基于灰色理论的自适应多参数预测模型

故障预测对保障武器装备安全可靠工作具有重要意义。但是,用于武器装备故障诊断和预测的数据往往是小样本、多特征参数数据,当前主要的故障预测方法在实际故障预测中虽取得了一定的效果,但均存在不足之处。本文基于灰色预测建模理论,分析了GM(1,1)预测建模中的不足,考虑多个特征参数间的相互关系以及预测序列的实际特点,修正了初始值和背景值,建立了小样本情况下的自适应多特征参数预测模型,并以某型飞机发动机的多特征参数的仿真数据为例进行了预测分析,结果表明该模型具有很好的预测精度,证明了该模型的有效性。     

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.      

PI/SiO_2复合薄膜导热性能理论预测和实验验证

在对复合材料导热性能的多种预测模型进行理论分析和对比研究的基础上,应用自行研制的亚微米/微米薄膜材料热性能测试仪和差示扫描量热仪(DSC)对聚酰亚胺(PI)及其复合薄膜PI/SiO2的热扩散率和比热进行了实验研究,通过导热系数实测值和模型预测值的对比,显示预测模型中考虑填充颗粒尺寸分布的Sorin模型预测值与实验值更为吻合。理论预测和实验研究均表明,在20～160℃温区内,PI/SiO2的导热系数随着SiO2添加量的增加和温度升高呈现明显增大的趋势。     

基于半监督集成学习的多核设计空间探索

随着处理器的系统结构日趋复杂,设计空间呈指数式增长,并且软件模拟技术极为费时,成为处理器设计的重要挑战。提出了一种结合集成学习和半监督学习技术的高效设计空间探索方法。具体而言,该方法包括2个阶段:使用均匀随机采样方法从处理器设计空间中选择一小组具有代表性的设计点,通过模拟获得性能响应,从而组成训练数据集;提出基于半监督学习的AdaBoost（SSLBoost）模型预测未模拟的样本配置的响应,从而搜索最优的处理器设计配置。实验结果表明,与现有的基于人工神经网络和支持向量机（SVM）的有监督预测模型相比,SSLBoost模型能够使用更少的模拟样本构建出不差于现有方法性能的预测模型;而当模拟样本数量相同时,SSLBoost模型的预测精度更高。      

GA寻优超精密加工表面粗糙度预测模型参数的研究

提出将遗传算法(GA)用于超精密切削表面粗糙度预测模型的参数寻优,并给出了金刚石刀具超精密切削铝合金的表面粗糙度预测数学模型,进行了遗传算法(GA)和最小二乘法的比较,结果表明遗传算法较最小二乘法更适合于粗糙度预测模型的参数寻优。     

舰船含腐蚀缺陷通海管路失效压力数值分析

为研究舰船通海管路腐蚀后失效压力预测问题,在DNV RP-F101准则的基础上设置模型系数,建立了管路预测模型,并通过数值分析修正模型系数.使用Abaqus软件分析管道爆破失效力学行为,研究缺陷形貌和腐蚀深度、腐蚀轴向长度对失效压力的影响.对比预测模型与数值分析可知,模型系数为YFEA=1.034时,预测模型可以较好地...     

民航运输生产的动态预测模型及其预测

如何最大限度地利用历史信息，低成本费用地建立高效精确的预测模型，这是在民航运输生产总量管理中亟需解决的课题。建立高精度的具有自学习功能的B－J动态预测模型是解决上述问题的方法。本文结合民航统计信息，研究和建立适宜民航运输生产的B－J模型，并且给出1997～2000年民航运输生产指标的预测。一、B－J模型B－J模型是由P阶自回归AR（P）、D队差分I（d）和Q阶移动平均MA（q）三种数据模型组合而成，亦称ARIMs（q，a，q）模型。这三种子模型的功能各不相同。AR模型是利用同一数列的前数期数据对数列的未来值作出预测，模型…     

威布尔分布多元回归分析方法

提出威布尔分布多元回归分析方法,建立回归参数的最佳无偏整体估计及其协方差公式,给出威布尔分布、极值分布和正态分布的百分位值(如可靠寿命和安全强度)的置信限估计。传统的多元回归分析只适用于正态分布和完全数据的情况,而本文则将其推广到威布尔分布、极值分布和截尾数据的情况。与传统的成组试验和最佳线性无偏估计方法相比,本文方法可以将不同条件的试验数据作为一个整体进行统计推断,能够全面开发利用不同条件下试验数据之间的横向信息,在试样数相同的情况下,具有更高的估计精度,而在精度相同的条件下,则可以节省大量试样。      

基于GM(1,1)分段组合的宽体货机预测模型研究

航空货运市场是全球航空运输市场的重要组成部分，与全球经济、贸易的发展息息相关。航空货运市场的发展趋势及需求直接影响到货机市场的发展趋势及货机行业的发展规划。而作为全球航空货运市场的运输载体，货机尤其是远程宽体货机对货物的国际间运输和交流起到了至关重要的作用。当前主流的预测方法为根据需求与供应的对应关系进行预测，预测过程相对复杂，预测的精度相对较高，不足之处在于预测工作周期较长，难以快速获得预测的结果。根据当前灰色系统理论，建立了宽体货机机队预测的灰色预测模型GM(1,1)，并用分段组合的方式，较为精确地预测宽体货机未来机队的发展情况，预测较为快速，效率较高，能满足一般精度的预测需求。     

基于认知过程的飞行员脑力负荷动态预测

现代军用飞机座舱驾驶系统信息高度密集、任务复杂多变。为探讨信息加工类型与多任务协同对飞行员脑力负荷的影响，依据ACT-R认知模块与脑力负荷决定性因素的关联性，将飞行员的脑力负荷划分为感知负荷与认知负荷，并基于四维多资源干扰理论，考虑多任务协同作用时的资源干扰对脑力负荷的影响，提出了基于认知过程的飞行员脑力负荷动态预测模型。为校验所提模型，选取16名被试完成4种模拟飞行任务的脑力负荷评价实验，结果显示：不同飞行任务在飞行绩效、NASA-TLX主观评价、平均扫视时间与扫视频率下的主效应显著（P<0.05），总脑力负荷预测值与NASA-TLX主观评价、扫视频率和心率呈显著正相关，平均脑力负荷预测值与飞行绩效、瞳孔直径和平均扫视时间呈显著正相关。所提模型对飞行员脑力负荷的动态预测与评价具有应用价值。