基于支持向量回归机的发动机/直升机扭矩超前控制

主要研究涡轴发动机转速按扰动补偿控制问题,提出了一种基于迭代约简最小二乘支持向量回归机算法和模型预测机制的直升机扭矩动态超前预测模型设计方法.首先用迭代约简最小二乘支持向量回归机设计了旋翼扭矩按飞行状态和操纵量估计的非参数动态反馈模型,然后设置了扭矩模型预测机制,以获得扭矩的超前动态信息.接着利用扭矩超前预测信息设计了...     

基于模糊信息粒化和优化SVM的航空发动机性能趋势预测

提出采用模糊信息粒化(FIG)和优化的支持向量机(SVM)来预测航空发动机参数的变化趋势和变化空间。利用模糊信息粒化方法对性能参数进行粒化处理。以K CV验证误差最小作为优化目标,采用遗传算法(GA)实现支持向量机惩罚参数和核函数参数的自适应优化选择；训练SVM模型并进行并对模糊粒子非线性预测。利用某航空公司的某型航空发动机性能参数监测数据进行验证,结果表明:该算法可以有效实现航空发动机性能参数变化趋势和变化空间预测。在实例基础上分析了窗口大小对算法预测精度的影响以及算法多步预测的效果,得出算法最佳窗口大小为3个数据且算法3步以内预测误差小于10%。      

基于信息熵距和FSVM隶属度的转子振动状态评估方法

为了更有效、直观地对航空发动机的振动状态进行实时监控,运用信息熵和模糊支持向量机(FSVM)方法,建立了基于信息熵距和FSVM隶属度的转子振动状态评估方法。研究了振动信号的信息熵特征,提出了可以表示转子振动状态的指标—信息熵距;通过模糊支持向量机(FSVM)确定模糊隶属度矩阵,将模糊隶属度矩阵与信息熵距相结合,建立了一个多参数的转子振动状态评估模型;应用此模型对转子振动信号进行系统分析和定量计算,验证了该方法用于转子振动状态评估是有效、可行的。      

民用航空发动机水洗时机决策方法

为了解决民用航空发动机定时水洗带来的水洗效果不明显或者未及时水洗的问题,对发动机水洗时机决策方法进行了研究.对水洗效果进行了分析,提出以期望水洗效果作为水洗时机确定的依据.考虑到水洗效果影响因素众多以及水洗样本容量小,将主成分分析与支持向量机结合起来,建立了发动机水洗效果预测模型.基于期望水洗效果以及预测的水洗效果确定合理的水洗时机.验证结果表明,建立的水洗效果预测模型优于多元线性回归模型,也优于单纯的支持向量机模型.     

基于支持向量机的航空发动机性能衰退指标预测

针对航空发动机性能衰退状态的趋势预测问题,基于非线性支持向量机回归建立了发动机性能衰退指标的预测模型,给出了反映其性能衰退的综合指标。利用该模型对发动机的性能衰退指标进行了预测分析,并与神经网络模型预测结果进行了比较。结果表明:支持向量机回归预测模型能更准确地对发动机的未来状况进行预测。     

基于支持向量回归机的航材周转件需求预测

将机器学习应用于航材库存管理之中,提出了基于支持向量回归算法的航材周转件需求预测模型。将聚合处理后的周转件月需求数据分为训练集和测试集,以训练集为输入,选取核函数和模型参数,对支持向量回归机进行训练。应用训练完成的支持向量回归机,以测试集对模型进行验证,预测结果证明了模型的有效性。     

基于模糊信息粒化和优化支持向量机的氧化铝陶瓷超声磨削力趋势预测

为实现超声磨削氧化铝陶瓷中磨削力变化趋势的预测,提出了一种基于模糊信息粒化和支持向量机相结合的方法。首先进行氧化铝陶瓷超声磨削试验,然后利用模糊信息粒化方法对试验获得的磨削力进行粒化处理,并将人工免疫系统算法和粒子群算法进行并联混编构成人工免疫系统粒子群算法(AISPSO),接着建立非线性回归支持向量机预测模型并对模糊粒子进行预测,并通过AISPSO算法优化支持向量机预测模型,最后获得超声磨削氧化铝陶瓷中磨削力的变化趋势和变化范围。结果表明:该方法可以有效实现超声磨削中磨削力的变化趋势及变化范围预测,且预测未来5组数据变化范围的误差在10%以内,这为通过磨削力变化调整工艺参数以获得更好的加工表面提供了新的思路。     

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.     

基于支持向量机的发动机性能衰退指标分类和预测

基于支持向量机几何距离建立表征发动机性能衰退程度的指标,并基于相空间重构理论对该指标进行多步预测,表明回归支持向量机结果优于神经网络预测结果。利用主元分析、核主元分析方法对发动机性能特征量约简并提取其主元,得到核主元分析的分类效果更好。利用交叉验证的方法优化分类支持向量机和核函数中相关参数,给出发动机性能衰退指标曲线。通过建立统计量的方法分析发动机性能变化,确定性能变化关键点。所得结论对做好发动机维护保养工作,延长发动机使用寿命具有一定的指导意义。     

基于主成分分析和支持向量机的作战飞机效能评估

作战飞机效能的评估是防空作战中的重要问题,简述了效能评估的各种方法,建立参数效能模型时,首先要挑选特征参数,用主成分分析方法选择武器的特征参数。利用支持向量机建立了作战飞机的参数效能模型,通过实例与神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单。     

基于网络的可重构制造资源优化配置平台

针对网络化制造中的资源动态快速重组问题,提出了基于物理制造单元的制造资源信息建模,依据该模型建立了分布式网络化制造资源库;研究了面向CAPP的制造资源预配置及其实现方法和以时间、质量、成本为约束的制造资源优化配置及其实现方法。     

基于模糊数的航空发动机可靠性预计模型

根据模糊数适于量化模糊信息的特点,运用模糊集和区间分析理论,提出了一种基于模糊数的多级模糊综合评判方法,它能更好地根据模糊信息作出模糊决策。在此基础上,结合航空发动机可靠性的特点,建立了一种航空发动机可靠性预计的模型。该模型的特点是能够在综合考虑各种可靠性影响因素及其模糊性的情况下,对发动机的可靠性水平作出较为客观的综合评判,尤其适用于航空发动机设计初期的可靠性预计。      

超声速湍流密度脉动预测的神经网络方法

针对气动光学效应对湍流密度脉动预测的需求,发展了超声速湍流密度脉动预测的神经网络方法,从直接数值模拟（DNS）的超声速湍流边界层的流场数据中挖掘规律,建立了包含5个隐含层的密度脉动模型。实验结果表明,所发展的神经网络方法可以很好地预测密度脉动均方值,它不仅能很好地预测训练样本,对测试样本预测的精度和稳定性也显著高于传统模型,且具有一定的泛化能力。通过特征选择和加入先验信息,确定了密度脉动模型的7个输入参数特征量,进一步提高了模型的泛化能力和实用性。     

滚动轴承摩擦力矩的乏信息模糊预报

滚动轴承摩擦力矩的波动具有不确定性,属于概率分布与趋势规律都未知的乏信息系统.这阻碍了对轴承摩擦力矩的小样本分析与总体把握.为此,以模糊集合理论为基础,从小样本入手,建立了航天轴承摩擦力矩参数的经验概率密度函数及其模糊预报模型,并对摩擦力矩的均值上界和最大值上界进行预报.对HKTA和HKTB两种轴承摩擦力矩参数的试验研究表明,在99%～100%置信水平下,预报结果与试验结果之间的误差很小,最大绝对误差仅为0.081 1个设定单位,最大相对误差仅为10.165%,可以满足航天工程的要求.      

空中力量体系对抗中目标选择方法

基于目标价值的目标选择方法,能够综合体现目标自身属性和体系网络结构对目标选择的影响。文章在分析空中力量体系网络结构的基础上,将目标价值分为属性价值和结构价值2个维度,利用模糊偏序关系建立属性价值评估模型,定义节点连通度和节点关键度,确定结构价值评估算法,实例分析结果验证了该目标选择方法的有效性。     

复合材料布带缠绕成型压力控制技术

复合材料布带缠绕成型过程中的压力波动会影响制品的致密度和均匀度,同时会造成缠绕制品的界面强度及纤维体积分数不一致。芯模的圆度误差和安装误差会导致压力波动,气体的可压缩性、比例阀的死区效应、阀的流量非线性、气缸摩擦力及测量噪声会对缠绕压力控制造成非线性干扰。因此,设计了自适应灰色预测模糊PID控制器,通过对气缸输出缠绕压力的灰色预测,正确反映了压力信号的变化趋势,为模糊PID控制的推理提供了可靠依据。同时,采用两个独立的模糊推理系统来调节预测控制的步长和步长自整定算法的比例因子。仿真分析和实验结果表明：相比于传统PID控制,采用自适应灰色预测模糊PID控制使缠绕压力的稳态误差减小了62%,超调量减小了80%,有效提高了复合材料缠绕成型压力控制系统的稳定性。     

模糊内模控制的永磁无刷直流电机控制研究

永磁无刷直流电机在日常生活和工业领域中有着广泛的应用。随着控制要求的不断提升,传统双闭环永磁无刷电机控制系统已逐渐无法满足实际需求。针对控制要求,提出了内模控制与模糊控制相结合的驱动方式。在内模控制与双闭环控制相结合的基础上加入了模糊控制,电流环采用内模PI控制,转速环采用内模PI与模糊的共同控制。试验结果表明:基于模糊内模控制的驱动系统在响应速度、超调量、转矩波动等性能方面与传统双闭环控制系统相比,都有明显优势。     

基于STEP和改进神经网络的STEP-NC制造特征识别方法

特征识别是实施STEP-NC重要的一步，也是实现开放式、智能化和网络化STEP-NC数控系统的关键。本文提出了一种基于STEP和改进神经网络的STEP-NC制造特征识别方法。该方法首先在对STEP AP203中性文件进行几何拓扑信息提取后，基于边的凹凸性判断构建了零件最小子图。然后，将混沌算法、遗传算法与BP神经网络算法有机相结合提出了改进的BP神经网络。最后，通过将获得的零件模型最小子图信息数据输入到改进的BP神经网络，实现了对STEP-NC制造特征高效精准地识别。通过实例验证了该方法的有效性和可行性。