排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
为在二维或三维空间中表达固体火箭发动机高维设计空间,引入非线性主轴降维映射法对多维非线性设计优化问题进行降维处理。以某大型固体火箭发动机设计问题为例,将10变量4有效约束优化问题降维映射到二维空间进行研究,拟合的非线性主轴降维映射模型中,目标函数和约束函数的相对误差控制在1.5%以内。研究表明,非线性主轴降维映射法具有发现多变量非线性优化数学模型本征特性的特点,能对设计变量重要性排序;通过降维展示设计空间全景,为优化算法和优化初始点优选提供了直观、有力的工具;优化轨迹实时展示为优化算法性质研究及算法切换提供了依据;根据优化轨迹从优化结果在降维空间中的位置能够判断优化结果是否具有全局最优解特性。 相似文献
2.
3.
对于飞机部件的故障数预测、可靠性评估、备件需求预测等通常采用样本数目趋于无穷大时的渐近理论,即传统统计学及神经网络理论等进行分析,但在航空维修保障领域,维修数据通常为小样本数据,这些方法存在着固有的算法缺陷. 统计学习理论是一种专门研究小样本情况下机器学习规律的理论,它不仅考虑了对渐进性能的要求,而且追求在现有有限信息的条件下得到最优结果.支持向量机(SVM)是基于统计学习理论的机器学习算法,它采用结构风险最小化原则,在最小化样本点误差的同时,缩小模型预测误差的上界,从而提高了模型的泛化能力和抗噪声扰动能力.主要应用领域为模式识别、回归预测、概率密度函数估计等.目前,支持向量机算法及其应用尚在发展阶段. 相似文献
4.
1