网络化制造资源状态估计研究——基于主成分分析（PCA）和加权支持向量机（WSVM）

针对网络化制造资源配置受多因素影响,变化趋势复杂,难以用单一预测方法进行有效预测的问题,提出一种新的基于主成分分析和加权支持向量机的智能混合预测模型。模型首先使用主成分分析弱化数据序列波动性,然后借助加权支持向量机在处理小样本和模糊神经系统处理非线性模糊信息的优点,进行趋势预测。研究结果表明,所提出的模型能有效地提高状态估计方案的可行性,为网络化制造资源状态估计的在线实施提供了方便。     

群决策方法在产品设计评价中的应用

研究产品设计及其评价问题和评价方法,将群决策机制引入产品设计评价领域,以改进产品设计评价的方法.结合产品设计评价的特点,采用群体决策的思想,研究了部分个体评价及群决策方法.构建了适用产品设计的评价问题生成库和评价问题解决方法库.所提评价及群决策方法和构建的评价问题生成库和评价问题解决方法库,是构建计算机辅助产品设计评价群决策支持系统(DSS)的基础,可对群决策体的决策数据进行集结一致性处理,使决策结果具有科学性和可信性.     

某型装备维修保障管理信息系统的设计与实现

根据装备实际使用情况及维修保障需求,深入分析了部队对某型装备使用和维修保障管理信息系统的信息需求和维修保障流程,并具体给出了设计思路及实现方案。     

V／UHF空地数据链仿真试验研究

战术数据链是数据通信技术在军事方面的典型应用,机群协同空战过程中,拥有数据通信机群的作战效能远高于不具备数据通信的机群。本文介绍了V／UHF空地数据链的基本结构、通信链接控制模式和频分时分复用传输模式,最后,对空地数据链仿真试验状况及仿真系统的结构做了较为详细的叙述。     

基于HMM-SVM的混合故障诊断模型及应用

针对直升机减速器故障诊断中机器学习方法存在的问题,根据隐马尔可夫模型(HMM)适合于处理连续动态信号与支持向量机(SVM)适合于模式分类的长处,提出了基于HMM-SVM的混合故障诊断模型。先通过小波包分析方法从减速箱振动信号中有效提取非平稳特征,训练HMM-SVM模型,再利用训练好的模型进行监测与诊断,实验结果表明该方法优于单纯的HMM或SVM诊断方法,能利用少量训练样本有效地完成直升机减速器的故障诊断。     

基于支持向量机的航空发动机故障诊断

支持向量机是一种具有完备统计学习理论基础和出色学习性能的新型机器学习方法,它能够较好地克服神经网络容易出现的过学习和泛化能力低等缺陷。提出一种基于支持向量机的航空发动机故障诊断方法,应用该方法成功地对发动机气路部件的几种典型故障进行了正确诊断。在对检验样本施加噪声后,支持向量机构成的故障分类器仍然能够满足发动机故障诊断的要求,表明提出的故障诊断算法具有良好的鲁棒性,可以作为工程应用的基础。      

矩形薄板在不同边界条件下的固有振动分析

研究了在弹性支撑和弹性嵌固边界条件下,弹性矩形薄板固有振动特性的变化规律。利用单项梁函数组合法推导出矩形薄板在2种边界条件下的振型和固有频率的计算公式,应用此公式计算出弹簧系数的变化和薄板固有频率等特征的变化趋势,为分析实际悬臂板类结构振动的特征打下基础。     

一种基于支持向量机的小波图像压缩方法

提出了一种结合支持向量机(SVM,Support Vector Machines)回归与小波变换的新的静态图像压缩方法.SVM回归方法可以学习原始数据之间的相关性,并采用小部分训练样本,即支持向量来稀疏表示原始数据集,利用这一特性来逼近和约减小波系数,可以达到数据压缩的效果.首先采用小波变换把原始图像分解成不同尺度的多个子带,由于最低频子带系数非常重要,采用DPCM直接编码,然后对其它频带系数采用SVM回归进行压缩.由于不同尺度和方向的小波系数特征不同,为尽可能去除小波系数间的各种相关性,给出了适合SVM回归的小波系数的有效组织方式.最后研究了支持向量及其相应权重的混合编码方法.实验结果表明:与同类压缩方法相比,本算法获得的恢复图像的主客观质量有明显提高.      

低速风洞尾撑支杆干扰研究

对气动中心FL-12风洞尾撑尾支杆干扰进行试验研究和数值计算研究.风洞试验采用张线支撑模型,测量了模型有无20°、75°预弯支杆的气动载荷,获得了全机气动特性和支架干扰量.计算状态包括:无支杆状态下全机气动载荷,20°、75°预弯支杆的干扰量,直尾杆的干扰量,直背支杆的干扰量,通过背支撑方式获得的尾支杆的干扰量.主要研究了预弯支杆的干扰特性、不同支杆的干扰量比较及尾撑支架干扰试验修正方法.     

基于免疫粒子群算法的滑油屑末支持向量机预测模型设计

将人工免疫理论的克隆选择算法中的抗体克隆、变异和抑制策略引入粒子群优化算法中,提出了一种基于克隆选择的免疫粒子群优化算法,克服了基本粒子群算法易于陷入局部最优解的缺点.针对支持向量机预测模型的参数选择影响其预测精度的问题,引入免疫粒子群优化算法设计了参数自适应优化的航空发动机滑油屑末支持向量机预测模型.仿真结果表明:与传统的交叉验证试算法相比,基于免疫粒子群优化的预测模型实现了参数的自动择优,并且提高了预测精度.