An adaptive turbo-shaft engine modeling method based on PS and MRR-LSSVR algorithms

In order to establish an adaptive turbo-shaft engine model with high accuracy, a new modeling method based on parameter selection (PS) algorithm and multi-input multi-output recursive reduced least square support vector regression (MRR-LSSVR) machine is proposed. Firstly, the PS algorithm is designed to choose the most reasonable inputs of the adaptive module. During this process, a wrapper criterion based on least square support vector regression (LSSVR) machine is adopted, which can not only reduce computational complexity but also enhance generalization performance. Secondly, with the input variables determined by the PS algorithm, a mapping model of engine parameter estimation is trained off-line using MRR-LSSVR, which has a satisfying accuracy within 5&. Finally, based on a numerical simulation platform of an integrated helicopter/ turbo-shaft engine system, an adaptive turbo-shaft engine model is developed and tested in a certain flight envelope. Under the condition of single or multiple engine components being degraded, many simulation experiments are carried out, and the simulation results show the effectiveness and validity of the proposed adaptive modeling method.     

基于WCFSE-FSVM的转子振动故障诊断方法

为了提高含有噪声和野值的转子振动故障样本诊断精度,提出了基于WCFSE-FSVM的故障诊断方法。充分融合小波相关特征尺度熵(WCFSE)特征提取方法和FSVM故障诊断方法的优点,建立WCFSE-FSVM故障诊断模型。基于转子实验台模拟4种典型故障,获得原始故障数据;并利用WCFSE方法提取这些故障数据的WCFSE值,选取故障信号高频段中的尺度1和尺度2上的小波相关特征尺度熵W1和W2构造出振动信号的故障向量作为故障样本,建立FSVM诊断模型。实例分析显示:WCFSE-FSVM方法的转子故障诊断精度最高,即故障类别诊断精度为94.49%,故障严重程度的诊断精度为95.58%,二者都优于其它故障诊断方法。验证了WCFSE-FSVM方法的可行性和有效性。      

结构可靠性灵敏度因子的新标准化指标

鉴于以往可靠性灵敏度在不同算法下数值差异性较大,可靠性灵敏度数值仅能进行简单的重要性排序,数值本身难以反映出基本变量对输出不确定性的影响程度,提出了标准化灵敏度因子及标准化灵敏度因子向量。据此,其分量不仅反映了基本变量对输出不确定性的影响,还袁征了此变量在全部变量中对输出不确定性的重要性程度,在数值上具有明确的物理意义,进一步在线性机构条件下推导出标准化灵敏度因子的具体求解公式。经数值算例分析,算法简单易行,运算量小,计算效率高。     

超弹性N形杆纯弯曲力矩理论建模和试验验证

为了使N形杆在空间结构中顺利展开,对其缠绕过程中的力学特性进行了分析。基于协变基向量法建立了纯弯曲条件下各向同性单片带簧在缠绕时应变能理论模型,并采用最小势能原理推导了弯矩的理论模型,然后通过拟合曲率推导了N形杆缠绕时的理论模型。研制了4根N形杆样件,并搭建了试验平台,使用数显式推拉力计分别对杆件在缠绕过程的拉力进行了5次测试,然后求出峰值力矩,发现试验值与理论值的偏差不大于8.83%,偏差平均值为2.813%,从而验证了理论模型的准确性。该研究可用来分析超弹性杆在纯弯曲状态下的峰值力矩,对超弹性杆在宇航空间中的应用具有重大意义。     

基于FSVM改进隶属度的发动机振动性能分析

为了更有效地掌握航空发动机振动性能的影响因素,提出了改进FSVM信息熵的融合定量分析方法.首先,对模糊支持向量机(FSVM)的模糊隶属度函数进行改进,建立多类模糊隶属度计算模型.再将该方法应用到航空发动机整机振动性能评估,计算出振动故障模式与故障原因之间的权值,建立了一个多参数的发动机振动性能分析模型;并对各类振动原因对发动机整体性能的影响进行定量分析,为发动机的振动抑制提供量化参考指标.最后,通过与实际经验作比较,验证了该方法是可行和有效的.     

基于混合深度特征的红外目标抗干扰识别算法

复杂干扰条件下的红外空中目标识别技术是空战对抗领域的热点研究课题,复杂人工干扰严重遮蔽目标,导致目标特征的连续性与显著性遭到破坏,无法全面描述识别对象的特性,造成空中目标识别准确率下降。针对此问题,提出一种基于图像混合深度特征的空中目标抗干扰识别算法。首先,基于卷积神经网络进行图像深度特征的提取,将深度特征与梯度直方图(Histogram of Gradient, HOG)特征进行有效融合,构建混合深度特征。针对作战场景中的目标与干扰的对抗态势多样性,将支持向量机的二分类模型改进为三分类模型,对目标、干扰以及目标干扰粘连三种状态进行精确分类。实验结果表明：在复杂干扰环境下,基于混合深度特征的空中目标抗干扰识别算法正确率为92.29%,该算法可以有效地解决目标被干扰遮蔽、形成目标干扰粘连状态时的抗干扰识别问题。     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

基于改进模糊SVM的转子振动故障诊断技术

首先对常用的隶属度确定方法进行改进,提出了基于改进模糊支持向量机(FSVM)的融合故障诊断方法,并建立了改进FSVM故障诊断数学模型;然后,利用转子振动模拟实验台对四种典型的转子诊断故障进行模拟,并提取其故障信号特征;最后,通过实例计算分析,验证了该方法在转子振动故障诊断方面是可行的和有效的.     

不同来流条件下旋转对气膜冷却的影响

大涡模拟考察了旋转状态来流条件对单孔平板气膜冷却的影响,气膜孔沿流向倾斜30°,气膜出流的雷诺数为2 600,吹风比为0.5,计算了静止和旋转数为0.02时气膜冷却的流动和换热,对比两种主流进口条件下旋转对气膜冷却的影响。计算结果表明：（1）均匀来流条件下,旋转主要使发夹涡结构产生非对称分布,裹挟气膜向高半径方向偏转;（2）充分发展的来流条件下,旋转使来流边界层内产生湍流结构,淹没了射流进入主流时产生的发夹涡,引起更强烈的射流扩散,增大了气膜覆盖范围,降低了气膜冷却效率的峰值;（3）旋转通过改变来流边界层内的湍流结构对气膜冷却的影响更显著。     

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。