为准确且精细地识别云相态，提出一种基于模糊逻辑识别云相态的优化算法，基于不同云粒子特征参数对T函数系数进行了调整。考虑了回波反射率因子衰减和温度对云相态识别准确性的影响，利用毫米波云雷达订正后的回波反射率因子、径向速度、谱宽和微波辐射计探测的连续时空温度，作为优化后的模糊逻辑算法的输入参数。优化后的模糊逻辑算法在原有云粒子相态（冰晶、雪花、混合相态、液态云滴、毛毛雨和雨滴）识别的基础上，还可实现对过冷水和暖云滴的识别。利用该算法对2022年2月6日陕西省西安市一次降雪过程的云粒子相态进行识别，将近地面的云粒子相态结果与同址地面降水现象仪记录的降水粒子相态进行对比，二者探测的相态有较高的一致性，说明优化后的算法能准确且精细地识别云粒子相态。

图像分割是计算机视觉领域的重要研究方向。模糊聚类方法由于其无监督的特性，在图像分割中得到了广泛的应用。然而，传统的模糊聚类方法在处理含高强度噪声和复杂形状的图像时，往往分割效果不理想。为了解决这一问题，提出了一种基于显著性检测的权重因子，用于构建加权滤波器和像素相关性模型，从而提高算法的抗噪能力。所提加权滤波器在结构相似性上比传统滤波器的最优结果高出0.1。此外，引入核度量以适应复杂图像的分割需求。在合成图像、自然图像、遥感图像和医学图像上进行了大量实验，结果表明，所提算法在视觉效果上优于传统方法，并且在分割精度上比传统方法的最优结果高出2%。

依据热平衡原理设计了以单片机为控制核心，DS18B20数字温度传感器和铂电阻PT100为检温元件，正温度系数（PTC）效应加热器为执行元件的温控及制冷功率测量系统。通过模糊PID（Proportional Integral Derivative）控制算法输出不同占空比的脉宽调制波，控制辐射冷却材料温度和环境温度保持一致性，同时利用3D打印工艺完成装置的搭建，最终测算出辐射制冷功率。实验结果表明，系统测量计算的辐射制冷功率与理论预测值接近，该系统可以有效满足多种辐射冷却材料的测量。

为适应巡航式冲压增程制导炮弹在巡航飞行过程中质心不断前移、气动参数变化范围大这一特征, 实现在巡航飞行过程中的自适应控制, 设计了一种基于模糊自适应PID算法的三回路自动驾驶仪。首先, 由小扰动法将纵向平面内炮弹运动方程组线性化并推导炮弹各姿态角的传递函数, 同时选取巡航始末位置特征点进行动态特性分析; 在此基础上设计三回路自动驾驶仪以提升系统相角裕度, 改善其阻尼特性; 由频域分析法和根轨迹法设计巡航始末位置特征点处的内回路控制参数, 并用插值计算得出其他非特征点的内回路控制参数; 外回路采用模糊自适应PID进行设计。仿真结果表明, 在巡航飞行过程中, 模糊自适应算法所设计的自动驾驶仪具有良好的控制品质。

为提高双偏振雷达在水凝物相态识别方面的能力, 利用双偏振气象雷达目标回波中的反射率因子 ZH、差分反射率因子 ZDR、差分相位常数 KDP、共偏相关系数 ρHV, 构造反射率标准差 SD (ZH )和差分相位标准差 SD (.DP )。将这 6个极化参数作为输入量, 通过统计美国国家海洋和大气管理局(NOAA)提供的大量水凝物样本数据, 根据样本数随雷达回波参量分布, 提出了以 β型函数为隶属函数的模糊逻辑分类算法。该算法能够有效识别小到中雨(RA)、大雨(HR)、大滴(BD)、干雪 (DS)、湿雪 (WS)、冰晶 (IC)、霰 (GR)、雨雹 (RH)、大雹 (LH)9类气象回波和 1类地物回波 (GC)。选取美国 S波段的科罗拉多州丹佛地区的气象雷达 KFTG在不同时间点的观测资料进行测试, 识别结果与 NOAA提供的 Level Ⅲ数据中的水凝物分类结果基本一致, 验证了本文提出的模糊逻辑算法具有良好的分类效果。

使用模糊理论处理电气设备红外图像分割的不确定性，提出了一种基于模糊推理的电气设备红外图像分割算法。首先分别利用电气设备红外图像故障区域的像素灰度、像素点与图像质心的马氏距离以及图像膨胀操作定义了强度特征、全局故障可能性特征和局部灰度特征；然后根据特征的模糊语言值制定了 27条模糊规则，设计了一种模糊推理红外图像分割算法；最后，从主观和客观评价指标上将算法与传统 Otsu算法和 FCM算法进行了对比。实验表明，该算法的分割精度和误分割率比其他两种算法都有一定的改善，同时该算法能够滤除图像中具有高亮度的干扰区域，对具有小亮度差和小面积故障区域的红外图像有较好的分割效果。

不同品种茶叶因其所含的有机化学成分不同, 其效果也会有差别。 所以, 寻找出一种能准确迅速的鉴别茶叶品种的技术方法是非常重要的。 近红外光谱(NIR)分析是一种无损检测技术, 能很好的鉴别茶叶品种。 使用NIR光谱仪采集茶叶的NIR数据。 为了对包含噪声信号的茶叶近红外光谱进行准确鉴别, 提出了一种模糊线性判别QR分析的新方法, 可以对茶叶近红外光谱进行准确分类。 通过使用模糊线性判别分析（FLDA）将由主成分分析（PCA）压缩的茶叶近红外光谱数据进行降维, 由模糊线性判别分析得出的特征向量构建鉴别向量矩阵, 对鉴别向量矩阵进行矩阵的QR分解, 得到新的鉴别向量矩阵。 经过模糊线性判别QR分析后使用K近邻算法进行分类, 具有准确率高等优点。 以岳西翠兰、 六安瓜片、 施集毛峰和黄山毛峰四种茶叶为研究样本, 每类65个, 茶叶样本总数为260个。 采集茶叶近红外光谱数据的仪器为AntarisⅡ型傅里叶近红外光谱仪对光谱数据进行预处理, 采用多元散射校正, 由于采集到的茶叶光谱数据存在散射干扰。 以此得到的近红外光谱数据的维数为1557维, 通过主成分分析压缩数据集的维数, 使得光谱数据集的维数达到7维。 经压缩过后的光谱数据集中的鉴别信息再通过模糊线性判别QR分析进行提取, 使得光谱数据的维数降低到3维。 利用K近邻算法对茶叶样本进行分类, 实现对茶叶品种的准确分类。 最后进行三种算法分析结果的比较, 分别是主成分分析结合K近邻算法、 主成分分析和线性判别分析结合K近邻算法、 主成分分析和模糊线性判别QR分析结合K近邻算法。 在权重指数m=2, K=1条件下, 最后的分类准确率分别为83.89%, 87.78%和98.33%。 实验结果显示: 模糊线性判别QR分析可以实现茶叶近红外光谱的准确鉴别分析, 其展现出来的效果比主成分分析和线性判别分析表现的效果更好。

为了提升高精度光电跟踪系统(ETS)的跟踪精度和其处理不确定性的能力, 设计了一种1型模糊滑模控制方法, 模糊控制用于在线自适应调整滑模控制(SMC)切换项参数; 并采用区间2型模糊滑模控制(IT2FSMC)方法来提高系统处理不确定性的能力,进而提升跟踪精度, 同时降低SMC抖振; 此外, 用粒子群优化算法来保证选取的SMC参数相对最优, 并对提出的各种控制方法进行了理论分析和实验对比。结果表明, IT2FSMC能在降低SMC抖振的同时将SMC的稳态误差降低54.43%。仿真和实验分析验证了所提出控制方法在ETS中的有效性。