基于核独立分量分析的非线性混合机械故障盲分离方法研究

提出了一种基于核独立分量分析(KICA)的非线性混合机械故障源盲分离方法,即利用核函数的优点,将信号从低维的非线性原始空间变换到高维线性特征空间,实现以线性ICA方法进行分离。仿真结果表明:与传统的ICA方法相比,本方法在处理非线性混合源盲分离上具有明显的优势,并在轴承故障信号盲分离实验中验证了它的有效性。     

基于字典学习的混合采样数据分类方法

混合采样数据不仅仅具有不同采样频率数据之间特征集合不同,还有样本数量不一致等特点,传统的分类方法不能直接使用。因此,本文提出一种基于Fisher判别准则字典学习的混合采样数据分类方法以处理采样数据的分类任务。该模型巧妙借助处理多视图数据的分类思想,利用基于Fisher判别准则的字典学习方法,生成的结构化字典的每个原子与数据的类标签相关,同时采用Fisher判别准则使类内散度更小,类间散度更大来约束编码系数矩阵,从而大大提升分类性能。此外,本文针对混合采样数据的样本数量不一致特点,设计了混合采样数据判别分析模型的分类方案。最后实验结果验证了本文方法的有效性。     

支持向量机的正定核(英文)

探讨并论证了支持向量机中Mercer核,再生核与正定核这几种核函数的关系及它们在支持向量机中各自的角色.通过核矩阵的正定性检验了核函数的构造方法.基于Bochner定理,在Fourier域验证了许多平移不变核函数.基于Schoenberg定理验证了一些旋转不变径向核.最后讨论了离散尺度与小波核函数的构造,核函数选择与核参数学习.     

Menger PM-空间上复合映射不动点定理的推广

设（X，F，△）和（Y，－↑F，△）是两个完备的MengerPM－空间，△是连续的H型t－范数，函数Φ（t）满足条件（Φ1)，本文在映射T：X→Y和S：Y→X满意更一般的条件下给出了关于复合映射TS和ST的不动点定理。这一定量进一步推广了Fisher,Sehgal和Bharucha-Reid等的有关结果，也是作者“MengerPM－空间上复合映射的不动点定理”一文的一般推广，最后给出了几个有用的结果作为本文主要定理的推广论。     

最小支撑树算法在基因表达数据聚类分析中的应用

聚类分析已成为对基因表达数据进行挖掘以提取生物医学信息的主要方法.本文提出了基于图论的最小支撑树(Minimum spanning tree,MST)聚类算法,用MST表示多维基因表达数据,可将数据的聚类转换为对最小支撑树的分割,相对于传统聚类方法,最小支撑树算法具有形象直观、对一些准则函数能产生全局最优解等优点;将MST算法分别与Memetic algorithm及人工免疫算法(Artificial immune network,aiNet)相结合,则产生更优化的聚类结果.对酵母基因表达数据的实验结果表明,最小支撑树聚类算法是一种有效的基因表达数据的聚类方法.     

基于Gauss核函数的SVM故障诊断技术研究

本文提出了基于Gauss核函数的SVM故障诊断技术,并利用grid法对SVM中参数进行寻优,以保证得到最高分类精度.通过对某航空公司ERJ145的右发AE3007发动机进行故障诊断研究后,证明基于Gauss核函数的SVM在小样本故障诊断中有着较好的适用性和可信性,能够为飞机发动机故障诊断提供有效的参考.     

基于Hammerstein模型的非线性气动弹性系统辨识

在非线性气动弹性系统的辨识中,Hammerstein模型常用来辨识系统的非线性部分,而假设其线性部分是已知的。本文以累积相干函数为准则,有效地选择非线性部分的基函数,减少辨识参数的数目;利用条件逆谱法得到系统线性部分的极点,并构造相应的正交基函数;基于Hammerstein模型,建立该非线性系统的参数化模型;用非迭代方法求解模型参数;从而提出了能够同时辨识系统线性和非线性部分的非迭代辨识算法。以俯仰方向含刚度五次非线性的二元翼段为例,验证了该辨识方法的有效性。     

基于TBIC信息准则的小波网络结构设计方法

针对框架小波网络存在的网络结构不易确定的问题．提出一种基于TBIC(Testing Bayesian information criterion)信息准则的网络结构设计方法。该方法权衡网络规模和测试精度两方面因素,得到了在TBIC信息准则下的最优小波网络,达到了优化网络结构的目的。仿真结果表明,用该方法设计得到的小波网络具有较小的网络结构和良好的测试精度。相比于BIC(Bayesian information criterion)准则函数,该准则能更准确地反映出测试精度随网络结构变化的趋势。     

可靠性及可靠性灵敏度分析的改进点估计方法

针对低维高度非线性问题,提出了一种可靠 性及可靠性灵敏度分析的改进的点估计方法。基本思想是首先由空间分割来降低局部子空间 中功能函数的非线性程度,然后用低精度的稀疏网格积分探索子空间中功能函数的概率响应 特性,最后组合子空间中的信息来得到所需的可靠性及其灵敏度分析结果。方法的优点 是适用于低维高度非线性功能函数的失效概率和可靠性灵敏度分析,由于无需求解功能函数 的梯度函数,因此适用于复杂的隐式功能函数。另外,由于方法利用少量均匀抽样来估计对 失效概率贡献最大的点,并依据其进行子空间的划分,从而使得子空间的划分更有利于提高 可靠性及可靠性灵敏度分析的效率。用算例对所提方法进行了验证,结果表明：在低维高度 非线性条件下,所提算法的精度和效率比类似的三点估计、直接稀疏网格积分方法有明显优 势。     

一种方形盒坯料快速设计方法

针对冲压件坯料设计存在的难题,本文以方形盒冲压件为对象,提出一种结合径向基函数神经网络(RBFNN)和有限元反向法(IA)的快速坯料设计方法。利用神经网络高度的非线性映射能力,建立方形盒零件几何形状和坯料轮廓尺寸的映射模型。利用有限元反向法为RBFNN提供训练样本,同时采用基于变形路径的坯料优化方法改进了训练样本的精度,提高了RBFNN模型对的坯料外形的预测能力。实验证明采用RBFNN-IA方法可以实现方形盒坯料的快速设计,而且可以提高坯料的预测精度。