基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

Behavior and functional modeling methods of doubly salient electromagnetic generators for aircraft electrical power system applications

The Doubly Salient Electromagnetic Generator(DSEG) is a promising candidate in aircraft generator application due to the simplicity, robustness and reliability. However, the field windings and the armature windings are strongly coupled, which makes the inductance characteristics non-linear and too complex to model. The complex model with low precision also leads to difficulties in modeling and analysis of the entire aircraft Electrical Power System(EPS). A behavior level modeling method based on modified inductance Support Vector Machine(SVM) is proposed. The Finite Element Analysis(FEA) inductance data are modified based on the experiment results to improve the precision. A functional level modeling method based on input–output characteristics SVM is also proposed. The two modeling methods are applied to a 9 kW DSEG prototype. The steady state and transient process precision of the proposed methods are proved by comparing with the experiment results. Meanwhile, the modeling time consumption, the application time consumption and the calculation resource demand are compared. The DSEG behavior and functional modeling methods provide precious results with high efficiency, which accelerates theoretical analysis and expands the application foreground of the DSEG in the aircraft EPS.     

装备保障系统配置管理模型

对装备保障系统分解结构进行了研究,分析了装备保障系统分解结构建立过程中的配置管理需求,抽象出了装备保障系统配置管理的范树模型,根据保障系统数据结构的特点建立了信息模型,利用统一建模语言(UML)中的活动图建立了保障系统配置管理的过程模型,并给出了基于飞机装备保障系统配置管理的实际简化案例,可以为保障系统自上而下的设计过程提供建模指导,对保障系统设计过程中多系列、多方案、多视图的繁杂产品数据配置过程进行有效的处理.     

基于支持度的MEMS陀螺信息融合方法

为了解决微机械电子系统(MEMS, micro electronic mechanical system) 惯性器件测量准确度低、噪声大、长时间单独使用导航误差积累大等缺点,提出了一种MEMS陀螺阵列结构设计,在完成微型惯性测量单元(MIMU, micro inertial measurement unit)的标定后,采用基于支持度的信息融合方法对陀螺阵列输出进行信息融合。试验结果表明：该结构设计和信息融合方法能够有效的提高MIMU的测量准确度,具有一定的工程应用价值。     

空间低温杜瓦瓶凯夫拉支撑结构多约束优化设计

采用新型凯夫拉纤维作为某空间用小型低温杜瓦瓶的支撑材料,在验证其力学性能的基础上,设计了杜瓦瓶的支撑结构,建立了一种新的热力学耦合优化模型,给出支撑结构固有频率、热应力及发射环境下的约束条件,通过一种“离散点加密”新约束优化法计算出了支撑结构满足约束条件范围内的要求的最优设计参数。     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.     

金属增材制造数据处理与工艺规划研究综述

金属增材制造数据处理与工艺规划是金属增材制造软件系统的核心,涵盖了金属支撑结构设计、模型切片以及路径规划等内容,决定着最终金属零部件的产品性能.从金属增材制造模型前处理出发,较为全面地概述了与之相关的多类型支撑设计和新型支撑优化等数据处理内容,针对金属增材制造数据处理中模型切片这一关键环节,分别从平面切片、自适应切片和...     

航空四站气体保障过程的STAMP建模与STPA安全性分析

航空四站气体保障装备的可靠性在不断提高,而气体保障过程中的事故仍有发生,需要一种新的方法系统地去识别新的危险因素,从而提高系统的安全性。从控制的角度结合STAMP和STPA对航空四站气体保障过程进行安全性分析。首先,介绍STAMP/STPA的工作机理;然后,对航空四站气体保障过程构建STAMP模型,采用STPA安全分析方法对航空四站气体保障过程的安全性进行分析,识别不安全控制行为,对生成的不安全控制行为进行场景分析;最后,与事故树分析法(ATA)进行分析结果的比较,从而证实了该方法的优越性。结果表明:采用STAMP模型和STPA安全分析法可以更加全面地识别出不安全控制行为及其原因,更有利于保证航空四站气体保障过程的安全。     

Multi-state autonomous drilling for lunar exploration

Due to the lack of information of subsurface lunar regolith stratification which varies along depth, the drilling device may encounter lunar soil and lunar rock randomly in the drilling process. To meet the load safety requirements of unmanned sampling mission under limited orbital resources, the control strategy of autonomous drilling should adapt to the indeterminable lunar environments. Based on the analysis of two types of typical drilling media (i.e., lunar soil and lunar rock), this paper proposes a multi-state control strategy for autonomous lunar drilling. To represent the working circumstances in the lunar subsurface and reduce the complexity of the control algo-rithm, lunar drilling process was categorized into three drilling states:the interface detection, initi-ation of drilling parameters for recognition and drilling medium recognition. Support vector machine (SVM) and continuous wavelet transform were employed for the online recognition of dril-ling media and interface, respectively. Finite state machine was utilized to control the transition among different drilling states. To verify the effectiveness of the multi-state control strategy, drilling experiments were implemented with multi-layered drilling media constructed by lunar soil simulant and lunar rock simulant. The results reveal that the multi-state control method is capable of detect-ing drilling state variation and adjusting drilling parameters timely under vibration interferences. The multi-state control method provides a feasible reference for the control of extraterrestrial autonomous drilling.     

基于滑动时窗策略自适应优化支持向量机的航空发动机性能参数在线预测

针对传统航空发动机性能参数时间序列预测方法存在的不足,提出了基于滑动时窗策略自适应优化支持向量机(Support Vector Machine,SVM)在线预测模型。该方法解决了训练样本动态适应性差的特点和老旧数据信息影响预测模型精度的问题。在该方法中,滑动时窗策略实时更新时窗数据训练样本,最终误差预报准则(Final Prediction Error,FPE)自适应地确定嵌入维数,遗传算法(Genetic Algorithm,GA)则实时自适应优化SVM建模参数。应用航空发动机排气温度偏差值(Delta Exhaust Gas Temperature,DEGT)数据进行实例验证,结果表明基于滑动时窗策略的自适应GA优化的SVM (GASVM)在线预测模型比传统的GASVM预测模型预测精度有显著提高。进一步分析了预测模型不同时窗宽度对短期预测精度的影响,展示了1步～10步预测的效果,结果表明在线预测模型在不同时窗宽度下短中期(5步以内)预测效果良好且稳定。文中提出的在线预测模型可用于航空发动机性能参数的预测,实现对航空发动机未来性能变化的预警。