SVM最优分类面相对位置的修正

通过放宽标准支持向量机(SVM,Support Vector Machines)中类别边界至分类面等间隔的约束,保持两类函数间隔之和不变的条件,在支持向量机思想框架下得出分类面依样本分布进行调整的新型支持向量机,其对偶形式与标准支持向量机完全相同,从而在理论上进一步完善了支持向量机.在此基础上,提出使类别的函数间隔正比于样本标准差的具体算法--方差修正法,达到最优分类面的相对位置依样本方差而调整之目的.从统计意义上来说,方差修正法在分类精度上有所提高,但计算量增加不多.     

航空液压泵柱塞游隙增大故障诊断

柱塞游隙增大是航空液压泵典型的渐进性故障之一,其故障特征模糊,样本有限,故障数据充满噪声,对其进行精确的故障诊断十分困难,因此提出了一种基于简约支持向量机的故障诊断方法.利用粗糙集对故障特征变量进行简约,去除冗余信息,在保证分类质量不变的前提下寻求覆盖系统故障特征的最小属性集合;将简约后的数据样本用来训练支持向量机进行故障分类.使用训练完成后的简约支持向量机进行故障诊断的实验结果表明,此种诊断方法适合于航空液压泵柱塞游隙增大的高精度故障诊断.     

基于支持向量的迭代修正质心文本分类算法

针对质心分类算法容易产生归纳偏置或模型失配问题的不足,提出一种基于支持向量的迭代修正质心分类算法.该方法仅使用由支持向量机(SVMs,Support Vector Machines)选出的支持向量来构造质心向量,然后利用训练集误分样本来迭代修正初始质心向量.与其他分类算法相比,该算法取得较好的宏平均F₁和微平均F₁,在8个常用文本分类数据集上的实验验证了该算法的有效性,特别是在不均衡文本语料上.     

免疫支持向量机用于航空发动机磨损故障诊断

航空发动机在使用寿命周期内会不断磨损最终出现故障,通过对发动机油液监测铁谱分析数据的挖掘可实现磨损故障的诊断。本文研究免疫算法优化的支持向量机(SVM)在航空发动机磨损故障诊断中的运用。首先,总结了支持向量机和免疫算法的运行流程和关键算法。然后,用改进的免疫算法优化支持向量机惩罚因子、松弛变量及核函数参数。某型航空发动机的油液铁谱分析数据和加入噪声数据验证结果表明,该方法可有效实现航空发动机磨损故障诊断且具有较好的鲁棒性。最后,研究了核函数、多分类决策方法、初始种群大小、亲和力计算公式、支持向量机优化方法和归一化方法对磨损故障诊断准确率的影响,得到了最佳诊断方法。     

基于改进AdaBoost.M2算法的自动调制识别方法

针对同族调制类型通信信号识别难度大、深度学习模型普遍存在泛化能力弱的问题，基于经典AdaBoost.M2算法，提出改进样本权重的AdaBoost.M2算法，用于解决大样本情况下学习率与加权后样本数据难以相适应的问题。改进后的新样本权重确保训练样本数据的数量级在加权后不变，并使算法更迅速地关注到难分类样本，提高了弱分类器综合性能，降低了加权投票模型中弱分类器重要性之间的差异。针对部分样本的统计特性易淹没于噪声中造成难分类问题，提出随机特征裁剪方法，使算法避免过度关注异常特征，降低了极难分类样本对AdaBoost.M2算法性能的负面影响，提升了算法的泛化能力，并以低信噪比数据进行实验验证。针对调制类型同族信号难分类的问题，选取同族调制类型的通信信号开展模型训练和测试。实验结果表明：相比于单一卷积长短时记忆全连接深度网络（CLDNN）算法，改进AdaBoost.M2算法对低信噪比PSK族类和QAM族类通信信号的测试集准确率分别提高了8.5%和11.25%，相比于直接集成CLDNN的经典AdaBoost.M2算法，测试集准确率分别提高了8.25%和6.5%。     

基于样本类别确定度的半监督分类

在对遥感图像进行分类时,全监督算法往往需要足够的标记样本进行训练,然而标记的过程是耗时和昂贵的,相反收集大量的无标记样本是很容易的。为了在学习过程中能够有效利用未标记样本的信息,本文提出了基于样本类别确定度（CCS）的半监督分类算法。首先,利用多分类支持向量机（SVM）得到未标记样本属于各类别的确定度,有效地衡量了未标记样本类别可靠性;其次,对样本类别确定度进行预处理,提升利用未标记样本的安全性;最后,基于样本类别确定度设计了半监督线性判别分析（LDA）降维算法并对其进行核化,使得样本在降维后的子空间更具有可分性,并根据降维后的数据特点,采用最近邻分类器对新样本进行分类。利用真实的合成孔径雷达（SAR）图像进行测试,验证了在标记样本较少的情况下,本文算法在性能上优于全监督和其他半监督算法,并能够快速收敛。      

基于误差最小的SVM最优分类面修正

针对C-支持向量机(C-SVM,C-Support Vector Machine)中惩罚系数C可能导致最优分类面不合理的问题,提出基于误差最小的SVM最优分类面修正方法.通过调整正负类分类间隔的约束条件,求解使训练样本总误差最小的偏置系数,并兼顾与正负类误差之差的绝对值的平衡,得到误差最小的更优分类面.实验证明该修正方法与C-SVM及其它修正方法相比,具有较高的分类精度和较强的抗噪声与野值数据干扰能力.     

基于NN与SVM的图像质量评价模型

为了有效地评价图像质量,利用峰值信噪比(PSNR,Pear Signal to Noise Ratio)和结构相似度(SSIM,Structure Similarity)作为图像质量的描述参数,给出"野点"的定义,提出"野点预测"并基于神经网络(NN,Neural Network)与支持向量机(SVM,Support Vector Machines)建立新的质量评价模型:神经网络用来获取质量评价映射函数,支持向量机实现样本分类.采用UTexas图像库数据进行仿真试验,质量评价模型预测图像质量的单调性比PSNR提高7.42% ,质量评价模型预测结果的均方误差平方根比PSNR提高36.06％,模型性能测试中"野点"的数目相对减少,模型性能得以提高.试验结果表明该模型的输出能有效地反映图像的主观质量.      

非线性系统的结构选择及其参数的集员辨识

基于支持向量回归和RBF(Radial Basis Function)神经网络,研究了带有未知但有界噪声的非线性系统的集员辨识问题.推导了噪声界以及支持向量个数与ε-不敏感参数之间的关系,给出了利用噪声界选择ε-不敏感参数的方法.描述了通过支持向量回归选择RBF神经网络规模的方法.该方法以Gaussian核函数作为径向基函数,支持向量作为径向基函数的中心构建RBF神经网络.运用改进的OBE(Optimal Bounding Ellipsoid)算法对RBF神经网络的权值进行辨识,得到与给定输入输出数据和噪声界序列一致的一类RBF神经网络.仿真算例验证了算法的有效性.     

直觉模糊制造知识驱动的公差稳健优化设计

鉴于各类制造因素在表述方式、度量方法及其与成本的关系等方面均存在一定的模糊性和可变性,基于直觉模糊集理论和稳健设计原理,提出了直觉模糊制造知识驱动的公差稳健设计方法.首先,从工艺装备价值、零件可加工性、加工工艺属性、产品属性、人员技术水平等5个方面建立直觉模糊制造知识集,研究了知识元素构成和元素水平划分;然后,建立了包含目标层、准则层和知识层的制造成本评估指标体系,采用多级直觉模糊综合评判法计算制造成本因子φ,与传统模糊综合评判相比,更符合真实评判逻辑;最后,结合成本-公差模型和装配模糊质量损失函数,建立了公差的模糊稳健优化模型.该方法符合面向制造的设计理念,综合考虑了各类制造知识对公差设计的影响,航空油箱装配的实例分析表明了该方法可行,且具有好的灵活性和鲁棒性等优点.     

模糊控制在导弹瞬态气动热流试验中的研究

导弹与高速飞行器气动模拟试验瞬态热控过程的特点是变化复杂、瞬变、高度非线性、强耦合,很难或者根本无法建立控制的数学模型.模糊控制具有鲁棒性好,对参数变化的适应性强,过渡过程时间短等常规控制方法所不能比拟的优点.将模糊控制方法应用于导弹瞬态气动加热模拟控制系统,使该系统能够按照导弹高速飞行过程中弹体表面热流的瞬态连续变化对气动模拟加热过程实施快速的动态控制.     

无人机全包线模糊鲁棒跟踪控制

针对无人机大包线飞行中气动特性大幅变化以及存在参数不确定性和外界干扰等特点,设计全包线模糊鲁棒跟踪控制器.通过模糊c-均值聚类建立逼近全包线动态的模糊T-S（Takagi-Sugeno）模型.基于高度和空速跟踪增广系统,根据保性能控制理论,采用广义系统的模糊Lyapunov函数方法,以线性矩阵不等式形式给出全包线模糊鲁棒跟踪控制器参数的约束条件,保证广义系统稳定.并最小化扰动抑制度来优化控制参数.该控制器既降低了控制保守性,又减小了参数求解的复杂度.仿真表明,无人机在整个飞行包线内能够精确地跟踪空速和高度参考指令,对参数不确定和外界干扰具有强鲁棒性.      

基于LMI的模糊增益调参控制器的设计

利用线性矩阵不等式(LMI)技术将增益调参的控制律设计转化为相应的LMI凸优化问题,结合 模糊控制和H_∞方法,给出了一种基于LMI的模糊参数化的飞控系统增益调参控制器的 设计方法,该方法解决了传统增益调参设计中以经验设计的弊病,并保证了系统的全局 稳定性及鲁棒性能要求.将该方法应用于某型飞机模型上,仿真结果表明该设计方法简便有 效,且控制器鲁棒性较好.     

月球重力转弯软着陆的模糊变结构控制

针对月球软着陆的最终段,提出了以重力转弯方式进行软着陆的模糊变结构制导律.首先设计了次优滑动面,然后引入模糊控制器,使滑动变量逐渐收敛到0,实现安全着陆.考虑了发动机推力偏差、着陆器初始质量估计偏差、月球引力加速度偏差、初始条件干扰、敏感器测量误差及姿态跟踪误差.并用Monte Carlo技术验证了所设计的模糊变结构制导律具有很强的鲁棒性,能够克服各种随机偏差及干扰的影响.因此,所设计的软着陆制导律是可行的,并且只须以斜向距离和斜向速度作为输入,工程实现简单.      

基于遗传模糊聚类的机群编队最优分配方法

针对当前机群的编队分配存在效率低、编队分配结果不可靠、智能性差等问题,提出了一种新的结合遗传算法和模糊聚类算法的机群编队最优分配方法.该混合算法通过模糊聚类算法解决了机群的编队分配不确定性问题,并且通过对传统遗传操作算子的改进,采用改进的遗传算法有效地克服了模糊聚类算法容易陷入局部极小值和对初始条件敏感的缺点,使机群的编队分配能快速收敛至全局最优解.3组不同分布类型的机群编队分配算例结果表明,该混合算法具有较好的通用性、有效性和智能性,适用于机群的编队最优分配.      

飞机环境控制系统的模糊控制研究

地面实验表明,采用传统PID(Proportional-Integral-Differential)控制方法的飞机环境控制系统不能很好的解决电子设备和座舱的温度控制问题.采用了基于遗传算法优化的模糊控制方法,根据系统不同的工作任务,分别采用了2种模糊控制规则.通过优化输入输出变量的隶属度函数参数,使得新的模糊控制系统具有响应快、超调小、稳态精度高的特点.仿真表明,该模糊控制系统优于原系统并且能够满足飞机环境控制系统的设计要求.      

基于模糊控制的纳卫星热控系统仿真

建立了球状纳卫星温度系统动态特性方程组,确定系统稳态温度值后搭建温度系统模型;设计合理的模糊逻辑控制器,与温度系统模型部分相结合,完成整个热控系统模型;分别采用±50%的阶跃信号模拟纳卫星温度系统在空间运行时受舱内仪器热源改变和外壳、辐射器所接受的太阳辐射加热量改变的影响,执行热控系统仿真,绘制仿真曲线与不加控制前的结果相比较.仿真结果表明,将模糊控制系统运用于纳卫星热控系统中能够准确、快速地对其系统温度进行合理控制,具有鲁棒性好、对参数变换不敏感、适应性强以及过渡过程时间短等优点.      

基于改进核聚类算法的空间目标识别方法

根据目标区域的矩特征,几何特征以及灰度特征,提取出目标的特征向量,并通过聚类算法对空间目标进行识别,提出了一种基于Voronoi距离的核聚类算法（KFCM）。该算法通过引入一种新的距离度量,使得隶属度函数更加的明晰,改善了核聚类算法极易陷入最小值的问题。运用改进的核聚类算法对3类空间目标进行识别,试验结果验证了算法的正确性和有效性。     

不确定非线性主动容错控制系统模糊控制设计

考虑到实际主动容错控制系统中故障以及故障检测与隔离(FDI,Fault Detection and Isolation)决策出现的随机性,随机故障与FDI决策行为分别用两个Markov过程描述,用T-S(Takagi-Sugeno)模糊模型表达不确定非线性主动容错控制系统,并基于并行分布补偿(PDC,Parallel Distributed Compensation)方案,给出了能够保证闭环模糊系统鲁棒随机稳定的模糊控制器设计方法.鲁棒容错模糊控制器的存在条件由一组线性矩阵不等式(LMI,Linear Matrix Inequality)给出,从而方便地利用优化技术求解,随后倒车控制系统的仿真结果验证了所建议方法的有效性.