基于支持向量机的组合分类方法及应用

为了解决采用神经网络、决策树作为弱分类器的AdaBoost组合分类存在的不足,进一步改善组合分类效果,提出采用支持向量机(SVM)作为弱分类器的一种新的组合分类诊断方法——AdaBoost-SVM。该方法没有采用一个固定的SVM的核参数,而是自适应调整SVM中的核参数,从而得到一组有效的SVM弱分类器。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明,所提AdaBoost-SVM方法较好地解决了现有的Ada-Boost组合分类方法中存在的弱分类器本身参数选取困难问题及训练轮数的合理选取问题,并具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类。     

基于约简遗传规划的线参数模型及在航空发动机起动建模中的应用

提出了一种新的约简遗传规划(PGP)算法和一种新的基于约简遗传规划的航空发动机起动动态线参数模型.这种模型采用遗传规划产生航空发动机起动模型的输入输出非线性模型集,并以二叉树结构表征函数项,运用正交最小二乘算法(OLS)估计二叉树分支(基本函数项)对于模型精度的贡献并去除复杂、冗余的函数项,从而加快遗传规划的收敛速度,最后通过GP进化可获得简单、可靠、准确的线参数非线性模型.发动机起动过程试车数据建模和与支持向量机的比较证明,这种方法可以产生适用性好、解析性强的线参数非线性模型,产生的模型可获得与支持向量机相当甚至更优的结果.     

中推预研核心机高压涡轮导向叶片结构特点

介绍了中推预研核心机高压涡轮导向叶片的结构特点及其对试制工艺的要求，该导叶是将高温耐热合金叶身与上，下缘板分开精铸后高温钎焊而成的极其复杂的多层次爆组合件。按照“对流－冲击－气摸”复合式气冷的要求，用激光和电光花等加工方法，在叶片的各部位打出了数众多的气膜孔和冲击孔，工艺难度很大，经过攻关后才得以实现。     

货台空投系统出舱过程研究

研究了空投系统的出舱阶段中货台与地板接触模型,采用动力学分析方法建立了统一的出舱运动模型.根据试验设计条件开展系统仿真计算,结果与试验数据基本一致.探讨了货台离机过程对离机后俯仰姿态的影响.使用离机时间评价出舱过程对货台空投精确度的影响,得到了无量纲离机时间的简化算法以方便工程应用;引入了安全距离参数来评价出舱过程安全性,分析了牵引比、质心位置系数和空投时飞机姿态与离机时间和安全距离的关系,为空投系统中货台布局和牵引伞设计等提供了参考依据.     

精益生产与六西格玛管理的比较

介绍了精益生产和六西格玛管理的基本思想、主要特点和支持工具,对精益生产和六西格玛管理的异同点进行了较详细的比较.     

特种飞机航空电子设备支援系统研究

论述了航空电子系统的发展，机载电子设备支援系统和航空电子设备地面支援系统；描述了航空电子设备支援系统的关键环节─备件保障。最后探讨了航空电子系统技术的发展─开放式系统结构（OSA）和COTS对航空电子设备支援系统的影响。     

透过激烈的市场竞争看民用客机的发展

在干线机领域 ,波音公司与空客之间出现理念上的竞争 ,波音的霸主地位开始动摇。支线机领域已由过去的三足鼎立转变为庞巴迪宇航公司与巴西航空工业公司之间争霸的局面 ,支线机的发展趋于大型化     

ZrO2陶瓷热障涂层显微结构及隔热性能研究

用电子束物理气相沉积法(EB-PVD)在DZ125高温合金上制备Y2O3部分稳定化的ZrO2(YSZ)陶瓷热障涂层,并用扫描电镜(SEM)观察涂层显微结构.采用激光脉冲法对EB-PVD热障涂层的热扩散系数进行测试.为防止热扩散系数测试时激光穿透ZrO2陶瓷层,在试样表面制备不同材料的遮挡层.结果表明,EB-PVD热障涂层呈明显的柱状晶结构,柱状晶垂直于涂层/基体界面.基体的热扩散系数随温度的升高而急剧增加,陶瓷热障涂层的热扩散系数随温度的升高呈下降趋势,但变化幅度不大.室温下陶瓷层的热扩散系数小于基体的1/3,1200℃时约为基体的1/67.试样的激光遮挡层很好解决了激光脉冲法测试涂层热扩散系数时的不稳定性和激光穿透问题.在满足遮挡要求的条件下,遮挡层材料种类对热扩散系数测试无明显影响.     

“长空”超低空无人驾驶飞机的飞行控制系统

 本文介绍“长空”超低空无人驾驶飞机的飞行控制系统。这是我国首次将单片计算机应用到无人机的飞控系统。文中对方案选择,控制规律以及为满足超低空飞行高度精度的要求所采取的技术措施作了详细的阐述,通过试飞,鉴定、供靶,说明这一套数模混合式飞控系统的设计是完全成功的。     

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.