ARIMA-SVR组合模型在卫星遥测参数预测中的应用

为辅助卫星在轨运行提供决策分析支持，结合卫星遥测参数的时间序列特性，利用一种ARIMA-SVR组合预测方法，通过对卫星遥测参数进行预测，判定实际遥测数据是否处于正常范围。该组合模型利用ARIMA模型对预处理后的数据进行线性拟合，并利用SVR模型对数据的非线性部分进行补偿。以KX09卫星星敏A的温度遥测数据为基础，分别利用组合模型对短期及中期星敏A温度进行预测，得出短期和中期均方根误差（RMSE）分别为0.768和0.968，相比单一ARIMA模型，短中期RMSE分别提高46.2%和16.4%。此外，对该卫星陀螺B的x轴角速度进行了短中期预测:短期预测中，组合模型比单一ARIMA模型的RMSE提高71.2%；中期预测中，组合模型比单一ARIMA模型的RMSE提高64.2%。实验结果表明，ARIMA-SVR组合模型为保证卫星在轨正常运行提供了有效的决策分析支持。      

基于点融合系统的多目标进场排序与调度

持续增长的交通需求和日趋饱和的空域资源对飞行安全和管制效率要求更高,鉴于此,研究基于点融合系统（PMS）的多目标进场排序与调度问题。分析四维航迹预测模型与方法,实现四维航迹预测功能。针对PMS的运行模式和多个利益相关方的需求,构建PMS多目标排序与调度模型,提出基于多目标帝国竞争算法（ICA）。利用长沙黄花国际机场实际运行数据与蒙特卡罗模拟数据对优化模型与算法进行验证。结果表明：所提算法有良好的实际应用效果,能为管制员提供决策支持;在应用基于PMS的多目标进场排序与调度,即使在相对保守的安全间隔下,相对于实际运行优化后的总延误时间、总飞行时间、最大飞行时间分别有70.8%、13.2%、11.8%的缩减。     

基于平流层风场预测的浮空器轨迹控制

平流层风场环境对浮空器设计和轨迹控制具有重要影响。针对平流层风场建模,以长沙地区2005—2010年的风场数据为例,首先采用本征正交分解（POD）方法对风场数据进行降阶处理;然后分别采用Fourier级数与BP神经网络算法对平流层风场进行预测,并对2种模型的预测精度进行比较分析;最后通过建立临近空间浮空器的动力学模型和高度调控模型,分析2种风场预测模型对浮空器轨迹控制的影响。研究结果表明,相对于Fourier预测模型,基于BP神经网络预测模型的预测精度更高,可信度更强,能够更好地为浮空器飞行轨迹控制提供参考价值。      

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。      

基于地物信息的高光谱遥感图像分类方法

利用主成分分析法滤除n维高光谱遥感图像中的大部分冗余信息,得到尽可能保留光谱信息的m维高光谱遥感图像,融合其地物空间分布信息,将m维高光谱遥感图像中的每一个像素点构建为一个2维谱-空信息向量。再利用主成分分析法法对m维高光谱遥感图像进行降维,得到q维融合地物空间分布信息与光谱信息的结果图。通过高斯混合模型预测聚类中心,基于改进的迭代自组织数据分析算法ISODATA(Iterative Selforganizing Data Analysis Techniques Algorithm)对高光谱遥感图像进行聚类,得到最终的分类结果。实验结果表明本方法的地物分类精度优于K-means、ISODATA和SVM方法,总体分类精度提升10.14%-13.99%,kappa系数提升3.2%-12.85%。     

基于三维Saab变换的高光谱图像压缩方法

高光谱图像中存储了丰富的光谱信息,具有极大的应用价值,但现有大部分高光谱图像压缩方法难以同时兼顾图像中的空间冗余与谱间冗余,导致压缩性能受到局限。针对该问题,提出了一种基于三维修正偏置的子空间(Saab)变换的高光谱图像压缩方法。采用三维Saab变换对高光谱图像的分块进行空间光谱信息融合的降维操作,同时去除谱间冗余和局部空间冗余;利用高效率视频编码(HEVC)中的帧内编码模块进一步去除空间冗余和统计冗余;实现低失真、高比率的高光谱图像压缩。在多个高光谱图像数据集上的实验结果表明,所提方法在同码率下重建图像的信噪比(SNR)比采用主成分分析(PCA)降维的方法至少提高0.62 dB,在高码率的情况下性能优于张量分解的压缩方法。同时,验证了不同降维方法对分类任务的性能影响,结果表明,所提方法更好地保留了图像中的重要特征,在低码率的情况下仍可以保持较高的分类精度。     

用灰色模型预测卫星太阳电池阵输出功率

研究了GM（1，1）模型的建模方法，建立了太阳电池阵输出功率的GM（1，1）预测模型，针对电池出输出功率具有随季节波动的变化趋势，提出了采用实时在线的方法，建立动态新息GM（1，1）预测模型，经实例预测验证，动态新息GM（1，1）模型可明显地提高预测精度，且能对电池阵输出功率的波动趋势正确预测。     

基于粒子群优化LSTM的股票预测模型

为了提高股票时间序列预测精度,增强预测模型结构参数可解释性,提出一种基于自适应粒子群优化（PSO）的长短期记忆（LSTM）股票价格预测模型（PSO-LSTM）,该模型在LSTM模型的基础上进行改进和优化,因此擅长处理具有长期依赖关系的、复杂的非线性问题。通过自适应学习策略的PSO算法对LSTM模型的关键参数进行寻优,使股票数据特征与网络拓扑结构相匹配,提高股票价格预测精度。实验分别以沪市、深市、港股股票数据构建了PSO-LSTM模型,并对该模型的预测结果与其他预测模型进行比较分析。结果表明,基于自适应PSO的LSTM股票价格预测模型不但提高了预测准确度,而且具有普遍适用性。      

应用支持向量回归机探索发动机VSV调节规律

发动机可调静子叶片（VSV）调节规律极其复杂,通过挖掘快速存取记录装置（QAR）数据对VSV调节规律进行了深入研究。首先,通过PW4077D发动机健康状态的QAR数据,建立基于粒子群优化（PSO）算法的支持向量回归机（SVR）模型,来探索VSV调节规律;然后,利用后续航班数据对PSO-SVR模型进行验证,并将验证结果与传统的PSO-BP神经网络模型进行对比;最后,应用PSO-SVR模型进行发动机故障诊断。研究结果表明:PSO-SVR模型的回归预测精度优于PSO-BP神经网络模型,能够准确反映VSV的调节规律。可将其用于发动机的状态监控和故障诊断,亦可为VSV控制系统设计提供参考。      

基于变分自编码器的多维退化数据生成方法

数据驱动的剩余使用寿命（RUL）预测方法不依赖于复杂的物理模型，可以直接利用设备历史运行数据与当前监测数据对设备RUL进行预测，对制定合理的维修策略，降低设备的维护成本具有重要意义。但是数据驱动的RUL预测方法依赖于大量历史数据，在数据不足时，尤其是多维退化数据，模型难以取得良好的预测效果。针对这一问题，提出一种多维退化数据生成方法，所提方法构建了一种全局优化模型，以条件变分自编码器作为生成模型，提取多维退化数据特征并生成相似数据扩充RUL预测模型训练集，利用长短时记忆网络作为RUL预测模型，所提方法能够通过RUL预测模型更新生成模型的参数提高模型的效果，同时利用更新后的生成模型提高剩余寿命预测模型在退化数据不足情况下的效果。使用航空发动机退化数据进行了案例验证，通过对比未加入生成数据训练得到的RUL预测模型与加入生成数据训练得到的RUL预测模型的表现，验证了所提方法在解决RUL预测模型训练数据不足方面的优越性。     

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DFT的正弦波初相估计算法及误差分析

提出一种基于DFT(Discrete Fourier Transforms)频谱相位信息的正弦波初相高精度估计方法.该方法通过截取正弦波的两段长度不同的离散序列,利用它们的DFT系数来消去正弦信号的频率项,从而估计其初相.同时,给出了在高斯白噪声背景下,利用该种方法进行正弦波初相估计的均方根误差计算公式,此公式表明了均方根误差与信噪比及FFT(Fast Fourier Transforms)长度之间的关系.并以此均方根误差最小化为目标,对该估计方法进行了优化改进,得到方法中参数的最优选取方案.选择最优参数的过程即是对以均方根误差最小为目标的整数规划问题的求解过程.应用Monte Carlo仿真,将改进后的算法的性能与已有的几种典型算法的性能及Cramer-Rao下限进行了分析比较,并验证了所推导的均方根误差计算公式的正确性.      

基于线性回归近似替代模型的分布式卫星系统不确定性分析方法

分布式卫星系统在空间科学领域具有广泛的应用前景,同时也对概念设计阶段的分析工作提出了更高的要求.在分布式卫星系统概念设计阶段,评价不确定性参数对于最终探测效能的影响有着重要的工程应用价值.传统的不确定性分析方法存在解析困难、数值模拟计算效率低且耦合关系表征不明确的缺点.本文结合概念设计阶段不确定性分析的特点和需求,提出一种线性回归近似替代模型,将不确定性参数对于探测效能影响的结果计算降维为一个线性组合系数的求解问题.利用一个空间多点探测物理场分界面任务作为典型事例进行仿真验证,结果表明,相比传统数值模拟方法,本文方法在计算效率上具有明显优势且对关键不确定性参数有一定识别作用.      

基于改进的动态Kriging模型的结构可靠度算法

对于复杂航空航天机械产品,极限状态方程往往表现出隐式、高度非线性的特点,而且通常需要调用有限元分析,从而耗费大量时间。将混合粒子群-模拟退火（PSOSA）算法应用到Kriging模型中相关参数的寻优过程,提高了预测精度。同时结合动态更新机制,逐渐加入样本点,尽可能减少函数的调用次数,从而提高了计算效率,并将该算法应用到结构可靠性分析中。通过案例分析,和传统蒙特卡罗模拟方法、响应面等经典方法进行对比,所提算法与蒙特卡罗模拟方法计算结果更加接近,计算时间大大缩短,效率和精度都明显改进。      

监测位移预报的非等间距相关系数平稳序列法

建立了监测位移时间序列分析、建模和预报的非等间距相关系数平稳序列法.采用随机过程理论导出了模型的整体极大似然估计,在保证参数估计量优良统计特性的同时,克服了现行组合模型方法难以处理非等间距监测位移序列的问题.通过数字模拟仿真技术解释了传统插值处理产生较大误差的原因.计算实例表明该方法具有较高的建模和预报精度.      

高频通信最大可用频率的自适应预报

引入Volterra级数自适应混沌预报方法, 实现了高频通信最大可用频率的自适应预报. 基于青岛至新乡2007年3月和2012年3月最大可用频率观测数据, 通过不同太阳活动期单步预报、不同步长短期预报和不同训练样本长度预报结果的统计, 分析验证了方法的精确性、适应性和有效性. 分析结果表明, 采用Volterra级数自适应混沌预报方法进行超短期预测可以取得较好的预报结果, 适用于不同太阳活动期; 预测步长不大于1/12周期时, 预报均方根误差均小于0.79MHz, 与基于最大Lyapunov指数预报方法的结果对比表明, 该方法在观测数据少和信道时变特性强等情形下仍具有较高精度且应用简便. 其为高频频率预报技术的深入研究提供了基础.      

A prediction model of short-term ionospheric foF2 based on AdaBoost

In this paper, the AdaBoost-BP algorithm is used to construct a new model to predict the critical frequency of the ionospheric F2-layer (foF2) one hour ahead. Different indices were used to characterize ionospheric diurnal and seasonal variations and their dependence on solar and geomagnetic activity. These indices, together with the current observed foF2 value, were input into the prediction model and the foF2 value at one hour ahead was output. We analyzed twenty-two years’ foF2 data from nine ionosonde stations in the East-Asian sector in this work. The first eleven years’ data were used as a training dataset and the second eleven years’ data were used as a testing dataset. The results show that the performance of AdaBoost-BP is better than those of BP Neural Network (BPNN), Support Vector Regression (SVR) and the IRI model. For example, the AdaBoost-BP prediction absolute error of foF2 at Irkutsk station (a middle latitude station) is 0.32 MHz, which is better than 0.34 MHz from BPNN, 0.35 MHz from SVR and also significantly outperforms the IRI model whose absolute error is 0.64 MHz. Meanwhile, AdaBoost-BP prediction absolute error at Taipei station from the low latitude is 0.78 MHz, which is better than 0.81 MHz from BPNN, 0.81 MHz from SVR and 1.37 MHz from the IRI model. Finally, the variety characteristics of the AdaBoost-BP prediction error along with seasonal variation, solar activity and latitude variation were also discussed in the paper.     

融合加速试验及外场使用信息的寿命评估方法

加速试验技术是开展寿命评估的重要手段,它能够在短时间内得到大量的寿命信息,弥补了外场信息稀缺的问题.然而实验室环境并不能完全代表外场使用环境,它们之间存在一定的差异,其结果也往往不能反应产品的实际情况.针对上述问题,提出一种能够综合加速寿命试验、加速退化试验和外场信息的贝叶斯建模评估方法,利用修正因子对实验室和外场的差异进行修正,利用马尔科夫蒙特卡洛方法进行统计推断,从而得到更为精确的外场可靠寿命及可靠性评估结果.最后通过仿真案例对该方法的实施过程进行了说明及验证,并对其精度和敏感性进行了分析.     

飞机液压泵二维性能退化的可靠性评估

飞机液压泵为飞机操纵、起落架收放和刹车提供高压能源,其安全性和可靠性至关重要。针对飞机液压泵二维退化可靠性评估问题,构建了基于液压泵微观表面混合润滑的转子-配流盘摩擦副和轴尾密封副的摩擦磨损退化模型,基于统一随机过程模型描述2个性能指标的退化规律,利用Copula函数表征二维性能退化的相关关系,使用贝叶斯马尔可夫链蒙特卡罗法得到其考虑二元相关退化模型的未知参数估计,进而对飞机液压泵进行了可靠性评估。通过液压泵回油流量及轴尾密封摩擦力矩2个性能退化指标的实际退化数据,验证了所提出的理论和方法。结果表明,考虑2个性能退化指标相关的退化模型有效提高了可靠性评估及寿命预测精度。