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。     

经济先发地区居民收入对幸福感影响的实证研究——基于非参数、半参数及分位数回归方法

选择经济先发居民为研究对象,通过构建半参数及分位数回归模型,系统研究绝对收入、相对收入、期望收入等变量对幸福感的影响,我们发现:绝对收入对幸福感有显著的正相关关系;相对收入对高学历者影响不显著,但对低学历者影响显著;绝对收入对幸福感越低者的影响越显著;相对收入对中低幸福感群体影响显著,每周工作时间对低幸福感群体影响显著且强度大,但对高幸福感群体的影响力在降低。     

基于广义回归神经网络的传感器故障检测

为了研究航空发动机试验中精确数学模型未知的多传感器故障诊断问题,采用基于广义回归神经网络(General Regression Neural Network,GRNN)组的故障检测方法,提炼出传感器之间的约束关系和故障规律,构建了一组多输入多输出GRNN,用于估计传感器输出,与测量值生成残差,通过与门限值比较判断可疑传感器,找到神经网络组中的具有最小可疑传感器数的GRNN。采用可疑传感器的估计信号做为重构信号交叉验证其它GRNN。通过验证即可确定可疑传感器为最终故障传感器。为了控制神经网络的回归精度,将多输入多输出神经网络分解为多个多输入单输出网络。通过仿真数据验证了该方法用于传感器故障检测的可行性。     

一种基于非线性回归的载人航天器密封舱内在轨噪声分析方法

文章提出一种载人航天器密封舱内噪声非线性回归通用分析方法,可基于地面噪声试验测得的数量较多的数据样本和在轨噪声测试获取的少量数据样本,建立密封舱内位置–在轨噪声的数学模型。经验证该模型能够较为准确地拟合密封舱内在轨噪声水平,从而为开展载人航天器的降噪设计、优化噪声仿真模型和验证降噪措施效果提供数据支持。     

利用捷联导引头打击机动目标的自抗扰制导律设计

针对导弹制导系统中存在模型不确定性和目标机动信息难以获取等特点,提出了一种线性自抗扰(LADRC)制导律的设计方法。该方法以捷联导引头弹目视线角为输入量,对控制对象模型已知部分进行前馈补偿,对控制对象模型的不确定部分和目标的未知信息通过线性扩张状态观测器(LESO)进行估计并予以动态补偿,对改造后的系统再利用比例微分(PD)控制,完成制导律的设计。该方法无需获取目标运动加速度即可实现对加速运动机动目标的打击。仿真结果表明,弹道末端需用过载小于导弹的最大可用过载,脱靶量满足指标要求,具有很高的工程应用价值。     

开孔变刚度层合板压缩屈曲性能研究

针对开孔变刚度层合板,建立3种尺寸的层合板有限元模型,采用了线性屈曲、引入残余热应力的线性屈曲和引入初始缺陷的非线性屈曲的3种分析方法,研究了开孔层合板在压缩条件下的屈曲行为,并通过自动铺丝制造层合板进行试验对比,对3种方法的合理性进行了分析。结果表明,引入残余热应力的线性屈曲分析方法与试验结果最吻合,两者仅相差0.63%。基于该方法,讨论开孔层合板残余热应力分布特点和应力水平,得出了开孔层合板的应力分布云图和应力分布规律,计算出残余热应力对开孔复合材料层合的屈曲影响。结果表明,残余热应力对传统直线开孔层合板的屈曲载荷影响很小,仅提高了3.57%,但大大提高了变刚度开孔层合板的屈曲载荷,最多可达23.40%。说明纤维曲线铺放可以改变内部残余热应力的分布,提高整个开孔层合板承载压缩载荷的能力。     

增材制造燃油喷嘴特征件磨粒流抛光研究

燃油喷嘴的增材制造在缩短制造周期、降低制造成本以及提升合格率方面具有明显优势,但是喷嘴内流道表面的光整处理成为打印工艺亟需突破的关键技术难题。对增材制造燃油喷嘴内流道特征件进行磨粒流四因素抛光试验,结果表明在本文的试验条件下,磨粒流抛光可有效去除表面黏粉、球化现象,改善表面台阶效应;通过优化计算获得了磨粒流抛光的最优工艺参数,经试验验证,喷嘴内流道表面粗糙度Ra由9.10μm降至2.70μm。     

考虑刀具偏心的微铣削加工表面粗糙度预测模型研究

基于微铣削刀具轨迹建立了考虑刀具偏心、最小切削厚度的塑性材料微铣削底面粗糙度的预测模型,预测结果表明粗糙度表面形貌呈锯齿状,刀具偏心会影响表面粗糙度的形貌周期和高度,并进行微铣削加工实验,对粗糙度预测模型进行了验证。采用回归统计方法,建立了脆性材料微铣削加工表面粗糙度预测模型,对加工表面形貌进行观察,利用响应曲面法得到了各铣削用量对表面粗糙度的影响规律。     

基于偏相关性分析的多设计要求快速优化设计方法

针对飞行器气动外形优化设计中的多设计点、多目标、多工程约束等多设计要求问题,提出了一种新优化设计方法———多设计要求快速优化设计方法。该方法立足于统计学中的偏相关性分析和线性回归理论,通过对设计变量和设计要求进行偏相关性分析,采用线性回归的方法构建设计变量与设计要求之间的转换模型,将多个设计要求转化为对设计变量的约束,从而简化了优化设计模型,减少了优化过程中调用求解器次数,提高了优化效率。利用该方法对RAE 2822和HSNLF(1)-0213翼型进行了多设计要求优化设计算例验证,并将优化结果与Pareto多目标优化方法结果进行对比,结果证明了本文方法的有效性和可靠性。