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PSO-SVM的民航发动机送修等级决策研究

为降低航空公司维修成本,增强送修等级决策科学性,保障飞行安全,提出基于PSO-SVM的民航发动机送修等级决策算法.首先利用改进的粒子群优化(Particle Swarm Optimization,PSO)算法对支持向量机(Support Vector Machine,SVM)参数进行寻优,并提出将交叉验证(Cross Validation,CV)的平均分类精度作为PSO的适应度值.对某型发动机送修等级的真实数据进行了决策对比研究,研究数据表明:与传统的Grid和GA算法相比,PSO的参数寻优效果要更优;在小样本分类时,PSO-SVM的分类精度要远高于常用的神经网络分类模型径向基函数(Radial Basis Function,RBF)模型和学习向量量化(Learning Vector Quantization)模型.     

基于排列组合熵的转子振动信号故障诊断SVM方法研究

针对发动机转子的多种故障模式,提出了基于排列组合熵的SVM故障诊断方法。利用转子实验台,模拟了转子正常、转子不平衡、转子不对中、动静碰磨和基座松动5种典型振动模式,并使用振动传感器采集多路振动数据。计算振动数据的排列组合熵并将其作为故障特征向量,对特征向量样本集进行多级SVM分类诊断,并运用小波包能量特征提取方法提取信号特征。实例计算与结果对比表明,本文方法的正确率要高于基于小波包能量提取特征的SVM分类诊断方法,在提取转子振动信号的特征向量及在小样本下的故障分类诊断等方面,具有可行性和有效性。     

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。     

基于相关向量机的MEMS加速度计零偏温漂补偿

应用相关向量机（RVM,Relevance Vector Machine）回归预测方法建立了基于RVM的零偏温漂预测补偿模型,利用温度值和温升速率作为输入可预测不同温变过程下的加速度计零偏温漂,探讨了不同训练样本数量、核函数类型和不同的核函数宽度对预测补偿效果的影响,最后应用环境温度试验数据对模型进行检验和验证.结果表明：基于RVM的零偏温漂预测补偿模型能够有效的预测微机械（MEMS,Micro Electro Mechanical Systems）加速度计零偏温漂,模型预测的均方根误差小于1%,补偿后滞环误差最大由0.06g缩减为0.015g.     

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SVM和"嫦娥一号"数据的月球表面亮温分布

月球表面的微波辐射亮度温度分布与月表物质的物理化学和地理分布特性密切相关.为了分析月球表面微波辐射亮温的分布特点,利用支持向量机(SVM)方法对嫦娥一号(CE-1)绕月卫星搭载的微波辐射计获得的2C级亮温数据建立回归分析模型,并利用粒子群算法优化SVM回归模型,建立了月球表面不同地理位置的4个频率通道(3GHz,7.8GHz,19.35GHz,37GHz)的微波辐射亮温与时间的关系,获得了这4个频率的微波辐射亮温在月表很窄时间段的全球分布,因而显示出了更多的细节特征.最后对这些特征进行了描述并对影响月球表面亮温的因素进行了讨论.