贝叶斯回归支持向量机的软测量建模方法

提出了一种基于贝叶斯证据框架的回归型支持向量机的参数选择和软测量建模方法。证据框架的第1层推理用来解释支持向量机的训练。证据框架的第2和第3层推理用于自动调整正则化参数和核参数并使其接近最优值。然后,将这种基于贝叶斯证据框架的回归型支持向量机用于估计聚丙烯腈生产过程的质量指标。仿真结果表明了该方法的有效性。     

一种更加通用的集成运放非线性宏模型

文中通过对各类型集成运算放大器的特性的研究,建立了一种适合于各类型集成运放的时域特性分析的非线性宏模型。在模型的建立过程中,注重了尽量保持原始运放的拓朴结构及工作机理的不变性,而且使得宏模型中的各元件参数均可简单地由运放的外部端口特性求出。更为重要的是,该模型不仅可用于对模似集成电路进行精确的时域分析,而且可用于模/数混合集成电路的时域分析。模型本身可用多种通用电路分析程序来分析,如SPICE,SCEPTRE,SPLICE,DIANA等。从实际的模拟结果可以看出,模型的参数模拟合理,模拟精度高,并且程序运算时间及所占用的内存较同类的其它模型要少。对最后的结果进行统计表明,本模型在同一分析程序及同一分析电路的条件下,比其它同类模型约节省20％的内存且程序运算时间约节省10～15％。     

SVM在气体减压器稳定性能中的应用

使用支持向量机(SVM)研究涡轮气封减压试验系统中高压卸荷膜片式减压器的稳定性问题,主要集中于以往方法不易涉及的多结构参数变化.针对稀疏易有残缺的小样本空间,与BP(back propagation)神经网络模型进行对比,得出SVM方法在所研究数据集上的一些结论:SVM模型预测性能在多结构参数变化情形下优于BP神经网络模型,预测误差平均降低了25.5%;SVM的泛化性好于BP;在双参数、三参数情形下,SVM模型为气体减压器的设计提供了更好的决策支持,给出了优化结构参数的设计建议.      

四值Searle运算及其网络设计

本文将Searle运算推广到四值系统中,定义了四值Searle运算,导出了一系列四值Seale运算的公式,最后讨论了四值Searle运算的逻辑网络设计。     

一种新的导航星选取算法研究

在导航星表的建立过程中，由于恒星的数量太多，往往要进行筛选，通常这种选择复杂费时，而结果往往并不是最优的。本文引入了动态星等阈值分布函数，将传统星等阈值过滤算法中的静态阈值用动态星等阈值代替，建立了一种新的动态星等阈值过滤选择模式。而基于统计学习理论的支持向量机方法为求解高维非线性动态星等阈值分布函数提供了新的途径。本文讨论了这种基于支持向量机的导航星自动选择算法——回归选取算法。实验表明，用该算法所选取的导航星表，导航星数量少、分布均匀性好。同时它还能适应多种任务的导航星选取要求，具有很强的通用性。     

固体火箭发动机推力向量控制系统动力学计算

针对某固体火箭发动机推力向量控制系统运动中接头内部受力状态复杂且试验难以测量的问题,建立了该系统动力学计算模型,计算了接触数组参数,对该发动机推力向量控制系统进行了多体动力学计算。得到了系统运动规律,接头内滚动体与阴、阳球体间的接触力、摩擦力矩和系统作动力矩。最后通过与理论计算和冷摆试验结果的对比,验证了建模和计算的合理性,得到了更接近实际的结果。     

一种不需要源个数估计的MUSIC算法

MUSIC方法是阵列高分辨测向子空间方法中的经典算法,该算法的一个缺点就是需要进行源个数估计,源个数估计不正确将会导致虚假峰和漏峰.提出一种不需要源个数估计的MUSIC方法,该方法首先将快拍分组,对每一组的自相关进行特征值分解,以最小特征值对应的特征向量作为噪声向量,然后将搜索向量在每一组噪声向量上的投影构成新的矩阵,DOA对应的新矩阵将缺秩,根据新矩阵的缺秩程度来估计DOA.仿真结果证明了该方法的有效性.     

基于引力球结构支持向量机多类算法的涡轮泵故障诊断

在涡轮泵故障诊断中，多类故障诊断是经常出现的问题。为提高多类故障诊断速度，在球结构支持向量机的基础上，提出一种引力球结构的支持向量机多类算法，该算法充分考虑样本分布疏松程度，经过试验优化分析得到最佳分类引力公式。用该算法和其他常用算法对涡轮泵仿真故障进行分类比较，结果表明基于引力球结构的支持向量机故障诊断算法学习速度快，诊断效果好。     

多功能二阶电流型有源滤波器的设计与分析

分析一个由零极子和ＲＣ元件组成的电路，用有源器件取代零极子对，便使电路同时具有带通、低通和高通滤波功能。     

改进布谷鸟搜索算法优化支持向量机的MEMS陀螺温度零偏补偿

针对微机械陀螺零偏受温度影响较大的问题，提出一种改进布谷鸟搜索算法(CS)和支持向量机(SVM)相结合的陀螺零偏温度补偿方法。首先，将平滑处理后的陀螺数据作为样本点，采用基于径向基核函数的支持向量机方法构建漂移模型，把数据从低维空间映射到高维空间进行线性拟合。然后，利用改进布谷鸟算法对支持向量机的惩罚参数、核函数参数以及不敏感系数进行优化，避免了人为选择参数的盲目性且提高了建立模型的精度。实验结果表明：经CS调节支持向量机算法补偿后，陀螺输出精度更高。与最小二乘分段拟合方法、BP神经网络方法相比，陀螺输出数据方差分别平均减小了63.2%、43.4%，最大误差分别平均减小71.63%、48.3%。