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。     

PSO-LSSVM在民机气动性能数学建模上的应用

目前风洞试验仅为民用飞机飞行性能提供有限数据.全飞行包线的技术支持对于民机飞行试验十分重要,需要采用数学建模和参数辨识的方法.选择合适的机器学习算法是参数辨识中最为关键的一步.支持向量机(SVM)采用结构风险最小化原理,尤其适用于小样本情形.根据A320非巡航起降阶段的几组真实数据,以及全机气动力估算的结果,使用最小二乘支持向量机建立预测模型.随后采用粒子群算法优化模型参数从而提升泛化能力.由此实现民机飞行包线的气动性能整体建模与辨识.与Ma=0.78时的实验数据相比较,PSO-LSSVM模型的预测结果吻合,是一种有效的气动数学建模方法.     

复杂结构飞行器的飞行载荷建模方法研究

复杂结构飞行器的传统飞行载荷建模方法存在误差大、效率低的问题。考虑电桥指标及载荷方程指标对载荷模型的综合影响,提出一种飞行载荷改进建模方法,以多梁多墙结构为例,基于某型机机翼地面载荷校准试验数据建立载荷模型,将改进方法与传统方法计算的弯矩及剪力进行对比,结合试飞数据对改进方法所得模型进行验证。结果表明：该飞行载荷改进建...     

基于支持向量机的概率型飞行冲突探测算法

为解决自由飞行条件下冲突探测概率估计问题,提出了一种基于支持向量机(SVM)的概率型飞行冲突探测算法。首先对飞机运动轨迹及保护区建模,飞机预测航迹误差服从高斯分布,以目标机为中心建立椭球保护区E模型,获得冲突和不冲突样本。在此基础上,选取飞机当前位置、速度矢量和向前看时间为特征量,采用SMOTE重采样方法解决样本不均衡问题,进行SVM训练,并通过Sigmoid函数概率映射法求解冲突概率,建立冲突探测模型。仿真结果表明,所提出的算法能够探测中短期向前看时间内飞行冲突,所得冲突概率准确、虚警率较低。     

支持向量机时间序列预测模型的参数影响分析与自适应优化

建立在统计学习理论和结构风险最小原则上的支持向量机在理论上保证了模型的最大泛化能力,因此与建立在经验风险最小原则上的神经网络模型相比,理论上更为完善.本文运用支持向量机建立时间序列预测模型,研究影响模型预测精度的相关参数,在分析参数对时间序列预测精度的影响基础上,提出用遗传算法建立支持向量机预测模型的参数自适应优化算法.最后,用太阳黑子数据和航空发动机油样光谱数据进行了预测分析.算例表明了本文算法的正确性.     

基于支持向量机回归的民机航材消耗预测研究

航材作为装备保障的关键部件,其精确化保障在降低库存管理成本、优化资金分配、提高飞行安全等方面有重要作用。为保障飞机正常起飞,增加航空公司运营收入,降低航材保障费用,针对飞机航材消耗样本小、变化大难以预测的问题,提出一种基于支持向量机回归的航材消耗预测模型。以某国产民用飞机实际消耗数据为例,对支持向量机回归模型的预测精度进行验证。结果表明：该支持向量机回归模型对小样本数据有很好的适应性,相比指数平滑法具有更高的预测精度。     

基于单纯B样条的航空发动机机载稳态模型研究

为了减小航空发动机稳态建模的模型误差、降低复杂度及提升其实时性,提出了一种基于单纯B样条函数的航空发动机稳态模型建模方法。该函数是局部多项式基函数的线性组合,因此求解该函数为线性回归问题,通过运用广义最小二乘方法来求解B系数,从而提高计算效率和提高模型精度。最后建立了基于该算法的二维和四维涡扇发动机稳态模型,并分别与相同建模样本条件下的多输入多输出约简迭代最小二乘支持向量机稳态模型进行了比较,表明了单纯B样条建模方法不仅继承了B样条的算法复杂度低、存储数据量小和实时性好等优点,同时避免了最小二乘支持向量回归机不能拟合大样本数据的缺点,且拟合效果优于最小二乘支持向量机。     

基于支持向量机的飞行控制系统辨识

以飞机为研究背景,基于系统辨识中的串-并联辨识模型,应用一种支持向量回归机的方法,对飞行控制系统模型进行了辨识。通过仿真,成功地得到了飞行控制系统的辨识模型。结果表明:该方法有很好的预测性能,具有很高的精度,同时也能很好地反映飞行控制系统的特性。     

基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSOLSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSOLSSVM算法能获得最优的LSSVM参数,且采用PSOLSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。     

基于飞行参数的舰载机拦阻力统计建模与预计

拦阻钩是舰载飞机最重要的特征部件之一，对其受载进行测量、统计建模与预计具有重要的工程意义。在飞机拦阻动力学分析基础上确定了飞行数据统计建模所需的关键参数，结合某型机载荷试飞、机舰适配性试验，实测研究了飞机拦阻实际受载特点，采用线性或非线性方法统计建立了最大拦阻力与常规飞行参数之间的拟合函数关系，并得到了最大拦阻力的预计模型。建模、验模与预计结果表明，所选关键参数合理，能够充分反映拦阻钩的受载及其主要影响因素，采用纵向过载、啮合速度和发动机高压转速等参数建立的拦阻载荷统计模型可用于拦阻着陆或着舰试验时最大拦阻力的有效预测。     

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。     

基于相似理论的航空发动机风扇转速换算方法的改进

基于相似理论提出一种通过变指数因子计算航空发动机风扇换算转速的改进方法.收集不同公司的某型航空发动机的巡航数据建立数据样本.采用支持向量回归机方法建立指数因子与大气温度的数学模型并利用遗传算法对模型参数进行寻优,进而得到由风扇指示转速和大气温度计算风扇换算转速的变指数因子模型.使用该模型对样本数据进行计算,并把结果与定指数因子方法求解的风扇换算转速进行对比,对改进算法与定指数法换算结果进行了误差分析.结果表明:改进后的变指数因子模型计算的航空发动机风扇换算转速具有更高的精度,同时具有良好的推广泛化性能,该方法是航空发动机风扇换算转速的一种有效算法,在航空发动机性能预测也具有实际的指导意义.      

基于飞行参数的飞机结构载荷最优回归模型

基于飞行参数获取外场飞机疲劳关键结构载荷历程是结构故障预测与健康管理系统的一项关键技术,如何构建鲁棒性好且精度高的结构载荷回归模型是保证载荷识别和寿命预测准确性的关键。结合多元线性回归分析,提出并详细介绍了一种筛选最优输入参数组合的技术途径：首先,进行多重共线性诊断以减弱自变量之间的多重共线性;然后,进行残差分析,删除异常样本点;最后,采用逐步回归法筛选出最优自变量组合。指出传统的多重共线性诊断方法存在一定弊端,并分别基于偏相关系数法和辅助回归方程法,提出了2种更为合理可行的诊断方法。以典型战斗机翼身连接框某关键部位的载荷和应力为样本数据,对最优输入参数组合的筛选步骤展开详细说明,验证了所提出的技术途径不仅可以确保飞机结构载荷模型的精度,而且可以提高模型的稳定性和鲁棒性。     

自由飞行下基于集成学习的概率型冲突探测算法

空中交通流量的持续增加对中、短期飞行冲突探测的精度与处理大量目标的能力的要求更高,提出基于集成学习(ensemble learning)的冲突探测算法。首先,对飞机冲突过程建模,收集飞行样本;其次,提取飞机当前位置、速度矢量、向前看时间、待转弯时刻和转角为特征量,训练基本分类器,获得元数据集;然后,以支持向量机为二级分类器,元数据集为新的特征量,训练Stacking元分类器(meta classifier),分类阶段通过Sigmoid函数概率映射法输出冲突概率;最后进行仿真分析。结果表明:基于集成学习的冲突探测算法对冲突探测具有较高的准确率,使得虚警概率大幅下降,且适用于转弯飞行。     

Location layout design of aircraft parts assembly based on MSVR

Location layout of aircraft assembly is an important factor affecting product quality. Most of the existing re-searches use the combination of finite element analysis and intelligent algorithm to optimize the location layout, which are limited by numerical simulation accuracy and the selection and improvement of intelligent algorithms. At present, the analysis and decision-making technology based on field data is gradually applied in aircraft manufacturing. Based on the perception data of intelligent assembly unit of aircraft parts, a regression model of multi-input and multi-output support vector machine with Gauss kernel function as radial basis function is established, and the hyperparameters of the model are optimized by hybrid particle swarm optimization genetic algorithm (PSO-GA). GA-MSVR, PSO-MSVR and PSOGA-MSVR model are constructed respectively, and their results show that PSOGA-MSVR model has the best performance. Finally, the design of the aircraft wing location layout is taken as an example to verify the effectiveness of the method.     

基于支持向量机回归和RBF神经网络的PID整定

针对工业控制领域中非线性系统控制,在基于梯度下降法的RBF网络PID整定的基础上,对整定算法作出改进,控制目标不再是使当前跟踪误差最小,而是使当前跟踪误差和下一时刻跟踪误差的平方和最小。实现过程为:先由RBF神经网络在线辨识被控对象离散模型,得到被控对象的Jacobian信息,采用梯度下降法对PID控制器参数进行初步整定;然后,将系统跟踪误差和PID参数输入支持向量机模型,通过回归预测系统下一时刻的误差,改进的整定算法利用预测误差信息对参数进行再整定。仿真结果表明,引入支持向量机回归优化的RBF神经网络PID整定收敛速度更快,精度更高,跟踪性能优于RBF神经网络PID整定。     

An adaptive turbo-shaft engine modeling method based on PS and MRR-LSSVR algorithms

In order to establish an adaptive turbo-shaft engine model with high accuracy, a new modeling method based on parameter selection (PS) algorithm and multi-input multi-output recursive reduced least square support vector regression (MRR-LSSVR) machine is proposed. Firstly, the PS algorithm is designed to choose the most reasonable inputs of the adaptive module. During this process, a wrapper criterion based on least square support vector regression (LSSVR) machine is adopted, which can not only reduce computational complexity but also enhance generalization performance. Secondly, with the input variables determined by the PS algorithm, a mapping model of engine parameter estimation is trained off-line using MRR-LSSVR, which has a satisfying accuracy within 5&. Finally, based on a numerical simulation platform of an integrated helicopter/ turbo-shaft engine system, an adaptive turbo-shaft engine model is developed and tested in a certain flight envelope. Under the condition of single or multiple engine components being degraded, many simulation experiments are carried out, and the simulation results show the effectiveness and validity of the proposed adaptive modeling method.     

基于机器学习的航空器进近飞行时间预测

为了准确预测航空器的落地时间，提高空管部门间的协作效率，采用机器学习的方法对航空器进近阶段飞行时间进行了预测。从实际运行出发，分析航空器在进近管制空域飞行时间产生差异的原因，提出了影响航空器在进近空域飞行的8类因素和17个重要特征。以航空器在进近飞行时间为标签，基于提出的重要特征，采用岭回归、支持向量机、随机森林和神经网络算法，建立了4种基于机器学习的航空器进近飞行时间预测模型。以南京进近为实例，对4种机器学习模型进行训练、验证和测试，对模型的性能指标、特征重要性和影响因素展开分析。研究结果表明，对于航空器进近飞行时间的预测，基于随机森林的模型表现出了最高的预测性能，模型的泛化能力最好、精确度高，回归效果越显著；进场状态是影响航空器进近飞行时间的最重要因素，而进场点和进场高度特征则对结果的贡献度最大。