基于在线LS-SVM算法的变参数混沌时间序列预测

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列。变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tan-kens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题。最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少。提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列。对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列。     

嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法.该方法将嵌入维数作为影响状态时间序列预测精度的重要参数,以交叉验证误差为评价准则,利用粒子群优化(PSO)进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型.航空发动机排气温度(EGT)预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测.     

AO-LSSVM在铣削铝合金表面粗糙度预测研究与应用

为提高铣削7475铝合金表面粗糙度（）的预测准确性和便捷性，本文基于天鹰优化器算法（AO）对最小二乘向量机（LSSVM）进行优化，以4个铣削参数作为输入值，作为输出值构建铣削铝合金预测模型，通过与粒子群（PSO）优化最小二乘支持向量机（LSSVM）和LSSVM 两种算法进行对比，采用灰色关联对铣削参数与表面粗糙度之间的相关性进行分析并通过GUI界面搭建预测系统。结果表明：基于AO-LSSVM的预测模型的预测误差为4.287 6%，拟合优度达到0.938 64，优于其他算法；每齿进给量与的相关性最大，灰色关联度值为0.764；通过GUI预测应用系统能实现高效、便捷、准确地预测值。     

基于免疫粒子群算法的滑油屑末支持向量机预测模型设计

将人工免疫理论的克隆选择算法中的抗体克隆、变异和抑制策略引入粒子群优化算法中,提出了一种基于克隆选择的免疫粒子群优化算法,克服了基本粒子群算法易于陷入局部最优解的缺点.针对支持向量机预测模型的参数选择影响其预测精度的问题,引入免疫粒子群优化算法设计了参数自适应优化的航空发动机滑油屑末支持向量机预测模型.仿真结果表明:与传统的交叉验证试算法相比,基于免疫粒子群优化的预测模型实现了参数的自动择优,并且提高了预测精度.      

嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

 针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法。该方法将嵌入维数作为影响状态时间序列预测精度的重?问?以交叉验证误差为评价准则,利用粒子群优化（PSO）进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型。航空发动机排气温度（EGT）预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测。     

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。     

基于遗传算法的航空发动机机载模型支持向量机修正方法

航空发动机的实时模型与发动机的匹配精度直接影响着航空发动机故障诊断的精度.提出了基于自适应遗传算法的最小二乘支持向量回归机(AGA-LSSVR)方法对航空发动机机载实时模型进行修正,有效的提高了模型的匹配精度.分析了最小二乘支持向量机中的参数的选取对模型修正的影响,在参数的选取空间里采用自适应遗传算法搜索最优参数.最后,比较了Back propagation(BP)神经网络、支持向量回归机、AGA-LSSVR等方法在机载模型中的修正效果.结果表明:提出的AGA-LSSVR具有很好的修正精度,验证了修正模型的有效性.      

基于优化最小二乘支持向量机的小样本预测研究

统计学中的预测问题主要是通过对已知数据的分析,找到数据内在的相互依赖关系,从而获得对未知数据的预测能力。该文提出了最小二乘支持向量机参数优化方法———多层动态自适应优化算法,构建了基于最小二乘支持向量机的预测模型,并对Ti 26合金的性能预测进行了研究。结果表明:优化的最小二乘支持向量机具有优秀的小样本数据学习能力和预测能力。     

利用粒子群支持向量机预测轴流压气机机匣壁面压力

建立了基于粒子群优化的轴流压气机机匣压力支持向量机预测模型.利用支持向量机的强大非线性映射能力,实现了对某型轴流压气机机匣压力时间序列的非线性预测,并运用粒子群优化算法对支持向量机的重要参数进行了优化,增强了预测模型对混沌动力学的联想和泛化推理能力,提高了预测的精度和稳定性.而针对发动机台架试验数据的预测结果证明了方法...     

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.     

基于样条曲线的机动弹头再入轨迹优化研究

使用三次样条函数拟合再入飞行器纵向运动轨迹,以样条曲线上的控制节点为优化参数,将再入轨迹优化问题转化为静态参数优化问题.最后以纵向平面内的最优轨迹为例,以终点速度最大和飞行时间最短为优化目标,采用基于Pareto定级排序遗传算法求解了在末端状态受约束的最优再入轨迹问题,验证了该方法的有效性.     

确定飞机杆力-杆位移曲线拐点的复合形最优化算法

应用复合形法的最优化方法，对实际测试获得的飞机杆力-杆位移采集数据，进行分段直线拟合绘制出杆力-杆位移特性曲线，并推导了过定点的最小二乘直线拟合公式。该方法允许参数初值选择范围宽，并具有算法简单、可靠，收敛速度快的优点。     

基于NURBS曲线的轴流透平叶片气动 数值优化

通过搭建适用于轴流式透平叶片气动数值优化的设计平台,对某NASA透平级动静叶片进行等熵效率、流量相对变化、落压比相对变化的多目标寻优.该平台包括三个核心模块: 叶片的参数化造型、流场气动性能评估、优化策略.采用非均匀有理B样条(NURBS)曲线对叶片进行参数化拟合;针对叶片气动数值优化的多变量、多模态的特征,采用试验设计和遗传算法组合优化策略进行寻优.经过气动优化, 在设计工况点优化叶片性能较原始叶片有明显提高,为轴流式叶片的气动优化提供了可借鉴的措施.      

航空发动机部件性能故障融合诊断方法研究

提出一种对航空发动机部件性能蜕化进行融合诊断的模糊决策融合机制,以改善单独采用基于模型和基于数据的部件性能故障诊断的漏诊与误诊的问题.传感器测量值同时输入到基于自适应模型的和基于数据的诊断模块中,分别利用卡尔曼滤波算法和最小二乘支持向量机(LSSVM)对主要部件故障性能参数估计,再利用模糊逻辑调整决策权重以进行D-S(Dempster-Shafer)证据理论的决策融合诊断.以某型涡扇发动机为对象进行单部件和双部件蜕化仿真研究表明,与单独使用基于模型和基于数据的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度.      

自适应的光纤布拉格光栅图像寻峰算法

根据实际光谱特征, 提出了自适应的光纤布拉格光栅图像寻峰算法。针对 不同环境物理场及噪声分布下的光栅谱型,该算法能自动检测光谱的带宽和信噪比,自 适应地调整算法的高斯模板带宽大小,提高谱型匹配及滤波效果,从而提高寻峰精度。 将该算法与高斯拟合法、质心法进行对比,分析了其在不同噪声大小及非均匀温度场分 布下光纤布拉格光栅反射光谱的寻峰精度。理论仿真及实际寻峰结果表明,该寻峰算法 具有较强的抗噪能力及谱型适应性,较质心法、高斯拟合法具有显著优势。     

双三相永磁同步发电机多目标优化设计

为实现双三相永磁同步发电机(PMSG)的低固有电压调整率、高发电效率和低成本的特性,研究了侧重于降低固有电压调整率的多目标优化设计方案。采用解析法建立单元电机磁链模型,以永磁体磁化方向长度、永磁体所跨弧长和单元电机相绕组匝数为设计变量,分析上述参数对固有电压调整率、发电效率等评价指标的影响,并提出了基于权重系数的多目标优化函数。分别用标准遗传算法(SGA)、差分进化算法(DE)和基于以上2种算法的混合遗传算法(HGA)优化设计参数并进行对比。试验结果表明,HGA优化效果与设计目标具有良好的一致性,与初始设计参数相比,优化后的电机输出能力以及稳压能力均有所改善。     

NURBS曲线插补算法在圆弧插补中的分析与实现

NURBS曲线插补技术是目前高档数控机床研究的一个热点问题,针对传统插补方法中存在的精度低,速度慢的缺点,本文在分析NURBS曲线特点的基础上,提出了一种基于轮廓误差调整的圆弧曲线插补算法,实时修正插补参数,减小轮廓误差,并进行了仿真实现。通过与传统插补方法对比实验表明,该方法可以极大提高圆弧曲线的插补精度及插补效率,满足插补运算实时性的要求。     

石英挠性加速度计I/F转换电路软件补偿研究

为提高石英挠性加速度计电流频率转换的线性度,本文从软件补偿角度出发,针对电流频率转换的特点,利用了曲线拟合方法对试验数据进行处理,设计了硬件补偿电路,验证了软件补偿方法可以提高电流频率转换的线性度。     

基于遗传算法的正弦波四参数曲线拟合

曲线拟合法能够精确地提取正弦信号的四个参数。但是，由于数据处理比较困难，其应用在一定程度上受到了制约。本文提出了一种基于遗传算法的求解方法，研究了算法应用中初始种群数、繁殖代数和编码方式的选取以及适应度函数的设计。实验数据表明，该方法具有全局收敛和准确度高的优点。     

基于PXI总线的正弦信号失真度测量

提出了一种基于PXI总线的正弦信号失真度测量方案,该方案利用高精度数据采集卡对被测信号进行数据采集,应用基于遗传算法的曲线拟合方法对采集数据进行处理.实验证明该方案精度高,扩展性好,具有很高的应用价值.