基于民航团队旅客销售的组合预测方法分析

利用Matlab分别用回归分析算法、BP神经网络算法、最小二乘支持向量机算法和组合预测算法对民航团队销售数据进行预测和比较分析,期望为民航销售人员提供更加精准的预测信息,以获得更高的航线收益.结果显示神经网络、支持向量机和组合预测3种算法比航空公司常用的回归分析预测精准度有了明显的提高.支持向量机预测精度相对神经网络稍低,却拥有更强的泛化能力.组合预测能避免单一预测方法的误差,更加适合航线销售人员的实际操作.     

基于COMPRO 模型的复合材料热压罐成型工艺仿真

有效利用热压罐技术来实现复合材料成型的关键在于选择合适的工艺参数和制定合理的工艺
方案,虚拟热压罐工艺仿真可以有助于对固化过程进行预测,提高工艺设计效率,降低生产成本。本文介绍了
热压罐工艺仿真软件COMPRO 以及典型的固化过程分析模型(热化学模型、流动压实模型和应力变形模型)。
最后给出了影响COMPRO 数值模拟的关键参数及翼梁样件试验数据与数值模拟对比,COMPRO 可以较为准
确的预测固化工艺。     

复合材料构件热压罐成型温度场研究

在热压罐固化工艺的热历程中,复合材料零件表面温度场分布的合理与否将直接决定产品的固化质量.以工字型零件和T型加筋壁板两种复合材料零件为研究对象,使用EC-3×8M和SCH-5.5×21M两种型号热压罐,同时选择炉温偶和零件偶两种控温方式对零件进行固化.通过分析温度场测试结果发现,控温方式、设备加热方式、升降温速率、热电偶的摆放位置、固化压力等因素均对零件的温度场有影响.     

基于支持向量回归的机场旅客吞吐量预测

在分析现有机场旅客吞吐量预测方法不足的基础上,利用基于结构风险最小化原则的支持向量回归方法,建立了机场旅客吞吐量预测模型。通过实际数据的检验及与BP神经网络等方法的预测结果比较,证明应用支持向量回归方法对机场旅客吞吐量进行预测具备可行性,同时具有较高的预测精度。     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种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,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

基于支持向量机回归的电力负荷预测研究

不同于传统的基于经验风险最小化的回归方法,支持向量机回归方法基于结构风险最小化准则.与神经网络相比,该方法在解决学习精度和推广性之间的矛盾方面有明显的优势.本文以城市电力负荷预测为应用背景,对比研究了基于统计学习理论的支持向量机回归方法和神经网络方法.预测结果显示支持向量机可能是一种非常有前景的预测工具,其预测精度明显好于神经网络.     

复合材料热压罐固化工艺研发试验设计与适航验证

叙述了复合材料热压罐固化工艺研发试验的制定依据和实施过程要求,重点介绍了复合材料热压罐固化工艺的材料、采样、关键工艺参数和测试项目的选择,对制造过程的下料、铺贴、机加和无损检测要求进行分析,明确了试验方案各关键环节的控制要求,并对复合材料热压罐固化工艺研发试验设计、工艺规范的建立以及对产品质量和形成的工艺规范的适航验证方法进行了阐述。对于工艺规范的适航验证,其工艺的稳定性是验证的重点,可以通过具有代表性的试片级、元件级试验件进行试验。     

基于EMD-SVR的光纤陀螺随机误差预测

为了提升光纤陀螺随机误差建模的准确性及补偿结果,提出了一种基于经验模态分解与支持向量机结合的随机误差预测方法。鉴于随机误差的非线性及不稳定性,直接进行预测时精度不高,采用经验模态分解对原始数据进行分解以降低时间序列的复杂程度;然后根据经验模态分解得到的各本征模态函数及趋势序列,构建基于支持向量机的预测模型;再将所得的各分量的预测结果综合以得到光纤陀螺随机误差的预测结果。以光纤陀螺随机误差数据作为验证,结果表明,相较于传统的预测方法,均方根误差与平均绝对误差分别降低了78.4%和75.5%,有效提高了回归精度。     

某大型飞机复合材料壁板工艺仿真及验证技术

热压罐固化成型是制造复合材料的常用方法,固化期间罐内温度分布变化以及模具与复合材料构件之间的热不匹配、柔性模具的低热导率等因素导致制件内部不可避免的产生温度梯度以及残余应力,从而影响材料的使用性能。大尺寸曲面帽型壁板采用复合材料热压罐工艺成型,根据热压罐的工作原理,针对复合材料构件热压罐成型过程中温度场分布和固化变形等问题,进行了仿真分析,通过对比制件温度场分布和固化变形仿真计算结果以及全尺寸零件的实际验证结果,验证了预测方法的正确性。分别利用成型工装和检测型架改进优化以及制造过程优化来控制构件固化变形,使其形状满足产品尺寸的精度要求,证明根据工艺仿真计算结果以及工艺过程改进,可以对大尺寸曲面帽型壁板在制造工艺过程中出现的变形回弹及残余应力水平进行预估和最大限度的减小,实现复合材料结构设计和制造的一体化,提高制件的成型质量。     

筒状复合材料制件热压罐成型温度模拟及影响因素分析

筒状结构是航天飞行器的典型结构形式之一,其在热压罐成型工艺过程中多采用圆筒结构径向平面垂直于热压罐径向平面的放置方式,在其成型过程中筒状结构的迎风面、背风面、侧风面等可能会存在较大的温度分布不均匀现象,针对该问题,基于Fluent软件建立了考虑树脂固化反应放热的温度场分析方法,并选取圆筒结构典型位置的温度变化历程对仿真结果的有效性进行了验证,并且分析了圆筒结构的温度场分布特性。在此基础上,改变热压罐的升温速率,分析了圆筒制件内温度和固化度的分布变化规律。结果表明:对于圆筒结构热压罐成型过程,因为结构特性而带来的温度差异远远大于因传热引起的温度差异;热压罐升温速率从0.5K/min上升至5K/min,圆筒制件迎风面与背风面温度差值最大值仅增大1.1K,最大固化度差值仅增加2.08%,热压罐升温速率对圆筒结构温度场与固化度均匀性影响不大。研究结果对实际生产中圆筒结构的热压罐固化成型工艺优化有一定的指导意义。     

基于支持向量经验模态分解的故障率时间序列预测

 针对故障率时间序列的非线性与非平稳特性,提出一种基于支持向量经验模态分解(SVEMD)的预测方法。首先,将故障率时间序列分解为多个固有模态函数(IMF)与一个余量(RF),利用最小二乘支持向量机(LSSVM)预测时间序列两端的局部极值点,以抑制传统经验模态分解(EMD)的边缘效应;同时以LSSVM回归方式形成包络线,以取代传统EMD中的三次样条插值;然后,建立各IMF与RF的预测模型;最终,将各IMF与RF的预测结果相加以获得故障率时间序列的预测结果。仿真结果表明,该方法的预测精度较传统基于EMD的预测方法与单一预测方法有显著提高,可实现对故障率的准确预测。     

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。     

基于支持向量机方法的发动机性能趋势预测

为了提高对航空发动机性能趋势预测的精度，提出利用支持向量机方法来预测表征发动机整体性能的参数一性能综合指数。建立了基于支持向量回归的一步及多步预测模型，利用该模型对性能正常衰退及性能异常发动机的综合指数分别进行预测，并与自回归(AR)模型的预测值进行比较。结果表明，基于支持向量机的预测模型比AR模型的预测精度更高，其四步预测精度由80．56％提高到88．51％。因此该模型尤其适合中、长期预测。     

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。     

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。     

基于改进果蝇算法优化的GRNN航空发动机排气温度预测模型

利用广义回归神经网络(GRNN)良好的非线性映射能力，对航空发动机排气温度(EGT)进行预测。由于GRNN的预测性能受宽度系数的影响，因此采用改进的果蝇算法优化广义回归神经网络(IFOA-GRNN)，并用优化后的GRNN对航空发动机的EGT进行预测。以某发动机为案例，选取相关参数作为预测模型的输入变量，EGT作为预测模型的输出变量。在相同的样本分配下，将FOA-GRNN(fruit fly optimization algorithm to optimize GRNN)、GRNN、自回归预测模型和优化的支持向量回归机作为对比算法。分析结果表明:IFOA-GRNN的收敛精度高于FOA-GRNN；IFOA-GRNN对EGT预测的平均相对误差为2.47%、拟合优度为0.8506，其预测效果均优于其他对比算法；同时，IFOA-GRNN对噪声的敏感性也低于其他对比算法。