基于偏最小二乘的向后删除变量法及其在均匀设计中的应用

针对均匀设计中的小样本数据处理问题,讨论了一种偏最小二乘与向后删除变量法相结合的变量筛选方法。首先,利用偏最小二乘建立包含尽可能多的关键自变量的全模型,然后将向后删除变量法中的每一次最小二乘回归替换为偏最小二乘回归,得到基于偏最小二乘的向后删除变量法。实验结果表明,与逐步回归法相比．该方法的预测能力明显提高,且具有更好的稳定性。     

非线性偏最小二乘回归法在均匀设计响应面法中的应用

 针对目前多维变量可靠度分析中广泛应用的均匀设计响应面法(RSM),指出了使用最小二乘(LS)法拟合拟线性回归模型时存在的局限性,并提出采用拟线性偏最小二乘(PLS)法来回归响应面系数。由于拟线性回归法限制了模型的形式,精度提高有限,结果也很不稳定,因此又提出用基于样条变换的偏最小二乘回归模型代替拟线性回归模型并用于结构失效概率的计算,既能处理最小二乘法无法解决的变量间多重相关性的问题,又能避开拟线性回归中预先对模型形式的假定。通过算例验证了基于样条变换的偏最小二乘法的适用性和有效性,尤其对于多维变量非线性程度较高的可靠度分析,与普通最小二乘法拟合的响应面相比,其模型更加精确,失效概率精度更高。     

递阶偏最小二乘回归在飞机研制费用预测中的应用

分析了飞机研制费用样本数据少、费用驱动因子众多的特点,考虑到递阶偏最小二乘回归(Hi-PLS)方法在变量规模巨大情形下进行回归建模的优势,应用递阶偏最小二乘回归方法对飞机研制费用进行预测。以战斗机机体研制费用预测为例进行研究,首先对战斗机机体研制费用驱动因子进行分组,然后应用递阶偏最小二乘回归方法对分组后的费用驱动因子进行回归建立机体研制费用预测模型。实例表明,在飞机研制费用预测方面,采用递阶偏最小二乘回归方法预测更能体现研制费用与飞机性能参数之间的关系。     

反舰导弹维修费用偏最小二乘估算方法

参数估算法能够将影响维修费用的各种客观因素综合考虑,通过建立回归模型,对反舰导弹维修费用进行科学地直接估算。偏最小二乘回归方法在处理样本容量小、自变量多、变量间存在严重多重共线性问题等方面具有得天独厚的优势。文章综合分析了影响反舰导弹维修费用的各种因素,建立了基于偏最小二乘法的费用估算模型,设计了精度评定方法。通过实例计算验证,该方法建立的模型拟合度好,变量累计解释能力强,估算误差在5%内。     

航空产品用户满意度回归模型研究

为克服航空产品用户满意度测评过程中自变量之间的多重相关性问题,利用偏最小二乘回归方法(PLS),建立航空产品用户满意度回归模型.通过主成分提取和还原计算的迭代,准确确定影响航空产品用户满意度的各要素对其用户满意度的贡献,完成用户满意度的回归预测,并以某型飞机用户满意度计算为例,验证了该模型的有效性和实用性.     

基于K-均值聚类和约简最小二乘支持向量回归机的推力估计器设计

提出了一种基K-均值聚类和约简最小二乘支持向量回归机的推力估计器设计方法.首先用K-均值聚类法将全包线范围内的数据进行聚类,然后在每一个类当中,用迭代约简最小二乘支持向量回归机设计一个子推力估计器.在用迭代约简最小二乘支持向量回归机设计子推力估计器的过程中,为了使计算数值更稳定,用Cholesky分解代替原来的迭代方法.最后仿真实验表明,此推力估计器能满足直接推力控制的需要,并和其它的方案比较起来,该方案存在一定的优势.      

基于偏最小二乘回归分析的装备研制费用估算方法及应用

介绍了寿命周期费用的概念以及各阶段分布情况;针对经典回归分析的不足,采用偏最小二乘回归分析对某装备样本数据进行分析建模;建立了研制费用与几个相关指标的回归方程,并将估算结果与经典的回归分析进行对比,验证模型的合理性。该模型能较好地反映了费用与各指标之间的关系,对后续寿命周期费用的分析与控制有一定的意义。     

观测数据野值剔除的TBS-LS逼近方法

提出了以最小二乘逼近方法为基础的数据野值判别与剔除算法。利用TBS（三角B样条）曲线同时具有局部性和整体性的优越性构造最小二乘拟合算法,并结合偏度分析与残量分析误差方法,在给定范数意义下的评价系统中,可以得到TBS-LS（最小二乘三角B样条）拟合曲线,从而可以更好地识别并剔除野值。最后给出算法以及主要结果,通过实例说明方法的有效性。     

保序调整对线性回归影响的试验分析

采用数学试验方法模拟随机变量,考察满足序关系的变量关于自变量的线性回归,研究并对比在这种情况下直接应用最小二乘线性回归与先对观察到的因变量使用PAVA算法进行保序调整再应用最小二乘线性回归的优劣。结果表明实际应用中,首先进行PAVA算法作调整并不一定是好的,尤其当数据量比较大的时候,其并不能提高拟合效果反而增加工作量。当因变量满足序关系时,直接做最小二乘回归,无需对因变量使用PAVA算法作调整。     

固定影响平行数据模型参数的偏最小二乘估计及应用

当平行数据的解释变量之间存在严重的多重共线性,或者样本点个数与解释变量个数相比较少时,用经典方法求解模型(如最小二乘法等)误差偏大,难以满足实际要求.针对这种情况提出了用偏最小二乘法思想求解固定影响平行数据模型,并且实例表明误差明显减少,可以满足建模和预报的要求.     

顾客满意指数的结构方程模型与应用

分析了经典的顾客满意指数的结构关系模型的基本原理;结合企业顾客满意指数测评的实际案例,给出了结合偏最小二乘回归(PLS)方法的顾客满意指数测评的线性结构关系(LISREL)路径分析的实施途径。此外,还通过控制某些中间变量的作用,研究了原因变量对结果变量影响作用分解的一般模式。     

基于支持向量回归机的发动机/直升机扭矩超前控制

主要研究涡轴发动机转速按扰动补偿控制问题,提出了一种基于迭代约简最小二乘支持向量回归机算法和模型预测机制的直升机扭矩动态超前预测模型设计方法.首先用迭代约简最小二乘支持向量回归机设计了旋翼扭矩按飞行状态和操纵量估计的非参数动态反馈模型,然后设置了扭矩模型预测机制,以获得扭矩的超前动态信息.接着利用扭矩超前预测信息设计了...     

基于LS-SVM的模态参数识别方法

 最小二乘支持向量机回归用于系统的模态参数识别研究。针对经典的最小二乘支持向量回归缺少鲁棒性和稀疏性的缺陷,提出了一种兼具鲁棒性和稀疏性的最小二乘支持向量回归的算法,并保持了它原有的计算速度快的优点。最后,结合结构动力学方程的自回归滑动平均时间序列形式,给出了结构的模态参数提取方法和流程,给出了相应的数值算例以及进行了实验的检验证明。结果表明,本文的方法能够快速、准确地提取出系统的模态参数。     

MEMS陀螺零偏温度补偿模型研究

针对MEMS陀螺工作易受温度变化影响、角速度测量输出误差大、预热时间长的问题,通过大量实验数据分析、总结规律,建立了零偏温度补偿模型,并结合最小二乘法利用多元线性回归技术对模型参数进行了辨识。对比零偏温度补偿前后的试验结果表明,经过补偿后的MEMS陀螺不但测量精度得到提高,其工程应用稳定性也得到增强。     

Duane模型的导数最小二乘估计

 针对传统最小二乘估计仅仅考虑回归模型曲线本身的试验样本,不能同时对曲线动态变化规律进行描述、未能充分利用模型与数据信息的问题,依据在一次观测中待定参数的取值应使得随机样本与模型各阶导函数在概率尺度下具有最小距离的原理,通过构造模型曲线导数意义下的损失函数,提出了一种能够综合利用模型与试验数据导数信息的导数最小乘方估计方法,推广了传统最小二乘估计的模型条件与使用范围。并结合复杂可修产品可靠性增长的Duane模型给出了参数的一般导数最小二乘估计与最佳导数最小二乘估计式,证明了模型参数的导数最小二乘估计较传统最小二乘估计具有更好的统计性质。为实际中确定模型曲线,进行工程预测提供了一条新的技术途径。     

最小二乘支持向量回归机在发动机推力估计中的应用

实现直接推力控制的首要问题就是要估计出推力.基于最小二乘支持向量回归机提出了一种Wrapper算法进行特征选择,此算法不仅能降低计算的复杂度,而且能增强模型的泛化能力.另外,在对最小二乘支持向量回归机进行稀疏性建模的时候,用QR分解法代替传统的协方差法,增强了数值的稳定性.最后,推力估计器设计的应用实例,验证了本文提出的特征选择法和QR分解法进行稀疏性建模的可行性和实用性.      

线性回归模型的紧致最小二乘估计及参数分离

本文提出一种能克服线性回归模型系数矩阵病态的“紧致最小二乘法”。在此基础上,进一步用部分验前知识对该有偏估计作了参数分离,从而得到全部待估参数的无偏估计。对无线电干涉仪的系统误差作仿真计算表明:效果良好,优于主成分估计。     

基于变权重最小二乘法的发动机气路故障诊断

针对航空发动机气路部件故障诊断中存在的严重故障诊断问题,提出基于变权重最小二乘法进行发动机故障诊断.该方法在发动机仿真实验的基础上采用加权最小二乘法进行故障诊断,并对算法进行了改进,根据初期诊断结果对故障权重系数矩阵进行修正,使诊断结果更加合理可信.仿真表明,基于变权重最小二乘法的发动机气路故障诊断能快捷有效地诊断气路部件严重故障.      

基于单纯B样条的航空发动机机载稳态模型研究

为了减小航空发动机稳态建模的模型误差、降低复杂度及提升其实时性,提出了一种基于单纯B样条函数的航空发动机稳态模型建模方法。该函数是局部多项式基函数的线性组合,因此求解该函数为线性回归问题,通过运用广义最小二乘方法来求解B系数,从而提高计算效率和提高模型精度。最后建立了基于该算法的二维和四维涡扇发动机稳态模型,并分别与相同建模样本条件下的多输入多输出约简迭代最小二乘支持向量机稳态模型进行了比较,表明了单纯B样条建模方法不仅继承了B样条的算法复杂度低、存储数据量小和实时性好等优点,同时避免了最小二乘支持向量回归机不能拟合大样本数据的缺点,且拟合效果优于最小二乘支持向量机。     

基于偏最小二乘回归同时测定阿莫西林和多四环素含量

阿莫西林和多四环素在紫外光谱区间吸收峰附近有多重共线现象,紫外分光光度法难以准确测出2种物质各自含量.本文通过L_(16)(4~5)正交实验设计,采集200～250 nm波长混合样品吸收光谱,数据经标准化处理,建立偏最小二乘回归预报数学模型.结果显示,该法计算阿莫西林和多四环素的预测相对误差(RPE)分别为3.13%和6.42%,平均加标回收率分别为100.34%和100.71%.该法简便快捷,准确可靠,样品无需预先分离.