基于支持向量机的滚动轴承状态寿命评估

应用状态寿命描述滚动轴承的使用寿命,并建立了滚动轴承的状态寿命评估模型.状态寿命评估模型建模的关键是振动信号的特征提取和状态的识别算法.针对滚动轴承振动的特点,提取小波包重构信号的频带能量构造特征向量,利用支持向量机作为辨识算法建立滚动轴承状态寿命评估模型.滚动轴承全寿命试验验证了模型的有效性和可信性.     

一种基于支持向量机的小波图像压缩方法

提出了一种结合支持向量机(SVM,Support Vector Machines)回归与小波变换的新的静态图像压缩方法.SVM回归方法可以学习原始数据之间的相关性,并采用小部分训练样本,即支持向量来稀疏表示原始数据集,利用这一特性来逼近和约减小波系数,可以达到数据压缩的效果.首先采用小波变换把原始图像分解成不同尺度的多个子带,由于最低频子带系数非常重要,采用DPCM直接编码,然后对其它频带系数采用SVM回归进行压缩.由于不同尺度和方向的小波系数特征不同,为尽可能去除小波系数间的各种相关性,给出了适合SVM回归的小波系数的有效组织方式.最后研究了支持向量及其相应权重的混合编码方法.实验结果表明:与同类压缩方法相比,本算法获得的恢复图像的主客观质量有明显提高.      

免疫支持向量机用于航空发动机磨损故障诊断

航空发动机在使用寿命周期内会不断磨损最终出现故障,通过对发动机油液监测铁谱分析数据的挖掘可实现磨损故障的诊断。本文研究免疫算法优化的支持向量机(SVM)在航空发动机磨损故障诊断中的运用。首先,总结了支持向量机和免疫算法的运行流程和关键算法。然后,用改进的免疫算法优化支持向量机惩罚因子、松弛变量及核函数参数。某型航空发动机的油液铁谱分析数据和加入噪声数据验证结果表明,该方法可有效实现航空发动机磨损故障诊断且具有较好的鲁棒性。最后,研究了核函数、多分类决策方法、初始种群大小、亲和力计算公式、支持向量机优化方法和归一化方法对磨损故障诊断准确率的影响,得到了最佳诊断方法。     

基于贝叶斯准则的支持向量机预测模型

对实际统计数据中存在的相关性、不确定性和非线性问题,提出贝叶斯支持向量机预测模型方法.构建基于高斯分布的权值分布模型描述信息的不确定性,基于先验概率分布和贝叶斯关系获得后验分布模型,利用极大似然方法和递推迭代算法求解后验分布的最佳参数,从而得到关联向量机.建立起基于参数分布多维时间序列预测模型,将每一步迭代过程中的支持向量机输入作为随机变量,考虑数据不确定性的传递,递推得到贝叶斯支持向量机预测输出.由于贝叶斯支持向量机可以有效反映随机影响及其传递,可以克服数据不确定性和相关性的影响,因此基于贝叶斯支持向量机预测效果更加符合实际.实例表明利用贝叶斯支持向量机预测高科技企业发展趋势与实际发展趋势接近,可以克服数据相关性、不确定性和非线性对信息模型的影响,具有较高的预测精度和预测鲁棒性.     

基于回归型支持向量机的空战目标威胁评估

空战目标威胁评估是协同多目标攻击中的关键问题.针对传统空战目标威胁评估方法在确定权重系数方面的不足,提出了一种新的基于回归型支持向量机的评估方法.在分析了现有的空战目标威胁评估方法中距离威胁模型存在缺陷的基础上,提出了改进的距离威胁模型.建立了基于回归型支持向量机的空战目标威胁评估模型,利用该模型对想定的空战目标进行了威胁评估.仿真结果表明,该方法具有很好的预测能力,可以快速、准确地完成空战目标威胁评估.     

基于支持向量机的机场智能驱鸟决策

为提高机场鸟击防范管理水平,实现探鸟雷达与多种驱鸟设备联动,提出一种基于支持向量机（SVM）的机场智能驱鸟决策方法。该方法包括训练和测试两部分。训练部分利用机场鸟类探测预警与驱赶联动系统获取的大量历史鸟情信息,结合专家知识,通过数据预处理与支持向量机训练,建立驱鸟策略分类模型;测试部分根据驱鸟实时智能决策结果,对驱鸟策略分类模型进行持续修正与优化。通过某机场的实测鸟情信息数据与若干驱鸟实例,证明驱鸟策略分类模型具有较高的决策正确率,并能够通过自身修正与优化应对各种新问题。本文方法针对实时鸟情信息,实现了多种驱鸟设备的优化组合,克服了驱鸟设备长期重复运行造成的鸟类对驱鸟设备的耐受性问题,极大改善了驱鸟效果。      

基于支持向量机的船舶操纵运动黑箱建模

根据船舶自航模15°/5°Z形试验结果,应用最小二乘支持向量机对船舶操纵运动进行了黑箱建模,针对支持向量机参数选择的不确定性,使用网格搜索法进行了参数寻优;应用所建立的支持向量机回归模型对该自航模的10°/1°,25°/5°Z形试验及35°回转试验进行了操纵运动预报.预报结果同试验结果相比吻合良好,证明了支持向量机应用于船舶操纵运动黑箱建模的有效性,以及网格搜索法在支持向量机参数寻优中的可行性.     

应用支持向量机的眼睑参数疲劳预测

研究表明疲劳驾驶是引起交通事故的重要原因之一,因此有必要采取预防措施,而能够提前对事故进行准确预报并保证低误报警率是问题的关键所在.提出了利用多眼睑运动特征参数建立支持向量机模型进行疲劳预测的方法,其中眼睑运动特征参数是从驾驶模拟器上采集的眼电信号提取出的.根据Karolinska睡眠等级选出25名缺乏睡眠并在实验中撞到振动带的驾驶员,保证其开始驾驶阶段是警觉的,而事故发生阶段是疲劳的,然后将20名驾驶员作为训练对象,另5名驾驶员作为验证对象.结果表明,所用的方法可以提前至少5 min对由疲劳导致的事故进行预报.     

基于支持向量的迭代修正质心文本分类算法

针对质心分类算法容易产生归纳偏置或模型失配问题的不足,提出一种基于支持向量的迭代修正质心分类算法.该方法仅使用由支持向量机(SVMs,Support Vector Machines)选出的支持向量来构造质心向量,然后利用训练集误分样本来迭代修正初始质心向量.与其他分类算法相比,该算法取得较好的宏平均F₁和微平均F₁,在8个常用文本分类数据集上的实验验证了该算法的有效性,特别是在不均衡文本语料上.     

一种改进的近似支持向量机算法

标准近似支持向量机受类别差异影响和噪声、野值数据干扰较重,使得分类能力不高.提出一种改进的近似支持向量机算法——加权近似支持向量机,通过为不同类别设定不同的惩罚参数和为每个样本引入模糊隶属值,有效补偿类别差异带来的倾向性并去除噪声和野值数据的影响.模糊隶属函数的选取采用样本与类中心的距离和样本紧密度的加权平均值计算,以有效去除噪声和野值数据的干扰.经过分析,改进后的算法可近似归结为一种岭回归模型.实验表明,与标准近似支持向量机相比,该算法有更好的分类能力.      

一种基于支持向量回归的混合建模方法

近年来,随着计算能力的不断提高,数据驱动的建模方法受到了广泛的关注,对单模式系统进行定量分析的建模方法获得了诸多研究。然而,实际应用中大多数系统为多模式系统,不但各个模式有着不同的连续行为,连续状态还会在模式之间进行切换。针对这一情形,本文提出了经验概率混合自动机模型,并提出了针对该模型的基于支持向量回归(SVR)的多模式定性定量混合建模方法。该方法使用小波技术识别模式切换点,并在各个模式下单独建立支持向量模型,最后使用D-Markov机整合模型。经实例验证,该方法与传统支持向量回归模型的稳定性接近,但精确程度显著提高。     

基于Agent卫星故障诊断系统的开发研究

本文研究并建立了基于智能Ａｇｅｎｔ的分布式故障诊断系统模型,同时还研制了基于智能Ａｇｅｎｔ的卫星故障诊断原型系统。该系统客户机／服务器集成机制,满足故障诊断的工程需要。使多种软件相互通讯,多种诊断方法相互融,从而提供了新的故障诊断分析方法与手段,使并行同步多故障诊断成为可能。     

基于支持向量机方法的地球同步轨道相对论电子事件预报模型研究

提出了一种基于支持向量机方法(SVM)的地球同步轨道相对论电子事件预报模型. 模型以平均影响值(MIV)作为指标, 筛选出预报输入参量. 这些参量包括, 前一日的大于2MeV电子日积分通量、太阳风速度、太阳风密度、Dst指数和前二日的AE指数. 模型包含回归和分类两个部分, 可以分别对未来一天的电子日积分通量和相对论电子事件强度的级别做出预报. 对2008年样本进行测试, 在相对论电子通量的预报中, 预报值和实测值之间的线性相关系数为0.85, 预报效率为0.71; 对相对论电子事件级别预报的准确率为82%, 可以较准确区分开事件状态与非事件状态. 结果表明, SVM预报模型对相对论电子事件有较好的预报效果.     

基于支持向量机的飞行器多余物信号识别

针对飞行器控制电路在生产制造过程中可能引入金属线头等微小多余物,从而留下短路等安全隐患的问题,提出了一种基于微粒碰撞噪声检测（PIND）的飞行器多余物材质识别方法。首先,利用短时自相关函数提取PIND信号的脉冲部分;然后,提取多种时频域统计特征,并与梅尔频率倒谱系数（MFCC）特征结合起来;最后,训练多分类支持向量机模型实现材质分类。为验证所提方法的有效性,采集了3种不同材质多余物的PIND信号进行模型训练及测试,实验结果表明,所提方法材质识别准确率达98%,优于同类方法的相关结果。      

利用支持向量机预测大磁暴期间Dst指数的变化

利用支持向量机（SVM）模型对大磁暴期间Dst指数进行预报研究.以1995-2014年期间的80次大磁暴（Dst≤-100nT）事件共2662组观测数据为研究对象,以对应时间的太阳风参数为模型输入参数,同时建立了神经网络模型和线性机模型进行对比,并利用交叉验证提高预测结果的可靠性.为比较不同模型的预测效果,选用相关系数（CC）、均方根误差（RMS）、磁暴期间Dst指数最小值预测结果的平均绝对误差以及Dst指数最小值出现时间预测结果的平均绝对误差等统计量作为对比参数.结果显示SVM模型的预测效果最好,其中相关系数为0.89,均方根误差为24.27nT,所有磁暴事件的最小Dst值预测平均绝对误差为17.35nT,最小Dst值出现时间的预测平均绝对误差为3.2h.为进一步检验模型对不同活动水平磁暴预报效果的可能差异,将所有磁暴事件分为大磁暴（-200 相似文献   

行星际日冕物质抛射地磁效应研究的支持向量机方法初步研究

行星际日冕物质抛射（Interplanetary Coronal Mass Ejection,ICME）与地球磁层相互作用并带来地磁暴等地磁扰动.从Richardson和Cane提供的近地球ICME列表中筛选出ICME事件集,基于ICME扰动期间的行星际等离子体与磁场数据提取出特征.通过计算各特征的费舍尔分值（Fisher Score）,对这些特征进行选择,发现行星际磁场南北向分量持续时间小于-10nT且激波等扰动所带来的ICME扰动开始时,太阳风速度的增量等特征与ICME事件的地磁效应密切相关.这与现有的传统统计研究结果一致.以这些特征为基础,训练得到的径向基函数支持向量机能够以0.78±0.08的准确率判断ICME事件是否会产生中等及以上强度的地磁暴（Dst ≤-50nT）.     

非线性回归支持向量机的SMO算法改进

为了解决非线性数据和非线性函数的回归问题,采用了支持向量机序列最小优化算法.原始序列最小优化（SMO,Sequential Minimal Optimization）算法存在训练速度慢和训练结果不稳定的缺点,为了能加快SMO算法的训练速度和提高训练结果稳定性,通过改进优化乘子更新方法、采用双阈值法、预存核函数、增加停机准则等方法对SMO算法做了改进.仿真实验表明,改进的算法能很好地对非线性数据和非线性函数进行回归,具有比原始SMO算法更快的训练速度和稳定的训练结果.      

基于多Agent的卫星故障诊断融合技术研究

为提高基于多Agent的卫星故障诊断系统的诊断准确性，充分利用已有的各种诊断方法获取的诊断信息，在分析故障诊断原理的基础上，提出了将数据融合技术应用于多诊断Agent的思想；并根据卫星故障诊断的特点，将权重引入多诊断Agent的诊断结果融合技术中，给出了权重的具体确定方法和改进的D—S证据理论，最后举例验证了该方法的有效性。     

基于粗糙集理论的卫星故障诊断方法

卫星结构和控制的复杂性、独特性和诱发故障的多源性导致其故障诊断的困难。卫星的一种故障模式与许多症状变量有关,目前的故障诊断推理因未充分考虑症状变量的冗余变量而比较复杂。提出了基于粗糙集理论的故障症状约简新方法,用卫星故障实例研究了新方法的应用,结果表明该约简方法对消除卫星故障症状信息冗余、简化和优化故障诊断推理非常有效。     

微小型卫星的发展及基础研究

自80年代以来，世界航天界兴起了发展小型卫星的热潮。在此基础上，以重量为主要依据分别提出了小卫星、微卫星、纳卫星等概念，继而又提出微微卫星、毫微微卫星的设想。但随着认识的不断加深，人们意识到，仅以重量作为区分卫星的依据是模糊不清的，一个更为合理的标准是用重量与卫星性能的合成，即功能密度”进行区分。因此，所谓小卫星是指重量轻（通常不超过I000kg）、功能密度高（通常比现有卫星的功能密度高3～4倍）、成本低、制造周期短的卫星。其中卫星重量小于IOOkg的小卫星又称为微卫星。l）卫星每千克所能获取的功能，如姿控系…