科研成果和技术进步。
随着科技的不断进步和竞争的加剧，传统的科研项目管理模式已经逐渐暴露出局限性和不足之处，需要进行创新化发展。
航天企业面临着日益复杂和多样化的科研项目，传统的管理模式已经无法满足其需求，需要进行模式创新来适应不断变化的科研环境。
航天企业科研项目管理模式的创新化发展也受到国际竞争的影响。
国际航天领域的先进管理经验和技术进步不断推动着航天企业在科研项目管理方面寻求更高效、更具竞争力的模式。
了解航天企业科研项目管理模式创新化发展的意义和必要性，对于提升航天企业的综合竞争力具有重要意义。
在这样的背景下，研究和探索航天企业科研项目管理模式创新化发展的路径和关键因素，具有重要的理论和实践意义。
1.2 研究意义航天企业科研项目管理模式创新化发展的研究意义在于推动航天科研项目管理模式的持续优化和提升，以适应日益复杂多变的市场环境和科技发展趋势。
科研项目管理模式的创新可以有效提高项目执行效率和成果质量，从而推动航天企业科研项目的顺利实施和结果输出。
基于模糊控制的飞行器自主飞行技术研究
基于模糊控制的飞行器自主飞行技术研究在现代科技日新月异的今天，无人机已经成为了各个领域中不可或缺的一员。
除了作为远程侦察和监测的工具，无人机在军事、民用、商业等领域中也广泛应用。
为了让无人机能够更加智能化地完成各种任务，飞行器自主飞行技术的研究变得愈加紧迫。
其中，基于模糊控制的技术正日渐受到重视。
一、智能无人机的需求智能无人机的应用越来越广泛，包括军事、民用、商业等领域。
尤其是在军事领域，无人机采集情报和进行侦察工作的作用不可忽视。
在高速和高空度的环境下，无人机能够为军方提供大量信息，帮助指挥官制定更有效的战术计划。
此外，无人机还能够用于监控危险场所以及执行搜救任务等。
在民用和商业领域，无人机也发挥着重要作用。
例如，无人机在农业领域中的应用，可以精准、高效地喷洒农药，提高农作物的产量。
另外，无人机在电力巡检、林业测量、无人快递、拍摄等方面也扮演着重要的角色。
二、基于模糊控制的无人机飞行控制系统无人机需要在自主飞行时保证平衡性、稳定性以及安全性等方面，这就需要设计出一种有效的控制系统。
在这样的控制系统中，模糊控制技术被认为是一种比较有效的选择。
模糊控制技术是一种基于规则的控制方法，能够应对复杂的系统控制问题。
与其他控制方法不同的是，模糊控制技术是基于自然语言的模糊描述，而不是精确的数学模型。
因此，模糊控制技术能够更好地应对系统参数不确定、环境变化等实际问题。
在无人机飞行控制系统中，模糊控制技术能够对飞行方向、高度、速度以及姿态等方面进行控制。
在基于模糊控制的无人机飞行控制系统中，模糊控制器需要根据传感器采集的数据进行调整，从而控制无人机的飞行方向、高度等。
三、应用实例在无人机的应用中，基于模糊控制的控制系统已经被成功地应用。
例如，模糊控制技术被用于物流无人机中，可以通过传感器采集来自货场的数据，从而计算出物流无人机的最优路线和最优速度，提高物流配送的效率。
另外，基于模糊控制技术的无人机也广泛应用于军事领域。
航空航天行业技术创新路径探讨
航空航天行业技术创新路径探讨航空航天领域一直以来都是人类探索未知、追求进步的前沿阵地。
从飞机的发明到载人航天的实现，从卫星通信到深空探测，每一次重大的技术突破都推动着这个行业的飞速发展。
在当今竞争激烈的时代，技术创新成为了航空航天行业持续发展的关键。
本文将深入探讨航空航天行业技术创新的路径。
一、材料科学的突破材料是航空航天领域的基础。
为了满足飞行器在极端环境下的性能要求，新型材料的研发至关重要。
高强度、耐高温、轻质的复合材料，如碳纤维增强复合材料、钛合金等，正在逐渐取代传统的金属材料。
这些新材料不仅能够减轻飞行器的重量，提高燃油效率，还能增强结构的强度和耐久性。
以碳纤维增强复合材料为例，其强度是钢的数倍，而重量却只有钢的几分之一。
在航空航天领域，这种材料被广泛应用于飞机的机身、机翼等部件，大大减轻了飞机的自重，降低了运营成本。
此外，新型高温合金的研发也为航空发动机的性能提升提供了可能。
这些材料能够承受更高的温度和压力，从而提高发动机的推力和效率。
二、推进系统的创新推进系统是飞行器的核心。
传统的化学燃料推进系统已经难以满足未来航空航天的需求，因此，新型推进技术的研究成为了热点。
电推进技术是近年来发展迅速的一种新型推进方式。
它通过将电能转化为动能，为飞行器提供推力。
与传统的化学推进相比，电推进具有更高的效率和更长的使用寿命。
目前，电推进技术已经在卫星等航天器上得到了应用，未来有望在更大规模的飞行器上实现应用。
此外，核动力推进技术也备受关注。
尽管目前还存在诸多技术难题，但核动力推进系统具有巨大的潜力。
它能够为飞行器提供强大而持久的动力，使人类能够进行更远距离的太空探索。
三、智能化技术的应用随着人工智能和信息技术的飞速发展，智能化技术在航空航天领域的应用越来越广泛。
自动驾驶技术在民用航空领域的应用已经取得了一定的成果。
通过传感器、计算机和通信技术的集成，飞机能够实现自动起飞、巡航和着陆，提高飞行的安全性和效率。
无人机飞行控制中的模糊控制研究
无人机飞行控制中的模糊控制研究在当今科技飞速发展的时代，无人机已经成为了各个领域的热门话题和重要工具。
从航拍娱乐到农业植保，从物流配送再到军事侦察，无人机的应用范围不断扩大。
而要确保无人机能够安全、稳定、高效地完成各种任务，飞行控制技术是其中的关键。
在众多飞行控制方法中，模糊控制因其独特的优势逐渐受到关注和研究。
无人机的飞行控制是一个复杂的系统工程，涉及到多个变量的相互作用和精确控制。
传统的控制方法，如 PID 控制，在面对复杂的、非线性的以及不确定的系统时，可能会出现控制效果不佳的情况。
而模糊控制则为解决这些问题提供了新的思路。
模糊控制的基本原理是基于模糊集合理论和模糊逻辑推理。
它不依赖于精确的数学模型，而是通过对人类经验和知识的模糊化处理，将其转化为可用于控制的规则。
这使得模糊控制在处理那些难以用精确数学模型描述的系统时具有很大的优势。
在无人机飞行控制中，模糊控制可以应用于多个方面。
例如，姿态控制是无人机飞行控制的重要环节。
通过模糊控制，可以根据无人机的姿态角、角速度等参数，实时调整电机的转速和舵面的角度，从而保持无人机的稳定姿态。
高度控制也是一个关键，模糊控制能够根据无人机与目标高度的偏差以及高度变化率，智能地调整油门大小，实现精确的高度控制。
为了实现有效的模糊控制，首先需要进行模糊化处理。
这就是将输入的精确量转化为模糊量。
比如，将无人机的姿态角偏差和角速度偏差划分为不同的模糊集合，如“小”、“中”、“大”等。
然后，根据专家经验或实验数据制定模糊控制规则。
这些规则通常以“如果那么”的形式表达。
例如，“如果姿态角偏差小且角速度偏差小，那么电机转速微调”。
接下来是模糊推理，根据输入的模糊量和控制规则，推导出输出的模糊量。
最后，进行反模糊化，将输出的模糊量转化为精确的控制量，用于实际的控制操作。
在实际应用中，模糊控制的效果受到多种因素的影响。
模糊集合的划分是否合理，控制规则的制定是否准确，以及模糊推理和反模糊化算法的选择，都会直接影响到控制的性能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
航天企业组织创新路径演化的模糊控制研究摘要：为能够科学定量的跟踪与控制我国航天企业的组织创新路径在动态形成过程中的演化机制，本文基于动态结构bp神经网络来针对组织创新路径演化的不同形态进行控制系统的构建，并利用动态结构bp神经网络来提升传统模糊控制系统的精度，从而达到更加高效的对我国航天企业的组织创新路径的演化进行模糊控制的目的，并基于控制仿真曲线提出相应的控制策略。
最后结果表明：通过对影响航天企业的组织创新路径演化要素的模糊控制，能够使组织创新路径的时效性大幅度提升，并且此种控制方法超调小，响应快，无静差，能够为企业的决策者对组织创新路径的演化做出迅速的相应而提供决策依据。
abstract： in order to follow and control our nation aerospace enterprises organizational innovation path during it’s dynamic growing period scientifically and quantitatively. this thesis use dynamic structure bp neutral network method to construct control system of the organizational innovation path evolution， and use the dynamic structure bp neutral network method to improve the traditional fuzzy control system precision， then achieve the fuzzy control of the organizational innovation path evolution. then based on the simulation curve to suggest a few suggestions. the final conclusion shows that：through thefuzzy control of the our nation aerospace enterprises organizational innovation evolution affective elements， can improve the organizational innovation timeliness， and this control method have small thrashing， quick responding， no difference， it can provide decision suggestions for enterprises decision-maker to respond the organizational innovation path evolution.关键词：组织创新路径；演化；动态结构bp神经网络；模糊控制key words： organizational innovation path；evolution；dynamic structure bp neural network；fuzzy control 中图分类号：f272 文献标识码：a 文章编号：1006-4311（2013）06-0003-050 引言组织创新路径的有效实施能够提升企业效率与效能，提升企业的核心竞争力。
因此，企业如何准确选取组织创新路径并针对其演化的过程加以控制成为企业构建核心竞争力及成功应对复杂环境的关键[1]。
目前我国企业的组织创新水平不高，并且在组织创新路径演化的控制方面研究的力度不强。
随着企业的组织系统逐渐的呈现出横向发展的态势，组织创新路径的演化呈现出多样性的特征，那么准确的选取组织创新路径与针对路径演化的特征进行有效的控制难度也逐渐增加。
组织创新的理论表明组织创新活动的效能具有滞后性[2]，对于组织创新路径的演化的控制也呈现出滞后的特点。
组织创新路径的演化是一个重要的构念，被定义为实现企业组织创新目标的方法与途径伴随着企业内外部环境的变化而呈现出的动态变化趋势[3]。
本文基于企业组织创新的相关理论，采用bp神经网络构建了影响企业组织创新路径演化的影响因素，并采用模糊控制的方法针对不同的演化形态进行控制，并基于matlab仿真的结果提出控制策略，以期能够为企业的决策层提供一套准确识别与控制组织创新路径演化的体系方法。
1 航天企业组织创新路径演化的动因与演化形态1.1 航天企业组织创新路径演化的动因航天企业进行组织创新的目的在于通过优化与改造传统的组织模式及运行方式，使其可以及时的与外部交换信息能量并适时的对内部进行升级，并且打破了航天企业传统的运营模式，生产流程，提升组织绩效，从而实现企业的长治久安[8]。
正如管理学家彼得曾经说的，企业的战略的变动是组织创新路径演化的重要推手。
但是由于我国航天企业在实施组织创新的过程中还会受到多方因素的共同制约，这些因素也直接导致了企业组织创新路径演化[9]。
如图1所示。
首先，技术的获取能力与升级换代的速度直接影响着企业的核心竞争力的强弱，因此任何一项技术层面的重大突破均会迫使企业去不断的学习，追赶。
而与之相匹配的组织模式也要随之发生变动[10]。
这就在某种程度上极大地推动了企业组织创新演化的速度，而航天企业的初衷在于能够通过组织创新路径来实现组织创新活动的顺利开展。
但是如果技术创新的周期远大于组织创新的实施时间的话，则此时组织创新路径就会产生令人不悦的演化形态。
因为在组织创新实施的周期之外，企业的决策者无法估量长周期的技术创新所带来的影响。
需求层级的变化对组织创新路径的演化也会产生一定的影响。
组织创新路径的顺利实施在很大程度上取决于企业生产与管理的层次性与运行的有序性。
那么根据马斯洛需求层次理论，人们的需求可分为三个层次，生理层次，归属层次，自我实现层次。
但是若企业的决策者没有及时的捕捉到需求层级的变化信息，则需求层级的变化会拉动组织创新路径进行演化。
创新关联也可能会通过诱导的方式来导致组织创新路径产生演化的形态[11]。
因为无论是技术创新，组织创新，管理创新还是知识创新，他们均会直接或间接的推动组织创新路径发展，但是若是他们之间的内容大多数时间是呈现出不均衡发展的状态，而这就成为企业组织创新路径演化的一项重要的原因。
1.2 航天企业组织创新路径演化的形态那么通过技术创新的推动，需求层级的拉动与创新关联的诱导，组织创新路径的演化形态大致可以分为三种形态：创新路径的拟合形态，创新路径的迁徙形态，创新路径的分化形态[12]。
那么推动创新路径的拟合演化形态的是技术创新的因素。
创新路径的拟合演化形态具体可以划分为同类路径间的拟合形态与异类路径间的拟合形态。
所谓物以类聚，同类（技术）路径与异类（技术）路径的负面效果集中在一起便会在较短的时间内汇总对组织创新的顺利开展产生负面影响。
那么推动创新路径的迁徙演化形态的是需求层级的因素。
由于需求层级的变化的形态无法准确的预测，所以伴随着层级变化的幅度与变化的速度创新路径的迁徙演化形态具体可以划分为渐进式迁徙形态，跨越式迁徙形态及混合式迁徙形态。
这三种迁徙形态对组织创新的影响时间与影响程度顺序是由小到大的。
创新关联可以诱导组织创新路径产生分形的演化形态。
由于多种创新要素之间的不均衡的匹配会产生单目标分形演化形态与多目标分形演化形态。
那么航天企业组织创新路径的形态如图2所示。
2 基于动态结构bp神经网络的组织创新路径演化模糊控制系统的构建2.1 模糊控制指标体系的确定在对航天企业组织创路径进行模糊控制的定量研究之前，应该以定性研究为前提和基础，那么首先需要确定推动企业组织创新路径演化的因素，选取相关的指标，构成评价指标体系的甄选集合，通过第一节的描述，本文模糊控制指标体系如表1所示。
2.2 模糊控制指标体系的wilcoxon配对秩和检验本文通过对我国航天科技集团公司下属的一院，二院，三院，五院发放调查问卷进行数据采集工作，调查问卷采用里克特标准五量点法，并根据题项内容的性质，分别对应着“非常不同意，不同意，没有意见，同意，非常同意”[13]。
本次调研共发出问卷548份，收回516份，其中有效问卷452份，有效回收率为87.6%。
并且由于控制指标体系所服从的分布直接决定了本文筛选指标的方法。
而目前，关于对控制指标进行筛选的方法大部分均采用t检验[14]。
但是t检验有着非常严格的前提假设，即要求各因素之间必须呈现出集中性，对称性，均匀变动性的特点。
而本文所选取的指标显然不具备上述的特点，故不适宜采用t检验。
那么当总体的分布不明朗时，我们采用wilcoxon配对秩和检验来进行。
具体步骤如图3所示。
根据国际上通用的指标显著性检验水平，1%～10%均表示通过了显著性检验[15]，那么表2为各指标的wilcoxon配对秩和检验结果。
那么从上表可以看出，指标u11，u12，u13，u14，u33，通过了1%显著性检验，指标u22通过了10%显著性检验，指标u21，u23，u31，u32通过了5%显著性检验。
那么本文所筛选的十个控制指标体系均满足条件。
2.3 模糊控制系统的构建①动态结构bp神经网络。
所谓动态结构bp神经网络与传统神经网络的区别在于在机器学习的过程中，隐层层数及维数的不断变化，其网络结构呈现出一种动态的神经网络[16]。
本文采用动态结构bp神经网络的原因在于组织创新路径的演化呈现出无规则发展的趋势，很难精确量化其影响程度，因此采用此种算法能够在构建模糊控制模型的同时，使网络的效能保持最优。
那么动态结构bp神经网络示意图如图4所示。
②确定神经网络的层次。
通过查阅文献我们可知，隐含层数量与神经网络的非线性映射水平是正相相关的。
但是隐层数量存在上限，若超过上限，则会削弱网络的学习能力。
1989年，helct教授提出对于随意的一组非开区间不间断的数组，均存在一个隐层与之相匹配[17]。
从而表明三层隐层的bp神经网络均可以实现从维到维的映射。
因此本文将采用含有一层隐含层的三层动态结构神经网络。
而神经网络的输入，输出的神经元数量均可以一句实际的需求来制定。
对于输入层而言，其神经元数量由影响因子的数目来确定。
本文则将筛选的出来的十个模糊控制指标作为输入层的神经元数量。
而针对输出层而言，其神经元数量则可以一句实际情况随机确定。
我们若把神经网络作为区分条件，若共有m个神经元模式，则输出的神经元个数为log■■。
我们在这里推算出输出层的节点为1。
③确定隐层数量。