基于支持向量机和粒子群算法的压气机特性计算

改进和实现了支持向量机用于函数回归估计的算法,并将支持向量机和粒子群优化算法运用于压气机特性计算,以寻找压气机进口换算空气流量和效率随增压比、转子转速、压气机进气角度变化的非线性函数关系,将进气角度作为一个影响因子列入考虑范围,改进了以往只考虑压气机特性随转子转速和增压比变化的计算方法。用支持向量机回归估计压气机特性随各因子变化的非线性函数,用粒子群优化算法对非线性函数逼近度进行全局优化,计算结果表明,设计的算法能准确地回归估计出描述压气机特性的非线性函数,算法是有效的。      

某型压气机低转速特性扩展方法对比分析

采用指数外插法在相近低转速时,通过发动机状态相似的假设得到部件特性,而能量外推法从能量损失的角度出发,通过发动机在自模化区的流动特点进行低转速特性外推。为验证能量外推法的可行性,在某型涡扇发动机高压压气机试验台上开展转速调试试验,录取高压压气机在不同转速下的性能数据并进行分析,得到改型发动机的高压压气机特性。根据经验,试验时最低相对换算转速只能达到0.5,采取2种外推方法对低转速特性进行外推。结果表明:能量外推法相比于指数外推法具有可行性好、准确度高的特点,在实际发动机研制过程中实用性更强。     

利用粒子群支持向量机预测轴流压气机机匣壁面压力

建立了基于粒子群优化的轴流压气机机匣压力支持向量机预测模型.利用支持向量机的强大非线性映射能力,实现了对某型轴流压气机机匣压力时间序列的非线性预测,并运用粒子群优化算法对支持向量机的重要参数进行了优化,增强了预测模型对混沌动力学的联想和泛化推理能力,提高了预测的精度和稳定性.而针对发动机台架试验数据的预测结果证明了方法...     

基于支持向量机的飞机系统辨识方法研究

支持向量机系统辨识方法相比传统辨识方法具有诸多优点。本文将支持向量机引入飞机系统辨识,建立离散差分形式的飞机运动方程,并利用离散系统与连续系统转换方法获得飞机纵向模态特性。研究表明该方法正确有效,信号带噪声时辨识精度较好,具有一定的工程应用价值。     

基于模糊支持向量机的飞机飞行动作识别

传统的支持向量机由两类扩展到多类问题时,出现不可分区域。针对飞行动作识别提出解决这一现象的模糊支持向量机。采用模糊支持向量机对某型飞机飞行动作进行识别。实际飞参数据(6种飞行动作模式)的识别结果表明,模糊支持向量机较传统的多类支持向量分类器在飞机飞行动作识别率上有显著提高。     

全局灵敏度分析的支持向量机方法

结构全局灵敏度分析中存在隐式极限状态函数和高计算量困难问题,提出支持向量机和蒙特卡洛方法相结合的一种新的全局可靠性灵敏度分析方法。该方法采用支持向量机拟合输入变量与输出响应之间的关系,同时采用均匀映射得到更多数量的失效样本以获得高精度的代理模型,故仅需少量样本即可将隐式极限状态函数显式表达,与直接蒙特卡罗方法相比,可显著提高计算效率。数值算例和工程算例表明所提方法具有一定的工程应用价值。     

多维传感器标定的支持向量机复合式方法

提出了多维传感器标定的支持向量机复合式标定方法,解决了多维传感器标定中的参数不确定性和耦合非线性因素.对一个多维传感器进行了支持向量机复合标定的仿真研究,将这一方法应用到六维力传感器测量系统的标定试验中.结果表明,与传统标定方法相比,支持向量机复合标定的方法在不增加数据样本的情况下,能够显著提高传感器标定的精度;同时也...     

基于支持向量机和蚁群算法的空间目标分类

研究了基于支持向量机的空间目标分类中核参数和误差惩罚因子的选择问题.将蚁群算法与支持向量机相结合,提出了一种自动优选支持向量机模型参数的方法,克服了以往反复试验以确定其参数的缺点.采用所提出的方法,分类正确率迭90%左右,验证了该方法的有效性.     

基于支持向量机的武器装备批量生产经济性分析

对常规熟练曲线建模方法和支持向量机模型用于某型武器装备的批量生产经济性分析进行研究,着重分析了应用支持向量机进行批量生产经济性分析的具体形式以及方法特点,并给出了应用实例,结果令人满意。     

层叠支持向量机的研究

层叠支持向量机是一种新型的SVM训练方法。该方法通过对训练集子集的优化来实现对整个训练集的优化,从而能够快速地解决大规模训练集的分类问题。对Cascade SVM中训练集的划分提出了一种新的划分方法。初步实验结果表明,该划分方法使得Cascade SVM迭代次数更少,收敛速度更快。     

基于支持向量机的飞行控制系统辨识

以飞机为研究背景,基于系统辨识中的串-并联辨识模型,应用一种支持向量回归机的方法,对飞行控制系统模型进行了辨识。通过仿真,成功地得到了飞行控制系统的辨识模型。结果表明:该方法有很好的预测性能,具有很高的精度,同时也能很好地反映飞行控制系统的特性。     

基于支持向量机的滚动轴承状态寿命模型

使用状态寿命(即状态良好、初始损伤、故障发展和即将失效4个寿命阶段)描述滚动轴承的使用寿命,并建立了滚动轴承的状态寿命评估模型.状态寿命评估模型建模的关键是振动信号的特征提取和状态的识别算法.针对滚动轴承振动的特点,提取小波包重构信号的频带能量构造特征向量,利用支持向量机作为辨识算法建立滚动轴承状态寿命评估模型,并讨论了模型参数确定等关键问题.滚动轴承全寿命试验验证了模型的有效性和可信性.      

基于试验设计及支持向量机的向心叶轮结构优化设计方法

针对向心叶轮结构优化设计耗时长的难点,研究并采用了2类关键技术:其一是利用试验设计技术从大量的轮盘结构尺寸中挑选出重要尺寸作为优化设计变量,以减小优化问题规模;其二是利用支持向量机技术建立向心叶轮强度及振动分析的代理模型,以缩短分析时间.在以上研究工作的基础上建立了1种快速高效的向心叶轮结构优化设计方法.随后的1个算例表明:优化后的叶轮寿命提高4倍,优化设计时间为传统方法的1/27,具有良好的工程应用前景.      

基于支持向量机的航空发动机整机振动故障诊断技术研究

支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的一种新型机器学习方法,由于它出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中。针对某型航空发动机整机振动过大的现象,提出了一种基于支持向量机（SVM）的整机振动故障诊断方法。首先介绍了SVM理论,然后根据SVM学习方法的结构风险最小化原则,对某型航空发动机已知的整机振动故障模式数据进行了训练和预测,并建立了基于SVM的航空发动机整机振动故障诊断模型。最后通过对已有故障模式进行诊断预测,证明该方法在航空发动机整机振动故障诊断方面具有良好效果。     

基于支持向量机的航空发动机转静碰摩部位诊断规则提取

引入基于支持向量机(SVM)的数据挖掘技术,提出了基于SVM的转静碰摩部位诊断知识获取.首先,基于带机匣的航空发动机转子实验器,模拟了4个碰摩部位的碰摩实验,利用机匣4个部位的应变测试,获取了4个碰摩部位和4个测点的大量实验数据;然后提出了一种基于支持向量聚类(SVC)的诊断知识规则提取方法.在该方法中,利用SVC算法得到特征选取后样本的聚类分配矩阵,最后根据聚类分配矩阵构建超矩形规则.为使规则更加简洁,易于解释,采用规则合并、维数约简、区间延伸等方法对超矩形规则进行进一步简化.利用基于SVM的数据挖掘方法,从大量的碰摩部位实验数据中提取出了转静碰摩部位诊断的知识规则,并进行了相应解释和验证,规则识别率达到了99%以上,表明了该方法的正确有效性.      

压气机特性曲线精确分步拟合方法研究

针对压气机特性曲线分步拟合中坐标变换方法不明确的问题,提出先对压比进行坐标变换,坐标变换中的参数对折合转速进行拟合,之后折合流量或效率分两步对压比和折合转速进行拟合的改进方法。用多个指标对拟合结果进行了评估,给出了拟合阶次的选取方法。实例说明了改进方法的有效性,进一步说明了拟合中坐标变换的意义,以及第二步系数拟合中牛顿插值法和最小二乘法的适用情形。     

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.      

基于小波包分析和支持向量机的转静碰摩部位识别

利用航空发动机转子实验器模拟不同径向碰摩部位下的碰摩故障,提出基于小波包分析的支持向量机转静碰摩部位识别方法.首先将从机匣测得的加速度信号进行小波包分解,提取其归一化能量特征,接下来将得到的归一化能量特征输入至支持向量机中,用以识别不同的碰摩部位.利用航空发动机转子实验器模拟大量不同碰摩程度和不同碰摩部位的样本,利用支持向量机进行训练和测试.结果表明小波包能量特征与支持向量机相结合可以有效地判别转静碰摩部位,且仅需1个传感器即可达到98%的识别率.