基于SVM的小样本可靠性数据分布模式识别研究

小样本数据分布模式识别是航空新装备可靠性分析中亟需解决的一个难题。采用现代统计学原理及支持向量机多分类算法提取了数据分布特征参数,构建了小样本数据分布模式识别模型。测试结果表明,模型对小样本数据分布模式具有较强的识别能力。     

基于SOM网络的军事供应链绩效评估

根据平衡记分卡原理确定了影响军事供应链绩效的6个关键因素,继而建立了具有聚类功能的自组织映射SOM(Self-Organization Feature Map)网络模型.模型以调研得到的各个因素优劣评分组成的向量为输入向量,经过SOM网络把24个样本向量分为了优、良、中和一般4类,建立了评估标准.最后进行了评估应用,与...     

基于灰色聚类的磨粒自动识别

 将灰色系统理论中的聚类分析技术用于磨损颗粒的自动识别, 编制了相应的计算机模拟程序。在对磨粒图象的形态特征参数进行敏感性分析的基础上, 确定了各参数的灰类白化权函数, 并结合磨粒识别的试验研究, 给出了磨粒各特征参数的聚类权值。应用此方法对一组标准磨粒进行了模拟识别, 识别正确率在90% 以上, 并且识别速度很快, 大大优于传统的磨粒识别方法。     

一种基于时频分析的欠定盲源分离算法

针对欠定盲源分离,提出了基于时频域信源数估计的盲源分离算法。通过短时傅里叶变换将信号变换至时频域进行分析。在混合矩阵估计环节,根据源信号稀疏性的假设,在时频域利用信号的时间频率比,确定与源信号对应的混合向量。在混合向量聚类过程中,利用同类向量间的距离以及向量不同聚类间的解析度,提出一种信源数估计方法,解决了在聚类算法中假设信源数已知的问题。在源信号分离环节,利用时频子空间中接收信号相关矩阵对角线元素与剩余元素的比值,提出一种子空间信源数估计算法,通过确定信源数,将子空间中欠定模型转换为超定或正定模型,以完成源信号分离。仿真证明算法对混合矩阵估计的正确性以及信号分离的可靠性。     

基于灰色理论的航空发动机可靠性指标评估方法

以层次分析理论为基础,采用二次分布和灰色理论综合评估方法,建立了航空发动机可靠性指标评估模型。将发动机可靠性指标分为总体级、危害度级、故障模式三个层次,故障模式级的数据融合采用二次分布和加权平均的方法,危害度级的数据融合采用层次分析-灰色理论综合评估方法,将航空发动机可靠性指标分散描述成属于不同灰类的向量,将评估灰类向量进行单值化处理得到发动机总体可靠性指标,实现了发动机可靠性指标从故障模式级到危害度级再到总体指标的逐步融合。对某型涡扇发动机应用表明,基于层次分析-灰色理论的评估模型应用范围广泛,对数据的分布类型不予限制,评估结构清晰,分层次反映了发动机的可靠性状态。     

航空发动机传感器解析余度模型的建立方法

为了使用解析余度模型对传感器故障进行诊断,提出了1种基于K-均值聚类与改进微分进化算法优化的极端学习机(IDE-ELM)的发动机传感器解析余度模型建立方法。为避免求解ELM算法时H矩阵奇异,采用K-均值聚类对试验数据进行聚类处理,然后从每类数据中选取1组数据组成训练样本用于训练;利用IDE算法优化ELM的输入层权值和偏置,提高ELM的泛化能力。利用飞行试验数据进行了仿真验证。结果表明:基于K-均值聚类和IDE-ELM设计的传感器解析余度模型具有较高的精度,可用于FADEC系统双通道传感器的故障诊断。     

基于模糊支持向量机的飞机飞行动作识别

传统的支持向量机由两类扩展到多类问题时,出现不可分区域。针对飞行动作识别提出解决这一现象的模糊支持向量机。采用模糊支持向量机对某型飞机飞行动作进行识别。实际飞参数据(6种飞行动作模式)的识别结果表明,模糊支持向量机较传统的多类支持向量分类器在飞机飞行动作识别率上有显著提高。     

基于数据库的收缩型航迹聚类模型仿真研究

针对传统聚类算法只能选取少量数据源进行仿真分析,得到的聚类效果不能真实体现数据流的宏观特征的问题,考虑了海量航迹数据中的离群点检测以及离群点剔除,提出一种新的基于数据库的收缩型航迹聚类仿真模型,将三维空间网格化,建立K-means聚类和层次聚类双重交互算法,对网格中的离群点进行识别并剔除.解决了航迹聚类中的关键技术问题.通过对西北地区3 G海量二次雷达数据的聚类仿真分析,使航迹聚类仿真的耗时从h级降低至s级,并且得到的航迹分布特征清晰,验证了新模型对于海量数据宏观特征提取具有可行性和优越性,模型和算法对全国二次雷达航迹数据仿真具有借鉴意义.     

飞机蒙皮缺陷磁光图像识别算法研究

提出一种基于模糊支持向量机自动识别飞机蒙皮磁光图像中铆钉裂纹缺陷的新方法。针对铆钉磁光图像的不规则圆形特点．采用阈值法确定近似铆钉区域中心，将由中心发出的星形射线矢量作为识别的基本特征，采用模糊支持向量机方法对铆钉周围裂纹的方向进行分类。其中，支持向量机采用径向基核函数，利用网格法选取核宽度惩罚常数．并结合模糊隶属度函数解决多类分类问题中存在的错分、拒分现象。样本测试实验结果表明，算法具有很高的识别率。     

基于自组织拓扑映射图的发动机故障诊断研究

根据SOM自组织网络的高维数据矢量量化、快速聚类、信息融合和拓扑映射等特征,建立了发动机故障诊断可视拓扑映射图模型,给出了映射模式误差测度和拓扑误差测度,并通过拓扑映射图对发动机故障进行诊断,获得了很好的效果。同时,进一步通过建立的故障模式的测量参数灰度图,可以清晰地观察到故障模式矢量特征、测量参数相关性特征、参数变化趋势,并可进行更深层次故障机理分析。     

一种改进的自组织特征映射算法

针对SOM算法用于训练生成矢量量化码书存在的不足，提出了一种基于频率敏感的自组织特征映射算法（FSOM）．并应用到图像矢量量化中。实验表明，与SOM算法相比。FSOM算法具有更好的聚类特性和峰峰信噪比（PSNR），是一种有效的码书设计算法。     

飞机起飞着陆性能智能计算模型及应用

提出了一种飞机起飞着陆性能智能计算思路。详细分析了影响飞机高原起飞着陆性能的主要因素,提出了高原起飞着陆性能智能计算的一般模型,然后采用支持向量机(Support Vector Machines,SVM)对某型飞机高原起飞滑跑距离实测数据进行了建模和验算,同时为说明支持向量机模型适合工程使用、精度高、推广性高的优点,还与贝叶斯正则化BP神经网络(BRBP)、RBF神经网络(RBF)、自适应神经模糊推理系统(ANFIS)做了比较。计算结果表明,支持向量机具有很好的推广性能,得到的结果优于BRBP,RBF和ANFIS等智能计算方法,推广误差能够满足工程的实际需要。该模型对于发展和丰富飞行器起飞着陆性能计算理论具有一定的参考价值。     

航空发动机故障的支持矢量机智能诊断

引入支持矢量机和多元分类算法到航空发动机故障诊断当中。通过设计的多元分类支持矢量机构建了小样本多参数航空发动机故障智能诊断模型，然后通过发动机故障仿真器对典型发动机气路故障进行了诊断。结果表明，支持矢量机具有优秀的故障学习能力，采用它进行航空发动机故障诊断是可行、有效的。     

军用飞机效费综合特性的可视拓扑映射评估

根据SOM网络原理,采用Voronoi向量改进了SOM网络算法,提高了其收敛速度和映射精度,实现了可视拓扑映射图。应用改进算法构建了军用飞机效费综合特性可视拓扑映射图评估模型,并对现代几种军用飞机效费综合特性进行了可视化综合评估。可视拓扑映射图可以直观地反映不同型号飞机的效费综合特性、参数相关特征、参数变化趋势,而且能对飞机效费综合特性相似性预测,从而为军用飞机效费综合特性分析提供了一种新的有效方法。     

A hybrid original approach for prediction of the aerodynamic coe?cients of an ATR-42 scaled wing model

A new approach for the prediction of lift, drag, and moment coefficients is presented. This approach is based on the support vector machines (SVMs) methodology and an optimization meta-heuristic algorithm called extended great deluge (EGD). The novelty of this approach is the hybridization between the SVM and the EGD algorithm. The EGD is used to optimize the SVM parameters. The training and validation of this new identification approach is realized using the aerodynamic coefficients of an ATR-42 wing model. The aerodynamic coefficients data are obtained with the XFoil software and experimental tests using the Price–Pa?doussis wind tunnel. The predicted results with our approach are compared with those from the XFoil software and experimental results for different flight cases of angles of attack and Mach numbers. The main pur-pose of this methodology is to rapidly predict aircraft aerodynamic coefficients.     

基于支持向量机的飞机空中结冰严重程度识别

为了保证飞机的飞行安全,必须对飞机空中结冰的严重程度作出较准确的判断。针对飞机空中结冰状况的复杂性,提出将支持向量机与二分法相结合的飞机空中结冰严重程度识别的算法模型。仿真结果表明,虽然该训练样本较少且为多参量分类识别,但是由于建立了多支持向量机且采用二分法的概率抉择能找到最佳的建立支持向量机的分类方式,所以找到了最佳的分类方式,提高了分类准确率,而且可以较准确地识别飞机空中结冰的严重程度。可见该方法可以在训练样本较少的情况下对飞机空中结冰严重程度作出较好的识别效果。     

Inflatable Wing Design Parameter Optimization Using Orthogonal Testing and Support Vector Machines

The robust parameter design method is a traditional approach to robust experimental design that seeks to obtain the optimal combination of factors/levels. To overcome some of the defects of the inflatable wing parameter design method, this paper proposes an optimization design scheme based on orthogonal testing and support vector machines (SVMs). Orthogonal testing design is used to estimate the appropriate initial value and variation domain of each variable to decrease the number of iterations and improve the identification accuracy and efficiency. Orthogonal tests consisting of three factors and three levels are designed to analyze the parameters of pressure, uniform applied load and the number of chambers that affect the bending response of inflatable wings. An SVM intelligent model is established and limited orthogonal test swatches are studied. Thus, the precise relationships between each parameter and product quality features, as well the signal-to-noise ratio (SNR), can be obtained. This can guide general technological design optimization.     

基于大规模训练集SVM的发动机故障诊断

提出了一种新的学习策略,用于解决发动机故障诊断中大规模支持向量机(SVM)的训练问题.通过保留初始SVM分类器支持向量超平面附近的样本以及错分样本,使最终得到的约减集规模明显缩小,从而可在保持较高分类精度的前提下使训练时间明显缩短;同时,由于支持向量的数量减小,分类时间也相应缩短.探讨了序贯最小优化(SMO)算法的参数选择和实现过程中的关键问题,为这种极具潜力的算法在发动机故障诊断中的实际应用奠定了坚实的基础.仿真实例表明,这种基于大规模训练集SVM的发动机故障诊断方法有效、可靠,容易实现,可以作为工程应用的基础.      

支持向量机的B737飞机水平尾翼裂纹故障预测

为保障飞机的飞行安全,做到预防性维修,提升飞机的飞行安全及任务出勤率,需要对飞机结构出现的疲劳裂纹进行及时检测并修理。基于支持向量机理论,建立了支持向量机回归预测模型,并应用该模型对B737飞机水平尾翼健康信息的特征值(小波包分解系数提取的能量)进行了故障预测研究。为建立最佳支持向量机模型,选用了支持向量机四种常用的核函数分别对特征值进行了预测。同时还对支持向量机预测模型与神经网络预测模型(BP神经网络预测模型)的预测结果进行了比较与分析,研究表明,应用支持向量机所设计的预测模型准确率比较高,可以较好地对飞机水平尾翼的裂纹故障进行预测。