共查询到19条相似文献,搜索用时 125 毫秒
1.
主成分回归的建模策略研究 总被引:5,自引:0,他引:5
分析了国际上通用的主成分回归的工作原理和失效原因.在此基础上,提出一种新的主成分回归建模策略:①提取所有主成分建立模型;②删除模型中t检验不显著的成分;③用t检验显著的成分建立最终需要的模型.由于任一主成分的回归系数和t检验值以及与其余主成分无关.因此,当采用向后删除变量法时,如果有多个成分t检验不显著,则可以将它们同时删除,而无须逐个删除.采用仿真案例对所提出的方法的合理性进行验证.这种新的建模策略可以有效地提取对因变量有较强解释作用的成分,实现在自变量多重相关条件下的回归建模,并且允许在模型中包含所有的原始变量.此外,该方法的成分筛选过程简便,累计计算误差小于偏最小二乘回归等迭代算法. 相似文献
2.
基于连续小波变换的飞行器结构模态参数辨识 总被引:1,自引:0,他引:1
给出了一种基于连续小波变换的多输入多输出MIMO(Multiple-Input Multiple-Output)飞行器结构模态参数的辨识方法.对结构离散运动方程进行连续小波变换建立了小波域内的系统AR(Auto Regression)模型,AR模型的系数矩阵决定着系统的动力学特性,可以通过最小二乘法求得.模态参数可以通过求解由AR系数矩阵构成的特征矩阵的特征值来获得.与已有基于小波变换的模态参数辨识方法相比,该方法应用了连续小波的时移共变性和小波变换的滤波能力来确保辨识的效率.在辨识过程中,采用优化算法提高了辨识的精度和稳定性.算例仿真结果表明该方法具有较高的计算精度和稳定性,能用于飞行器结构模态参数的辨识. 相似文献
现有的不确定性模型确认方法建立在概率理论基础之上,仅仅适用于随机不确定性因素影响下的模型确认,而不适合随机和区间变量共存条件下的模型确认问题。针对这一问题,研究了随机和区间变量共存条件下的模型确认方法。首先,分析了随机和区间变量共存条件下数学模型的特点;然后,运用概率方法和区间理论,提出了一种新的模型确认指标,通过模型响应量的上下界分布函数(CDF)与实验响应量的上下界经验CDF之间差异,来度量随机和区间输入变量共存条件下模型预测与实际物理实验结果之间的不一致性;讨论了所提指标的数学性质,给出了指标的计算方法和步骤;最后,采用一个数字算例和一个工程算例验证了所提指标在随机和区间输入变量共存条件下进行模型确认的可行性和有效性。 相似文献
4.
在矩独立重要性分析过程中,重要性指标往往用于衡量结构系统输出不确定性向输入变量不确定性的逆向分配问题。假设输入参数的方差可以减缩一定比例因子,那么矩独立重要性指标可以定义为该缩减因子的函数。同时,假设输入参数的方差缩减因子为一随机变量,那么可以取矩独立重要性指标函数的均值定义一个新的平均矩独立重要性指标。由于使用Sobol方法计算平均矩独立重要性指标的模型需要循环抽样,计算量很高,故引入拒绝抽样(RS)方法,通过重复利用矩独立重要性分析中的一组输入输出样本,就可以额外计算得到矩独立指标函数和平均矩独立重要性指标,这大大节约了计算成本。本文所提指标函数及平均指标的有效性和RS方法的准确性、高效性通过数值和工程算例得以验证。 相似文献
5.
为提高尾喷管调节机构的可靠性分析效率,提出一种结合拒绝采样和主动学习Kriging代理模型的分析方法。在ADAMS中建立了某发动机尾喷管调节机构虚拟样机仿真模型,通过运动学分析对所建模型进行验证;考虑其输入变量含区间分布参数的情形,建立基于调节机构定位精度的极限状态函数;引入主动学习Kriging代理模型,在分布参数随机变化的情况下,通过拒绝采样方法来捕捉样本空间的变化,从而构建适用于整个样本空间内的Kriging代理模型。通过数值算例验证所提方法的可行性,并采用所提方法对调节机构失效概率的上下限进行了计算分析,为提高区间分布参数下的可靠性分析效率提供了一种新的思路。 相似文献
6.
目前的频谱感知算法以模型驱动为主,其感知性能过于依赖预定的统计模型,这使得其在信道环境复杂的卫星通信场景中的部署变得困难。对LEO卫星过境期间的信噪比波动情况进行分析,结果显示信噪比的波动达到14 dB。针对该复杂场景提出了一种基于双向长短期记忆网络及贝叶斯似然比检验联合的频谱感知算法。该算法不需要任何主信号的先验知识,可自动从主信号中学习隐藏特征并做出决策。基于Neyman-Pearson准则,在神经网络输出端设计了一种基于阈值的检测方案,可方便地控制恒定的虚警概率。仿真结果表明,所提算法在信噪比为–14 dB的情况下,仍能达到83%的检测性能,且始终优于卷积神经网络、多层感知机和基于模型驱动的能量检测算法。 相似文献
7.
针对具有动态输出性能的结构系统,传统的求解时变可靠性的代理模型方法在建模时只关注当前瞬间作用于系统的随机变量的作用,而忽视了时间累积效果,使得模型对于时变可靠性的预测效果并不理想。基于此,提出了一种基于带外生输入的非线性自回归(NARX)模型和Kriging模型的时变可靠性分析的双层代理模型方法。所提方法在内层利用NARX模型构建给定随机输入变量下输出响应随时间的变化模型,准确模拟系统的动态行为;在外层基于NARX所得极值构建系统极值与随机变量之间的Kriging模型,得到时变结构系统的可靠性。通过3个算例验证了所提方法在处理具有较强波动性输出系统的可靠性问题时的有效性和准确性。 相似文献
8.
为了更加合理地分析输入随机变量对结构系统失效概率的影响,提出了一种新的矩独立重要性测度分析方法。传统的重要性测度指标只能估计输入随机变量在固定点时对结构系统输出响应的影响,而所提新指标能够充分反映输入随机变量在其分布区域的所有缩减区间上变化时对结构系统输出响应的平均影响程度,更加符合工程实际。为了求解新指标,给出了2种算法:传统的双层重复抽样蒙特卡罗(DLRS MC)方法和自适应超球重要抽样(ARBIS)方法。双层重复抽样蒙特卡罗方法计算结果可以作为对比参照解,但求解效率较低,计算量很大;自适应超球重要抽样方法在满足新指标求解精度的前提下,计算效率得到很大提高。应用数值算例和工程算例证明了所提新指标的意义和所提新算法的高效性。 相似文献
9.
讨论了多变量模型参考自适应控制及其在飞行控制中的应用问题.针对相对阶任意的多输入多输出线性时不变系统,提出了一种模型参考自适应控制方案.基于SDU分解,仅要求高频增益矩阵的顺序主子式的符号已知,从而放宽了对高频增益矩阵的限制.通过构造合适的Lyapunov函数,证明了闭环系统的全局稳定性和跟踪误差的渐进收敛性.将所提方案应用到了飞行控制系统,仿真结果验证了所提方案的有效性. 相似文献
10.
不确定性因素对复杂工程系统设计的影响贯穿整个设计过程.对多学科设计优化(MDO,Multidisciplinary Design Optimization)中不确定性的来源进行了总结和归类;建立了包含2个耦合学科的MDO系统分析输出结果的不确定性与设计变量输入数据误差和模型误差之间关系的数学模型,用于计算各种不确定性对系统性能的影响.算例分析结果和实验结果吻合,表明该数学模型有效可靠.经过扩展可用于估算包含多个耦合学科的MDO系统分析输出结果的不确定性,为鲁棒多学科设计优化方法的构建提供理论基础. 相似文献
11.
针对固液火箭发动机的可靠性问题,设计了一种改进的贝叶斯网络故障诊断方法,可以通过网络化自主逻辑推理,对固液火箭发动机进行故障诊断。为了提取时序观测信号的故障特征,提出将步进法与核主成分分析(KPCA)相结合的分析方法,并根据模糊C均值聚类算法(FCM)建立模糊多态贝叶斯网络,实现对观测信号尺度的模糊处理,提高对不确定性故障的诊断能力。通过Matlab/Simulink建立改进的贝叶斯网络故障诊断系统。仿真结果表明,改进的算法能够实现对固液火箭发动机常见故障的有效诊断,并能够适应小样本集学习的情况。与传统贝叶斯诊断算法相比,故障诊断的平均准确率提高了20.9%。 相似文献
12.
针对航天器电特性信号数据存在数据量大、特征维数高、计算复杂度大和识别率低等问题,提出基于主成分分析(PCA)的特征提取方法和随机森林(RF)算法,对原始数据进行降维,提高计算效率和识别率,实现对航天器电信号数据的快速、准确识别分类。随机森林算法在处理高维数据上具有优越的性能,但是考虑到时间复杂度问题,利用主成分分析方法对数据进行压缩和降维,在保证准确率的同时提高了计算效率。实验结果表明:与其他算法相比,针对航天器电特性信号数据,本文方法在准确率、计算效率和稳定性等方面均显示出优异的性能。 相似文献
13.
基于PCA和WPSVM的航天器电特性识别方法 总被引:1,自引:1,他引:0
针对航天器电特性监测系统识别过程中存在测试数据量大、特征维数高、样本少、计算速度慢和识别率低等问题,提出基于主成分分析(PCA)的特征提取和加权近似支持向量机(WPSVM)的在线故障诊断方法.实现了对信号故障特征的主成分分析、选择和提取,并对高维特征数据实现了降维,提高了航天器电特性在线故障诊断的准确性和速度.针对PCA中的结果选取问题,提出运用数据贡献度阈值进行数据截取的方法,有效地保证了数据的有效性与一致性.结果表明:该方法充分利用了航天器电特性监测系统的有用数据特征,有效提高了识别的精度,且计算时间较短,效率较高. 相似文献
14.
为研究多变量区间数据的降维和可视化,采用包含中心点和半长对数值的二维数组表征区间数据,建立了区间数据的代数运算法则,并在此基础上提出了一种新的区间数据主成分分析(PCA)方法。对区间半长取对数的处理保证了最终得到的区间主成分半长非负的合理性,计算过程简单、复杂度较低,并且使得降维前后样本集合中点点之间相对位置的改变尽可能小。通过对高维空间进行变量降维,从而多种经典的统计分析方法能够得到运用,同时能够在低维空间中描绘原始高维空间中的样本点,使得多变量区间数据的可视化成为可能。仿真实验结果表明了所提方法的有效性。 相似文献
15.
为了进一步提高基于独立分量分析(IndependentComponentAnalysis,ICA)的遥感图像变化检测精确度,并解决ICA分离的图像分量排序不确定问题,提出了基于小波变换和核独立分量分析(KernelIndependentComponentAnalysis,KICA)的遥感图像变化检测方法。首先通过小波变换对遥感图像进行分解,得到由图像的高频分量和低频分量组成的分块向量,然后利用核函数将分块向量映射到高维特征空间中,再在该空间中用ICA方法分离出互相独立的向量,最后根据分离出的向量中高频分量的差异自动分辨出变化分量。文章给出了遥感图像变化检测方法及近年提出的基于主分量分析(PrincipalComponentAnalysis,PCA)、基于ICA、基于KICA三种变化检测方法的试验结果,并进行了分析和定量比较。试验结果表明,文中方法能更好地分离出遥感图像的变化信息,具有更高的精确度,并实现了变化检测的智能化。 相似文献