基于随机森林的航天器电信号多分类识别方法

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。     

基于深度学习的航空发动机故障融合诊断

通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合算法的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机的大量性能参数,先利用深度学习模型提取出性能参数中的隐藏特征,得出故障分类置信度;其后对多次故障分类结果进行决策融合,从而得出更准确的诊断结果。将普惠JT9D发动机故障系数用于数据仿真,通过算例验证本文算法的有效性;算例计算结果表明:多次实验结果经数据融合提高了可信度,该模型具有较高的故障分类诊断准确性和抗干扰能力。      

海洋环境下服役飞机铝合金零件腐蚀失效分析

对出口旅游观光用飞机的铝合金零件在热带海洋气候环境服役条件下所发生的腐蚀问题进行了分析探讨.通过铝合金零件发生腐蚀的微观形貌和腐蚀产物成分等的分析,结合飞机所处环境条件,讨论了铝合金零件的腐蚀类型和发生剥蚀的过程及原因,并分析了其发生剥蚀的机理.认为海洋环境中的氯离子是造成沿海飞机铝合金零件腐蚀的外因,而内因是飞机零件的表面防腐蚀设计与防护不足,腐蚀的发展过程是铝合金零件表面点腐蚀、晶间腐蚀直至剥蚀,腐蚀产物造成的应力是促进分层剥离的原因.针对这种表面腐蚀防护问题,提出了相应的改进措施.      

基于涂层传感器的金属结构疲劳裂纹监测

针对飞机金属结构在服役过程中的裂纹扩展实时监测需求,提出一种现代表面技术与电位法原理相结合的疲劳裂纹监测研究方案.在结构易出现裂纹的热点部位制备了一种具有绝缘隔离层、导电传感层和封装保护层3层结构的裂纹监测涂层传感器.然后进行了疲劳裂纹监测试验,结果表明:通过分析涂层传感器电阻(电位)的变化可以实现对2A12-T4铝合金连接结构多个部位的裂纹同时进行有效监测.此外,还对表面制备涂层传感器的试样与原始试样的疲劳特性进行了对比研究.结果表明:应用现代表面技术在2A12-T4铝合金表面制备涂层传感器,对其疲劳性影响甚微.     

空间碎片材料检测技术研究

为了对空间碎片材料的成分进行快速检测,分析了空间碎片的来源和构成,并对空间碎片主要成分的国内外检测技术手段进行了详细对比,采用了一种基于LIBS的网络化空间碎片检测方案。该方案具有分析速度快、测量精度和灵敏度高、可多元素同时测量、空间适应性好且无需样品预处理等特点,同时可实现检测流程全自动化和多线程化。     

深空探测中的激光诱导击穿光谱探测仪

物质成分探测是深空探测领域非常重要的技术领域,激光诱导击穿光谱技术是一种可以非接触式快速获得物质元素成分信息的手段,论文针对2020年我国首次火星探测任务提出的火星表面成分探测仪,阐述了激光诱导击穿光谱技术基本原理,国内外的技术发展现状和趋势,重点围绕火星环境、有效载荷生存性进行了分析,最后论文详细探讨了激光诱导击穿光谱技术中的数据反演和定量化技术。     

改进独立成分分析在高光谱图像分类中的应用

针对独立成分分析在使用常规数值求解时容易陷入局部最优解的问题,以及采用神经学习算法时神经元激活函数的限制问题,将遗传算法与独立成分分析相结合,并对模型进行改进,提出了适合于高光谱数据无监督分类的模型.该算法采用最大化非高斯性进行成分的统计独立性度量,利用四阶累积量-峰度作为遗传算法的适应度函数.在应用分析中,将该算法应用于推扫式高光谱成像仪(PHI,Push-broom Hyperspectral technique Imager)数据地物分类能够获得全局最优解,在没有先验信息情况下实现地物的精细分类;与传统高光谱无监督分类算法比较,表明该算法的适用性,并具有更高的分类精度和准确性.      

铝合金预腐蚀与疲劳性能灰色模型研究

利用等间隔和非等间隔GM(1,1)模型,拟合并建立了模拟加速预腐蚀后铝合金的腐蚀失重、最大孔蚀深度及疲劳强度额定值与腐蚀时间的非线性关系.结果表明:与常用的幂函数模型相比,用GM(1,1)模型能较好地反映铝合金腐蚀过程的变化趋势及其对疲劳性能的影响;无论等间隔还是非等间隔数据,GM(1,1)模型都能较好地描述,并可通过残差修正模型来提高GM(1,1)模型的精度.      

基于多分类AdaBoost的航空发动机故障诊断

对航空发动机运行数据进行数据挖掘的方法,是发动机故障诊断研究领域的重要研究内容。由于各种算法自身的局限性,通过某种单一算法很难大幅度提升故障分类的准确性。运用组合分类的AdaBoost算法,综合多个分类模型进行诊断,是提升故障识别精度的一种较好的方法。通过AdaBoost算法及其改进算法的结合,建立一种多分类的AdaBoost算法,以支持向量机（SVM）为基础分类器,进行综合诊断模型的建立。通过单位向量法、比值系数法和相关系数法将指印图中统计的故障标识数据进行处理,得到不受故障程度影响的训练数据,再进行建模。实验表明,AdaBoost相关结合算法能够显著提升分类器性能。根据实际故障案例,验证了所建立的诊断模型能够较好地用于发动机的故障诊断。      

飞机表面绕射射线的寻迹方法

研究一种电子对抗特种飞机表面绕射射线的寻迹新方法.对飞机进行快速三维几何建模和表面网格剖分,并根据需要对几何模型的剖面和结点加密,生成飞机表面网格数据;选定寻迹区域,对飞机表面网格结点进行管理,根据费马原理,采用改进的动态规划方法,在飞机表面网格上快速、准确地实现任意源点和绕射接收点间的短程线计算;在此基础上,采用递归方法实现可视化的几何绕射理论(GTD)、一致性几何绕射理论(UTD)绕射射线离散寻迹.绕射射线离散寻迹为数值方法求解机身表面任意两点间的天线隔离度提供了条件.      

基于迁移学习的暴恐图像自动识别

利用人工智能和深度学习技术自动化地分析互联网海量图片,快速、准确地识别有害的暴恐图像并及时处置是反恐工作的重要手段之一。研究了利用深度学习和迁移学习技术对暴恐图像进行分类识别。首先,定义了暴恐图像的主要概念特征,并针对性地构建数据集;其次,针对暴恐图像正样本较少的问题,设计深度神经网络模型和迁移学习方式;最后,基于构建的训练数据集进行模型训练和测试。结果显示:所提方法可以快速、准确地对互联网图片进行分类识别,平均分类准确率达到96.7%,从而有效降低人工检测的劳动强度,为反恐预警工作提供决策支持。      

基于改进人工神经网络的航天器电信号分类方法

根据航天器系统级电性能测试工作中数据量大、任务繁重的特点,设计了基于人工神经网络的智能分类系统,对原始测试数据进行智能化分类,将非线性的调试经验以数据的形式储备,可在减少测试工作中对人为经验依赖的同时为航天器信号识别快速提供专家知识。考虑到经典的人工神经网络系统有训练时间长和对网络初始权值的依赖程度高等不足,利用主成分分析对数据进行压缩和自动编码技术对网络权值进行初始化。实验数据测试表明:与传统方法相比,本文提出的改进学习系统的分类准确率、稳定性和响应速度均得到显著提高。      

成分数据的空间自回归模型

针对已有成分数据线性回归模型对研究对象相互独立的严格要求,提出了含有成分数据和普通数据的空间自回归模型,在此基础上提出了成分数据空间自回归模型的估计方法。新模型结合了空间自回归模型处理因变量之间相互依赖的优势,可同时处理成分数据和普通数据。通过利用等距对数比（ilr）变换将成分数据解约束,得到了新模型的参数估计量。蒙特卡罗模拟实验验证了所提估计方法的有效性。      

基于变分推理的网络舆情传播模式分类

随着网络社交媒体的快速发展,对舆情信息的传播模式进行分析成为研究热点。针对网络舆情传播模式分类任务中,小样本数据多路径生成分类正确率低的问题,提出了舆情传播领域知识图谱结构定义,建立了基于微博数据的舆情传播知识图谱与舆情传播分析任务数据集,使用GraphDIVA模型进行舆情传播模式分类,并在自建数据集中进行了舆情传播模式分类25样本测试实验。结果表明:模型在经过20轮训练后,分类正确率从76%提升到89.4%,说明GraphDIVA模型在减少训练次数、提升分类正确率方面具有更优的效果。      

基于小波变换和神经网络的脑电信号分类方法

结合小波变换和神经网络对酒精中毒者和正常清醒者的脑电信号进行分类.通过分析脑电数据找出分类特征;采用一维离散小波变换提取含有分类特征的脑电信号频段,并以小波变换分解系数作为信号特征,实现数据序列长度压缩;对应3种刺激方式建立3个相同结构的学习向量量化(LVQ)神经网络,用于对脑电信号的预分类;根据判决规则得到最终分类结果.对真实脑电数据的分类正确率达到89%.     

基于情感对象识别和情感规则的微博倾向性分析

微博平台数据中含有大量反映用户情感喜恶的信息,对于涉及博文倾向性分析的应用尤为重要。现有的分析方法往往聚焦在博文情感的简单分类上,无法分析特定类型实体的微博倾向性。为解决微博倾向性分析问题,实现博文立场判定,采用半监督学习的方法,通过协同训练和主动学习,训练实体识别模型,并构建基于主成分分析的情感规则,提取句子的主成分,将口语化的文本规范化为指定格式。再利用指向性实体的正负面性、情感词的褒贬义及情感词充当的句子成分,实现情感分类的更深层次分析——立场判定。针对实际问题进行立场判定实验,在不同规模数据集上的自对比实验和他比实验显示,随着标注实体的博文数量增加,模型对博文立场判断的正确率持续提升,而且所提方法判断博文立场的正确率显著高于对比方法,相较已有研究方法分别提高了2.79%和10.00%。      

Android恶意APP多视角家族分类方法

针对现有Android恶意软件家族分类方法特征构建完备性不足、构建视角单质化等问题，提出了一种多视角特征规整的卷积神经网络(CNN)恶意APP家族分类方法。该方法结合MinHash算法。将软件中Android框架系统API、操作码序列、AndroidManifest.xml文件中的权限和Intent组合3个视角的原始特征在保留APP间相似度情况下进行规整，并利用多路卷积神经网络完成对各视图的特征提取和信息融合，构建一套恶意APP家族分类模型。基于公开数据集Drebin、Genome、AMD的实验结果表明:恶意APP家族分类准确率超过0.96，证明了所提方法能够充分挖掘各视角的行为特征信息，能有效利用多视角特征间的异构特性，具有较强的实用价值。      

基于小波变换和GM-ARMA的导弹备件消耗预测

针对导弹备件消耗呈现"小样本、非平稳"的特点, 为了克服传统预测方法依靠大样本数据进行建模的不足,提出了把基于小波变换和改进GM-ARMA的组合预测方法应用于导弹备件消耗预测的构想.在利用小波分解和其他模型建立组合模型的过程中,提出了先对小波基方程和分解层数2个特征进行参数化,再定量地对所有子模型的特征参数进行统一、综合的评估,以达到建立最佳组合模型的目的;然后对具有平稳特性的高频信息用阻尼最小二乘法优化的ARMA(Autoregressive and Moving Average)模型进行预测,对反映整体趋势体现非平稳的低频信息用背景值优化和数据变换技术改进的GM(1,1)模型进行预测.实例结果表明所提出的组合预测方法大大降低了预测误差,说明了该方法的有效性、可行性和实用性.     

固体界面间接触热阻的理论分析

在M—T接触导热分形模型的基础上，考虑了各接触点的收缩热阻，对M—T模型进行了修正。在此基础上，分析了表面分形参数、界面温度及材料物性等因素与接触热导的关系，并结合实验数据对修正型M—T接触导热模型、经典Mikie模型和Yovanovich模型的预测结果进行了对比分析。