优化的GM(1,1)模型及其适用范围

在已有灰色理论的基础上,利用“最小二乘法”确定GM(1,1)白化权函数的时间响应函数中的常数c,摈弃了传统GM(1,1)把原始序列中x^(0)(1)作为初始条件的欠科学的做法,构建了时间响应函数的优化模型。经大量的数据模拟和预测,发现优化的GM(1,1)模型各项指标均优于传统的GM(1,1)模型,且拓宽了其适用范围。     

基于灰色系统GM（1，1）模型的疲劳寿命预测方法

将疲劳现象视为存在于一个灰色系统中,提出了运用灰色系统理论,通过建立灰色系统GM(1,1)模型预测构件疲劳寿命的新方法。对某试件的实验数据进行分析和计算。结果表明,该方法使疲劳寿命预测误差由原来的61.4%减小到24.1%,预测结果偏于安全,说明该方法具有较好的预测精度和工程实用价值。     

基于灰色-神经网络联合模型的大型冷却塔风效应预测

基于灰色GM(1,1)模型和BP人工神经网络,建立灰色-神经网络联合的大型冷却塔平均位移和风振系数预测模型。该联合模型增强了预测结果的自适应性和准确性,能解决因气弹模型试验中测点样本数目太少而无法直接建立神经网络预测模型的局限。通过某大型冷却塔气弹模型风洞试验结果的算例分析,表明该组合模型对于平均位移和风振系数的预测结果均与试验结果吻合良好,随后基于已训练的模型给出结构风振反应精细化分析所需的输入参数预测结果。这为冷却塔结构风效应的精细化研究提供了一个新的有效方法。     

常用预测方法应用分析

本文针对GM（1，1）的预测方法，介绍了其原息模型、新息模型和等维新息模型的建摸方法，比较分析了基于GM（1，1）的各种预测模型应用的可靠性问题。     

基于GM(1,1)改进模型的建筑物沉降预测

针对现代高层建筑进行沉降观测,对其未来的变形趋势进行准确地预测具有重要的意义.针对传统灰色GM(1,1)模型存在的模型精度不高的问题,本文提出了一种同时优化背景值和初始条件的GM(1,1)改进模型,并将其应用于对建筑物的沉降变形进行定量分析与即时预报.通过与原始模型和其他模型的对比分析可以发现,本文所研究的改进模型在精度上有了显著的提高,更加适用于基础沉降的预测,具有很好的工程应用价值.     

灰色GM(1,1)模型在预测钢产量中的应用

采用灰色理论中的GM(1,1)模型,用MATLAB语言编程,以国家统计局统计的2001～2005年的钢产量为原始数据列,对该数据列进行实例分析、检验,进而用该模型预测出未来年度钢产量,为政府有关部门和相关企业正确决策提供科学依据。     

灰色系统模型研究进展(英文)

针对灰色系统模型的研究进展进行了综述,介绍了一般灰数的概念、灰色序列算子和一些常用的灰色系统模型,包括灰色绝对关联度模型、灰色相对关联度模型、基于端点三角白化权函数的灰色聚类评估模型、基于中心点三角白化权函数的灰色聚类评估模型、GM(1,1)预测模型以及多目标加权灰靶决策模型。     

基于灰色预测的自适应解耦控制

传统的预测控制算法虽然有着良好的性能,但是需要求解复杂的丢番图方程.因而在实际应用中,算法的计算量很大,难以满足实时性要求.文中结合灰色理论,利用GM(1,2)模型辨识多输入多输出系统的参数,提出了一种解耦灰色预测控制算法.该算法可以采用较少的数据进行建模,需要辨识的参数也较少,并且元需求解丢番图方程,所以减少了计算量.为了消除系统各通道之间的输入输出耦合,在性能指标中引入解耦因子,给出了详细的解耦推导过程.最后,对解耦灰色预测控制算法进行了设计.仿真结果表明:本文算法能够有效地消除系统耦合,进而提高多输入多输出系统的闭环跟踪性能.     

灰色系统理论在逆向工程测量数据处理中的应用

逆向工程中测量数据的处理是一个十分重要的环节。本首次将灰色系统理论应用于逆向工程中测量数据的处理，提出了几种基于灰色系统理论的数据处理方法。通常在测量数据中会有一些异常数据，如果将这些异常数据剔除就会留下空穴。中对数据滤波后产生的空穴采用灰色生成方法以及GM(1，1)模型生成新的数据点来填补。对由于测量误差带来的非均匀测量数据采用均值生成、级比生成和光滑比生成等方法进行光滑处理。     

高温低周疲劳寿命预测模型

系统评介了应变变程划分（ＳＲＰ），频率划分（ＦＳ），频率修正损伤参数（ＦＭＤＦ），损伤速率（ＤＲ）和应变能划分（ＳＥＰ）等五种在国内外影响较大的高温低周疲劳（ＨＬＦ）寿命预测模型，并对ＨＬＦ寿命预测的损伤力学方法作了简介。基于能量原理，本文建立了一个新的ＨＬＦ寿命预测模型，即时间修正能量（ＴＭＥ）模型。通过引入时间因子和采用优化处理技术，该模型能较准确地反映塑变、蠕变和环境介质等ＨＬＦ损伤机制的作用。利用镍基超合金Ｒｅｎｅ’９５（涡轮盘材料）的ＨＬＦ试验数据，对上述几个模型的拟合能力和预测能力进行了评价。结果表明，对于该材料，ＴＭＥ模型要优于其他几个模型。     

香港国际机场航空交通量的无偏灰色马尔科夫预测

针对香港国际机场航空交通量的灰色性和随机波动性,本文采用无偏灰色GM(1,1)代替传统灰色GM(1,1)模型,分析了2001—2012年香港机场航空交通量的数据,预测出2013年香港机场的航空交通量,然后用加权马尔科夫模型对预测结果进行优化。利用Matlab计算得后验差检验C值小于0.35,P值为1,拟合精度等级为好,表明动态无偏灰色马尔科夫能消除传统灰色GM(1,1)模型的固有误差,提高预测精度。加权马尔科夫模型对灰色预测结果优化得2013年香港航空交通量在352 241~370 780架次之间。     

基于灰色GM(1,1)模型和灰关联的数据挖掘方法

根据灰色系统模型的特点,将灰色GM（1,1）模型应用于数据的预处理,把灰关联作为一种直接的数据挖掘工具对数据进行关联分析,结合GM（1,1）模型和灰关联,给出一个完整的数据挖掘算法。     

基于支持向量机和人工免疫的新结合算法

为了减少大规模数据的支持向量机的样本训练时间，提出了人工免疫（aiNet）和支持向量机（SVM）相结合的算法（ai—SVM）。aiNet能在进行样本压缩的同时抽取原始数据的相关信息并保持原始数据的样本分布。压缩后的样本组成了抗体网络，并在此抗体网络上构建了支持向量机模型。最后结合实际数据样本对ai—SVM算法进行了验证。结果表明，ai-SVM算法可大大减小训练样本集和训练代价，且不降低精度。     

混合式CRP吊舱推进器水动力性能数值模拟及试验

建立混合式CRP吊舱推进器数值模型并置于数值空泡水洞内,结合RANS方程和SST k-ω湍流模型,运用滑移网格方法对混合式CRP吊舱推进器在均匀流场中水动力性能进行了数值模拟,得到了敞水性能预报结果,并分析了混合式CRP推进器的非定常力;同时,利用空泡水洞、吊舱动力仪及长轴动力仪对混合式CRP吊舱推进器敞水性能进行了试验研究,通过3组重复性试验表明了试验方法的稳定性;并将3组试验平均值与将数值模拟所得的敞水性能结果进行了比较,彼此吻合较好。结果表明,本文所用试验方法和数值计算方法对吊舱推进器模型敞水特征的预报具有较高的可信度,能达到工程应用要求的要求;和国外学者在空泡水洞内得到的不附带吊舱相同对转桨敞水试验数据进行比较,分析了吊舱对前后桨敞水性能的影响。结果表明,吊舱对前桨的敞水性能基本没有影响,但对后桨的敞水性能影响显著。     

基于优化最小二乘支持向量机的襟翼趋势预测

将最小二乘支持向量机(LS-SVM)应用于飞机襟翼状态趋势研究。首先,通过分析飞机襟翼故障与襟翼动作耗时参数的关系,提出了利用动作耗时趋势来确定该系统未来状态的方法。然后,使用最小二乘支持向量机建立耗时回归预测模型,采用最终预报误差(FPE)准则确定回归模型嵌入维数,提出了自适应网格搜索法,优化最小二乘支持向量机的建模参数,从而实现比现有方法精度高,泛化性能好的预测模型。训练和测试样本取自飞行数据记录系统(QAR)中译码襟翼参数值。与神经网络模型的比较实践表明,该方法具有实用价值。     

基于变换空间近邻图的自助型局部保持投影

局部保持投影(LPP)是一种典型的降维方法,通过保持数据的内在几何结构,LPP能够获得潜在的判别能力.然而,传统LPP的性能取决于人工预定义的近邻图,并且严重依赖于最近邻标准在原始数据空间中的性能.因此本文提出了一种新的降维算法--自助型局部保持投影(sdLPP).该方法首先执行LPP获得投影方向,然后在其变换的空间更新近邻图,并重复LPP.另外,本文还提出了一种改进的拉普拉斯打分(Laplacian score)标准作为算法迭代终止和判别力的参考.最后,在几个公共的UCI和人脸数据集上验证了该方法的有效性.     

人工智能在空腔气动/声学特性预测与控制参数优化中的应用

多参数多条件下的精准气动特性数据是进行飞行器快速设计、系统完善、性能评估、指标考核的基本前提和根本保证。基于人工智能的深度学习技术与流体力学交叉融合已成为当前发展趋势,并在湍流模型改造、系统理论建模、气动数据预测、控制参数优化、复杂流场重构等方面得到成功应用。为最大限度发挥深度学习的强大表征能力,围绕内埋弹舱作战运用和智能优化设计需求,构建了弹舱空腔气动特性多场载荷数据库,采用基于数据驱动的深度学习方法,建立了耦合因素影响下的空腔气动/声学特性智能分析深度前馈神经网络模型,实现了有限约束条件下的空腔气动/声学特性快速预测,并引入随机搜索和贝叶斯超参数优化方法增强了模型鲁棒性,为空腔噪声有效控制模型快速优化设计提供了数据基础和方法途径。     

二维不可压内流湍流附面层分离流的预测

本文采用适合于内流的准同时粘性/无粘性流匹配模型,快速求解二维通道内的不可压湍流附面层分离流动。无粘流采用由复变函数论的Plemeli公式推导的面元法;粘性流动区采用Head积分法求解。文中给出了两个算例。结果表明:所采用的准同时粘性/无粘性流匹配模型,不但可有效地克服分离形成的奇异性,而且收敛速度快,稳定性好。在湍流分离阶段,其预测结果与实验值基本吻合。文中还讨论了形状因子及表面摩擦系数关系式对预测结果的影响,形状因子经验关系对预测有比较明显的影响,而表面摩擦系数经验关系对预测无显著影响。文中还提出了改进模型的方向。     

Rotation Control of a 3-DOF Parallel Mechanism Driven by Pneumatic Muscle Actuators

The pneumatic muscle actuator(PMA) has many advantages,such as good flexibility,high power/weight ratio,but its nonlinearity makes it difficult to build a static mathematical model with high precision. A new method is proposed to establish the model of PMA. The concept of hybrid elastic modulus which is related to the static characteristic of PMA is put forward,and the energy conservation law is used to achieve the expression of the hybrid elastic modulus,which can be fitted out based on experimental data,and the model of PMA can be derived from this expression. At the same time,a 3-DOF parallel mechanism(a new bionic shoulder joint)driven by five PMAs is designed. This bionic shoulder joint adopts the structure of two antagonistic PMAs actualizing a rotation control and three PMAs controlling another two rotations to get better rotation characteristics. The kinematic and dynamic characteristics of the mechanism are analyzed and a new static model of PMA is used to control it.Experimental results demonstrate the effectiveness of this new static model.     

发动机磨损故障的集成神经网络融合诊断

针对发动机试车过程中的磨损故障诊断问题．本文运用了四种最常用的润滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析，同时结合发动机试车台监测数据，提出运用集成神经网络对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值，将原始数据进行了预处理，统一转换成故障征兆的布尔值；其次，建立各子神经网络的拓扑结构，并依据专家经验建立各子系统的输入征兆与故障论域的映射关系，从而得到各子神经网络的训练样本．对各网络进行成功训练后，利用神经网络实现各子网络的诊断并得到中间诊断结果；然后，通过建立合适的权重矩阵．利用模糊综合决策理论，时集成神经网络的诊断结果进行综合，从而得到最终的融合诊断结果；最后，运用一个算例表明了本文方法的有效性。