基于NRS-SVM模型的航空弹药消耗预测研究

结合航空弹药训练消耗的特点,研究邻域粗糙集(Neighborhood rough sets,NRS)与支持向量机(Support vector machines,SVM)融合的航空弹药训练消耗预测问题。通过邻域粗糙集将5个初始影响因素约简为3个核心影响因素,并以此训练集对支持向量机进行回归优化。通过参数寻优得到最优的惩罚参数和核参数,进而构建NRS-SVM组合预测模型来预测航空弹药消耗。实证研究表明,该模型预测结果与实际数据吻合度较高,且与其他预测模型相比具有更好的预测性能。     

基于RS-PSO-SVM的航材消耗预测模型

针对航材消耗预测影响因素多,结合航材消耗特点,研究粗糙集（Rough set, RS）与支持向量机（Support vector machine, SVM）相互融合的航材消耗预测问题。通过RS不完备信息系统的属性约简剔除航材消耗信息系统中冗余的定量因素,在属性重要性基础上将7个影响因素约简为3个影响因素,保留了该系统的核心知识。引入粒子群算法（Particle swarm optimization, PSO）优化SVM模型,寻优得到的参数组合,建立RS-PSO-SVM航材消耗预测模型。实例分析表明,RS-PSO-SVM模型的预测准确度较好,相比较于PSO-SVM、RS-BP（Back propagation）预测性能更佳。     

一种小样本民机产品的可靠性预测方法

将最小二乘支持向量机(Least square support vector machine,LS-SVM)应用于小样本民机产品的可靠性预测分析。通过重构相空间的饱和嵌入维数,确定最小二乘支持向量机的最佳输入变量;然后,使用最小二乘向量机建立可靠度回归预测模型,运用自动网格搜索法,优化了最小二乘支持向量机的建模参数,实现了比现有方法精度高、泛化性好的模型。训练和测试的可靠性样本取自某机型襟翼液压锁寿命可靠性数据。与神经网络模型的比较实例表明,提出的方法合理有效。     

基于支持向量机的结构损伤程度识别研究

支持向量机(SupportVector Machine,SVM)是一种基于统计学习理论的机器学习算法,能够较好的解决小样本的学习问题,具有很优秀的回归特性。本文提出了一种基于支持向量机辨识结构损伤程度的方法,构造模态频率作为损伤标识量训练支持向量机对损伤程度进行预测,并以悬臂梁为例进行了仿真计算。结果表明:支持向量机是一种很有潜力的结构损伤识别方法,具有很好的应用前景。     

基于支持向量机的航空发动机滑油监控分析

分析支持向量机用于时间序列预测的理论基础,针对某型发动机滑油金属含量的预测分别采用传统的AR模型和基于现代统计理论下的支持向量回归模型对滑油时间序列进行预测建模     

基于粗糙集属性约简和支持向量机的变压器故障诊断

针对油浸式变压器的故障诊断问题,提出一种利用差异化的粗糙集属性约简与有向无环图-支持向量机(DAG-SVM)相结合的方法实现变压器故障类型的快速诊断。该方法首先通过油浸液中溶解气体量的历史数据及其对应的故障类型建立原始故障决策表;然后利用等频率间隔划分法对条件属性数据作离散化处理,利用差分矩阵对决策表信息进行差异化属性约简,建立每两类故障间的诊断规则,消除对决策结果区分度较低的冗余属性;最后根据约简属性的对应数据作为特征向量输入,构建有向无环图-支持向量机多分类诊断网络,进而实现对故障类型的判断。仿真实例表明,该方法在系统检测中提高了故障诊断的准确率。     

基于粗糙集和分层支持向量机的AGV多分支路径识别

双向型视觉导引自动导引车多分支路径识别的关键问题是实时性和鲁棒性。基于智能信息融合的思想,将粗糙集理论与多类支持向量机方法结合起来,提出一种基于知识获取实时性和类的相似性的分层多分支路径识别新方法。采用粗糙集知识粒度理论和分层递阶约简算法获得最小的决策规则,有效降低分类识别的复杂性;提出分类决策安全区域的学习方法,提高识别的鲁棒性。最后,仿真实验和多种环境下的运行测试验证了该方法的有效性和可靠性。     

基于优化最小二乘支持向量机的襟翼趋势预测

将最小二乘支持向量机(LS-SVM)应用于飞机襟翼状态趋势研究。首先,通过分析飞机襟翼故障与襟翼动作耗时参数的关系,提出了利用动作耗时趋势来确定该系统未来状态的方法。然后,使用最小二乘支持向量机建立耗时回归预测模型,采用最终预报误差(FPE)准则确定回归模型嵌入维数,提出了自适应网格搜索法,优化最小二乘支持向量机的建模参数,从而实现比现有方法精度高,泛化性能好的预测模型。训练和测试样本取自飞行数据记录系统(QAR)中译码襟翼参数值。与神经网络模型的比较实践表明,该方法具有实用价值。     

基于支持向量机的直升机旋翼不平衡故障分类研究

提出一种利用支持向量机进行直升机旋翼不平衡故障诊断的方法,建立了用于直升机旋翼不平衡故障识别的支持向量机诊断模型,进行了直升机旋翼不平衡故障模拟试验,分别采集了在旋翼配重不平衡、桨距不平衡、后缘调整不平衡和正常状态下的试验台体振动信号,并对其进行了功率谱分析.采用基于支持向量机的诊断模型对旋翼不平衡故障进行了故障分类识别,并与基于径向基神经网络的诊断模型进行了故障识别效果对比.结果表明基于支持向量机的诊断方法在小样本条件下,对旋翼不平衡故障具有良好的识别能力.     

Boosting稀疏最小二乘支持向量回归机及其在推力估计中的应用

为实现航空发动机的直接推力控制代替传统的基于传感器的液压机械式控制,本文使用boosting技术提升最小二乘支持向量回归机的性能设计了推力估计器。在使用boosting的过程中,有两点与传统方法不同：（1）为了在建立稀疏最小二乘支持向量回归机的时候使数值计算更稳定,使用无放回抽取;（2）为了实现最小二乘支持向量回归机的稀疏性和降低计算的复杂度,用训练数据集的一个子集来建立最小二乘支持向量回归机,不再使用全部训练数据。仿真实验表明,基于boosting稀疏最小二乘支持向量回归机的推力估计器能够满足直接推力控制的需要,即估计推力相对误差不大于5‰。     

不完备系统中的变精度多粒度粗糙集

以不完备信息系统为研究对象,将变精度粗糙集方法与多粒度粗糙集方法进行融合,构建了基于容差关系的可变精度乐观和悲观多粒度粗糙集模型.这两种可变精度多粒度粗糙集模型都是基于容差关系的可变精度粗糙集与多粒度粗糙集的拓展形式.对可变精度多粒度粗糙集的基本性质进行了讨论,为采用粗糙集方法处理不完备信息系统提供了新的技术手段.     

中介粗集及其在数据挖掘中的应用

粗集理论已成功应用于数据挖掘,如基于粗集方法的属性发现和决策规则的约简等。中介集合论是以中介逻辑为基础,也可以用于数据挖掘。文中将两者相结合,提出了中介粗集的概念。中介粗集是普通粗集的推广,为不完全信息系统的数据挖掘提供了新的工具,不仅可用于一般的信息系统,还适用于数据取空值的信息系统（允许结论取空值）。利用中介粗集进行数据挖掘不但可以得出粗集理论中的约简,还能得到更为简洁的中介约简。文中还给出了     

测量粗糙集中模糊性的一种新方法

针对粗糙集中存在的模糊性问题，提出了一种利用模糊熵测量其模糊性的方法。中给出了一种新的模糊熵，提出了基于等价关系下粗糙集模糊熵的计算公式及等效表示方法，证明了这种模糊熵的性质。并将基于等价关系的粗糙集的模糊熵拓展到基于一般二元关系下粗糙集的广义模糊熵，给出了广义模糊熵的计算公式及等效表示形式。最后以一个例子说明粗糙集中模糊熵的具体求解方法。从例子可以看出，本提出的模糊熵可以方便、有效地测量出粗糙集中的模糊性。     

基于支持向量机和人工免疫的新结合算法

为了减少大规模数据的支持向量机的样本训练时间，提出了人工免疫（aiNet）和支持向量机（SVM）相结合的算法（ai—SVM）。aiNet能在进行样本压缩的同时抽取原始数据的相关信息并保持原始数据的样本分布。压缩后的样本组成了抗体网络，并在此抗体网络上构建了支持向量机模型。最后结合实际数据样本对ai—SVM算法进行了验证。结果表明，ai-SVM算法可大大减小训练样本集和训练代价，且不降低精度。     

基于主元分析的多传感器故障检测

针对动态系统的压力、温度、流量等传感器数据,给出了一种基于主元分析法的传感器故障检测与诊断方法。该方法能够在对测量参数相关性分析的基础上,将传感器测量值所组成的测量空间分解为主元和残差两个子空间,通过传感器实际测量数据与正常数据矩阵在残差子空间投影的比较,对传感器的故障进行检测与诊断。通过双容水箱被控系统的传感器进行检测,结果表明主元分析法对传感器具有很好的故障检测和故障诊断能力。     

基于电流监测法的粗糙表面微通道电渗流实验研究

制作2种 PMMA 微流控芯片,对其微通道内表面参数进行测试。基于电流监测法,设计微流控芯片电渗流检测系统。首先测量光滑微通道电渗流速度,验证了实验的可行性,并可以预测微通道的表面电势;然后对粗糙微通道电渗流进行测量;最后对比分析电场强度、溶液浓度等对光滑和粗糙微通道电渗流的影响。结果表明:(1)不规则粗糙表面微通道电渗流速度随电场强度、溶液浓度的变化规律和光滑表面微通道一致;(2)相对于光滑表面微通道,粗糙表面微通道电渗流速度明显降低;当相对微通道深度为5%时,降低幅度约为23%。(3)随着电场强度或者溶液浓度的增大,粗糙和光滑微通道电渗流速度的差距增大。所用实验方法具有直观、方便和成本低的优点。     

干式变压器数据采集与测控系统中的数据传输研究

干式变压器的数据采集与监控系统是其安全工作的重要组成部分。本文介绍了该系统中数据传输网络的组成、工作原理及数据传输机制,特别是设计独特的RS-232与RS-485之间的无源电平转换接口模块。     

基于粗糙集特征选择的过拟合现象及应对策略

在粗糙集方法中,利用向前启发式算法进行特征选择,是一个逐步加入重要度最高的特征的过程,直至满足所给定的约束条件。但使用这一策略选择出来的特征子集有可能产生过拟合现象。鉴于此,设计了一种新的启发式算法,其主要思想是借助交叉验证的方法对特征的重要度进行计算,当过拟合出现时,则采用截断式机制终止算法。使用邻域粗糙集模型,在UCI数据集上将启发式算法与所提算法进行对比分析,实验结果表明:所提算法能够有效地降低过拟合的程度;利用所提算法得到的特征子集能够带来更好的分类性能。