利用神经元拓展正则极端学习机预测时间序列

为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点.      

Achievable debris orbit prediction accuracy using laser ranging data from a single station

Earlier studies have shown that an orbit prediction accuracy of 20 arc sec ground station pointing error for 1–2 day predictions was achievable for low Earth orbit (LEO) debris using two passes of debris laser ranging (DLR) data from a single station, separated by about 24 h. The accuracy was determined by comparing the predicted orbits with subsequent tracking data from the same station. This accuracy statement might be over-optimistic for other parts of orbit far away from the station. This paper presents the achievable orbit prediction accuracy using satellite laser ranging (SLR) data of Starlette and Larets under a similar data scenario as that of DLR. The SLR data is corrupted with random errors of 1 m standard deviation so that its accuracy is similar to that of DLR data. The accurate ILRS Consolidated Prediction Format orbits are used as reference to compute the orbit prediction errors. The study demonstrates that accuracy of 20 arc sec for 1–2 day predictions is achievable.     

基于稀疏核增量超限学习机的机载设备在线状态预测

为实现对机载设备工作状态的在线状态预测,提出了一种稀疏核增量超限学习机(ELM)算法。针对核在线学习中核矩阵膨胀问题,基于瞬时信息测量提出了一个融合构造与修剪策略的两步稀疏化方法。通过在构造阶段最小化字典冗余,在修剪阶段最大化字典元素的瞬时条件自信息量,选择一个具有固定记忆规模的稀疏字典。针对基于核的增量超限学习机核权重更新问题,提出改进的减样学习算法,其可以实现字典中任一个核函数删除后剩余核函数Gram矩阵的逆矩阵的前向递推更新。通过对某型飞机发动机的状态预测,在预测数据长度等于20的条件下,本文提出的算法将预测的整体平均误差率下降到2.18%,相比于3种流形的核超限学习机在线算法,预测精度分别提升了0.72%、0.14%和0.13%。     

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.     

基于机器学习的管材数控弯曲质量预测

在管材数控（NC）弯曲过程中,可能出现起皱、过度减薄的质量缺陷,同时会不可避免地发生回弹,都将严重影响成形质量。为了对数控弯曲成形质量进行预测,提出了使用有限元模拟与机器学习相结合的方法,并建立了快速的成形质量预测方法。首先,建立了有效的管材数控弯曲的参数化有限元模型,在工艺参数取值范围中随机选择进行大量的模拟实验作为样本,完成学习数据的挖掘。随后,基于径向基函数（RBF）神经网络建立壁厚减薄与回弹程度的预测模型并使用支持向量机（SVM）建立管材起皱的预测模型。最后,使用模型对新的实例进行预测,并利用模拟与数控弯曲实验对预测模型进行验证。 该方法可以对大直径薄壁管材数控弯曲质量进行有效的预测,提高弯曲管件零件设计效率。      

基于改进相关向量机的锂电池寿命预测方法

锂电池具有轻便安全、循环寿命长和安全性能好等优点,作为一个被广泛应用的储能电源,锂电池健康管理和寿命预测是国内外研究的热点。建立锂电池寿命预测方法和模型,基于实验历史数据,建立电池衰减模型从而对整个电池的工作状态进行评估,及时对设备进行维护和替换,以确保电池工作的稳定。对相关向量机（RVM）的核函数进行了组合改进,优化了RVM的性能,减小了锂电池寿命预测的偏差度,提高了预测精度。      

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.     

航空液压泵磨损状况预测

磨损是航空液压泵典型的渐进性故障之一,因磨损量难以测量,对磨损状况进行准确的预测比较困难.针对上述问题,提出了基于多尺度数据的支持向量机预测方法,该方法将支持向量机用于时间序列预测的基本理论和数据多尺度分解、相空间重构方法结合,能更有效地挖掘时间序列的内在联系及变化规律.采用回油流量作为反映航空液压泵磨损状况的敏感信号,将其分解为趋势项和随机项,采用多尺度支持向量机作等维信息一步预测和多步预测,利用网格方法对预测模型参数寻优.对比传统支持向量机算法分析其预测精度,结果表明:多尺度支持向量机模型预测精度更高,适于中长期预测.      

Comparative analysis of global optical observability of satellites in LEO

With a growing number of resident space objects (RSOs), the facilities for near-Earth space surveillance have to cope with increasing workload. It also applies to low-cost small optical surveillance facilities which may present regional, national and global networks. Improved methods of planning and scheduling optical telescopes are required to use these instruments efficiently. Today, optical observations are only feasible if the following quite stringent requirements are met: the object should be illuminated by sunlight, and it should be above while the Sun is below the observer’s horizon. For different orbits, these preconditions result in varying degrees of the space object observability at various ground-based sites. Certainly, satellites in low Earth orbit (LEO) are particularly difficult to observe. This study aims at developing a new technique for assessing observability of a satellite in different types of orbits – namely, low, medium and high Earth orbits, imaging of the opportunity for its visibility in respective diagrams and their analysing for the existing near-Earth population of RSOs. Unlike other researches, wherein one or several observational stations have been chosen as target sites for in-depth analyses of visibility of all the satellites or just the selected ones, the present study focuses on examining the probability of optical surveillance of satellites in a certain orbit from any locations worldwide. It offers considerable scope for automation of surveillance planning and scheduling optical surveillance networks.