卷簧式柔性取样器的取样头-岩石接触原位辨识(英文)

取样头和岩石接触问题与月壤取样的成功与否直接相关,基于小型卷簧式月壤取样器的柔性取样臂结构,提出了振动取样法:在取样过程中采集振动信号进行数字信号处理与分析,达到对取样头-岩石接触的辨识。首先对振动信号进行采集、消除趋势项,然后利用小波多分辨分析去噪,采用现代功率谱中基于AR模型的Burg法对振动信号进行特征提取,最后采用二分类支持向量机对取样头是否接触到岩石进行识别。实验结果证明,卷簧式取样器的振动信号分析能够对取样头-岩石接触问题进行较好的辨识。     

一种基于多支持向量机的增量式并行训练算法

为了改进传统算法,利用支持向量的特性,提出了一种基于多支持向量机的增量式并行训练算法(PMSVM)。选择对分类超平面有影响的样本点作为支持向量,以增加单个分类器的训练时间为代价换取整体训练和分类的精度。考虑到训练样本的分布对最终结果的影响,加入反馈向量进行适当的重复训练,以调整各分类器的学习性能。通过在测试数据集上进行的实验表明,该算法与批学习增量BSVM算法相比,在提高训练效率和分类精度的前提下,大大降低了训练时间。     

基于Gabor滤波器的图像目标识别方法

为了给机器人视觉导航提供有效信息,提出一种基于图像匹配的目标识别方法.对CCD采集的目标图像,由 Gabor 变换生成的二维Gabor 滤波器有着优良的滤波器性能,不需要对图像进行分割,能适应一定的旋转、尺度、光照的变化,通过多个频率和角度的Gabor算子与图像的卷积,获取图像全局信息的特征描述.分类方法采用统计学习理论基础上发展起来的一种新的机器学习方法——支持向量机(SVM, Support Vector Machines),它可解决模型选择、过学习、维数灾难等问题.通过支持向量机进行多维特征向量的分类.该方法可达到较高的识别率,达到实时处理的要求,可以在人脸识别、机器人视觉定位等领域得到应用.      

铜颗粒污染物对变压器油运动黏度的影响

变压器油中铜颗粒污染物的存在极易影响油液的理化性能,甚至导致重大生产事故,因而根据ISO4406:1999标准,配制了24组不同污染度的含铜颗粒油样并通过实验测试了变压器油样的运动黏度性能（40℃）,获得了实验范围内铜颗粒污染度对油液运动黏度的影响规律;然后根据测试数据采用偏最小二乘（PLS）法和支持向量机（SVM）法建立了油样中不同粒径、含量的铜颗粒与油液运动黏度的数学模型,探讨了不同粒径、含量的铜颗粒污染物对油液运动黏度的影响规律。结果表明:随着铜颗粒污染度的增加,油液的运动黏度减小;铜颗粒污染物粒径在15～25 μm范围内对油液运动黏度的影响较大,且粒径越大,油液运动黏度也越大;所建立SVM模型对验证集进行预测的相关系数和均方根误差（RMSE）分别是0.962 6、4.597×10-5。为消除实验误差,减少人为因素的影响比较准确地掌握铜颗粒污染物对油液运动黏度的影响提供了新的途径。      

支持向量机的B737飞机水平尾翼裂纹故障预测

为保障飞机的飞行安全,做到预防性维修,提升飞机的飞行安全及任务出勤率,需要对飞机结构出现的疲劳裂纹进行及时检测并修理。基于支持向量机理论,建立了支持向量机回归预测模型,并应用该模型对B737飞机水平尾翼健康信息的特征值(小波包分解系数提取的能量)进行了故障预测研究。为建立最佳支持向量机模型,选用了支持向量机四种常用的核函数分别对特征值进行了预测。同时还对支持向量机预测模型与神经网络预测模型(BP神经网络预测模型)的预测结果进行了比较与分析,研究表明,应用支持向量机所设计的预测模型准确率比较高,可以较好地对飞机水平尾翼的裂纹故障进行预测。     

航空发动机主轴承使用状态寿命预测模型(英文)

航空发动机主轴承寿命的实际可靠预测对于发动机的安全运行至关重要。使用状态寿命(即状态良好、初始损伤、故障发展和即将失效4个寿命阶段)描述航空发动机主轴承的使用寿命,并提出了一种基于支持向量机和模糊逻辑推理的主轴承状态寿命分析模型。首先,讨论了理论计算模型,采用轴承疲劳累积损伤模型,利用修正的Lundberg-Palmgren模型,结合飞参记录数据计算主轴承装机以来的累积寿命消耗,确定状态寿命的理论值。然后,详细阐述了状态寿命评估模型,该方法通过选取轴承振动的时域、频域统计量作为特征矢量,利用支持向量机作为辨识算法进行滚动轴承状态寿命的智能评估。最后,基于模糊逻辑推理融合主轴承状态寿命的理论计算模型和状态寿命评估模型得到主轴承状态寿命模型。采用滚动轴承的全寿命试验验证模型的有效性和可行性。     

Real-time evaluation method of flight mission load based on sensitivity analysis of physiological factors

As the complexity of flight missions continues to increase, sending a timely warning or providing assistance to pilots helps to reduce the probability of operational errors and flight accidents. Monitoring pilots’ physiological data, real-time evaluation of mission load is a feasible technical way to achieve this. In this paper, a set of flight tasks including aircraft control, humancomputer interaction and mental arithmetic tests are designed to simulate five mission loads at different flight d...     

基于GA-SVM的GNSS-IR土壤湿度反演方法

针对提高大范围土壤湿度测量精度的问题,研究了土壤湿度的全球卫星导航系统干涉测量法（GNSS-IR）,提出了一种基于支持向量机（SVM）的土壤湿度反演模型,利用遗传算法（GA）的自动寻优功能寻找SVM的最佳参数。结果表明,GA-SVM模型在测试集上得到的土壤湿度反演值与实测值的平均绝对百分比误差（MAPE）仅为0.69%,最大相对误差（MRE）为1.22%,线性回归方程决定系数达到了0.956 9。进一步与统计回归、粒子群优化的SVM模型（PSO-SVM）及反向传播（BP）神经网络方法进行对比,结果说明:在样本数目有限的情况下,GA-SVM方法更适用于土壤湿度的GNSS-IR技术反演,且反演精度较高,泛化性能良好。      

改进的参考电压矢量获取方法

针对基于空间矢量调制的永磁同步电机直接转矩控制方法中,参考电压矢量获取涉及电机参数,而电机参数的变化又导致预测结果不可靠的问题,提出了一种不依赖电机参数的参考电压矢量获取方法。通过对转矩误差以及定子磁链幅值误差进行PI控制,对其输出量分别分配一定的权重,用其绝对值的加权,作为参考电压矢量幅值的控制量,用其比值作为确定参考电压矢量相对于定子磁链矢量角度偏差的依据。仿真结果表明,该方法能很好克服电机参数变化造成的影响,从而试验验证了该方法的有效性。