混合神经网络和混沌理论的股票价格预测研究

针对股票时间序列的非线性特点,结合混沌理论和神经网络理论,提出了基于混沌理论的股票价格神经网络预测方法。同时利用重构相空间的嵌入维数确定神经网络的结构,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,在股票时间序列预测中有广泛的实用价值。     

基于XGBoost的航空器动态滑行时间预测方法研究

对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost 的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost 算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoos...     

基于支持向量经验模态分解的故障率时间序列预测

 针对故障率时间序列的非线性与非平稳特性,提出一种基于支持向量经验模态分解(SVEMD)的预测方法。首先,将故障率时间序列分解为多个固有模态函数(IMF)与一个余量(RF),利用最小二乘支持向量机(LSSVM)预测时间序列两端的局部极值点,以抑制传统经验模态分解(EMD)的边缘效应;同时以LSSVM回归方式形成包络线,以取代传统EMD中的三次样条插值;然后,建立各IMF与RF的预测模型;最终,将各IMF与RF的预测结果相加以获得故障率时间序列的预测结果。仿真结果表明,该方法的预测精度较传统基于EMD的预测方法与单一预测方法有显著提高,可实现对故障率的准确预测。     

某型继电器延迟时间的设计计算

系统阐述了短路绕组延时继电器延时的工作原理 ,详细讨论了影响延迟时间的因素 ,并就如何延长释放时间和缩短闭合时间提出了有效方法 ,从而使带短路绕组的延时继电器满足不同的延迟时间指标。     

混沌时间序列的神经网络预测研究

研究了一类特殊非线性系统——混沌系统的预测问题。混沌是一种普遍存在的非线性动力学行为,混沌时间序列难以预测和控制,文章先是通过重构系统状态相空间分析混沌时间序列,然后采用多层前向神经网络对其进行预测。对典型的Lorenz和Mackey-Glass混沌序列预测结果表明,如果训练样本足够多,网络结构简单适当,训练后的网络具有很好的泛化性能,说明神经网络预测方法具有较好的工程实用价值。最后分析神经网络初始权值设置对预测性能的影响,指出改进方向。     

采用航路动态规划的时间控制技术研究

针对巡航导弹射程远的特点,考虑到导弹在中制导段的时间约束要求,利用导弹在线剩余时间预测方法,根据实际剩余时间和预测剩余时间得出了时间误差信号。在预定航路基础上利用时间误差信号生成侧向机动指令,通过航路动态规划,实现对攻击时间的控制。最后进行了仿真,仿真结果表明了该方法的有效性。     

混沌时间序列预测算法的优度评价

将优度评价方法运用于混沌时间序列预测算法评价中,确定评价算法的指标体系。建立混沌时间序列预测算法关于各评价指标的关联函数来刻画各评价对象的优秀程度并计算关联度。计算出各评价对象的优度值,将其用于对各算法的综合优度的比较。实例证明,该方法直观、实用,可为混沌时间序列预测算法评价提供定量的依据。     

基于准模拟的飞机过站时间预测方法

飞机过站时间是飞机级设计要求,它对航空公司运营成功与乘客满意度有重要影响。因此,在飞机概念设计阶段,有必要对其设计要求进行确认。提出了一种基于准模拟的飞机过站时间预测方法,其中占过站时间较大比例的乘客登离机时间利用基于离散时间仿真方法计算得来,其余过站服务时间由工程经验方法进行估算。利用此方法对各大飞机公司所提供的型号进行登离机时间模拟,并验证了仿真模型的精确度。以某单通道飞机为例,计算登离机时间并估算飞机过站时间,算例表明此方法能为设计人员评价不同登离机人数、登离机策略、舱门个数对过站时间的影响。在飞机概念设计阶段,设计员能够利用此方法快速获得较可信的登离机时间和过站时间。     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

基于在线LS-SVM算法的变参数混沌时间序列预测

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列。变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tan-kens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题。最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少。提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列。对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列。     

航天继电器推力杆位置的优化分析

航天继电器的可靠性直接影响航天整机的可靠性，分析并研究航天继电器推动杆的优化位置是进行航天继电器可靠性设计的重要环节。以往人们对航天继电器磁系统、簧片系统做了很多研究工作，但在推动杆位置方面的研究工作很少。提出了一种分析航天继电器推动杆优化位置的方法，即从电磁力、电磁力矩、电磁力做功、位移等四方面，研究直簧系统推动杆的最优位置。研究结论可用于指导航天继电器的参数优化设计、可靠性设计及整体装配调试。     

航天电磁继电器可靠性容差分析技术的研究

航天电磁继电器是在航天电子系统中完成信号传递、执行控制、系统配电等功能的主要电子元器件之一，其可靠性直接影响整个航天电子系统的可靠性。航天继电器可靠性设计技术是其产品可靠性工程的关键技术。本文分析了当前各领域可靠性研究现状及航天电磁继电器产品的可靠性现状与问题，提出并建立了基于正交试验表的电磁吸力可靠性容差分析数学模型、基于概率统计方法的机械反力可靠性容差分析数学模型及基于“应力-强度干涉法”的吸反力配合特性可靠性容差分析数学模型。以某型号航天电磁继电器为例，进行了可靠性容差分析与研究，给出了对航天电磁继电器可靠性设计具有指导作用的重要结论。     

Research on Auto-detection for Remainder Particles of Aerospace Relay Based on Wavelet Analysis

Aerospace relay is one kind of electronic components which is used widely in national defense system and aerospace system. The existence of remainder particles induces the reliability declining, which has become a severe problem in the development of aerospace relay. Traditional particle impact noise detection (PIND) method for remainder detection is ineffective for small particles, due to its low precision and involvement of subjective factors. An auto-detection method for PIND output signals is proposed in this paper, which is based on direct wavelet de-noising (DWD), cross-correlation analysis (CCA) and homo-filtering (HF), the method enhances the affectiv-ity of PIND test about the small particles. In the end, some practical PIND output signals are analysed, and the validity of this new method is proved.     

基于一种新的弯曲三角形元素的薄板极限分析方法

 本文提出了平面薄板极限分析中的一种新的弯曲三角形元素,简化了元素刚阵的形成,大大降低了结构刚阵阶数。用塑性应变模态思想对平面薄板结构进行了极限分析。本文方法具有物理意义明显、数学形式简洁、元素简单、计算量小、实用性强等优点,在若干算例中均取得了满意的结果。     

燃烧时滞对小推力高室压动力系统响应特性的影响

对小推力高压燃烧室动力系统各部件建立了数学模型,并对此系统进行了数值计算,分析了燃烧时滞对此系统的影响。计算结果表明,在燃烧时滞较大时,高室压动力系统响应较慢,发动机性能参数的超调量较大,达到稳态所需的时间较长,轨控发动机与姿控发动机共用同一个供应系统,姿控发动机受燃烧时滞的影响更大。      

基于支持向量机的航空发动机滑油监控分析

提出了一种基于支持向量机的航空发动机滑油金属含量预测方法。详细分析了支持向量机用于时间序列预测的理论基础,并给出了运用支持向量回归进行多步预测的一般公式,提出了用最终预报误差(FPE)准则优化选取嵌入维数。与传统的AR预测模型相比,支持向量机由于采用了新型的结构风险最小化准则表现出优秀的推广能力。经过数值仿真得出自回归(AR)模型仅适合于短期预测;支持向量机预测推广能力强、具有较强的鲁棒性和容错性,对较长区间预测仍具有较好的效果。最后,将其应用于某型发动机滑油的铁金属含量预测,取得了较好的效果。      

无人机中继平台覆盖区域统计模型简

 针对中继信号覆盖区域确定性模型没有考虑信道随机衰落影响的问题,提出了一种基于中断概率的无人机（UAVs）中继平台信号覆盖半径统计模型。通过将中继链路建模为包含路径损耗、阴影衰落和多径衰落的复合分布模型,推导获得中继信号覆盖半径的概率分布,并给出一种利用中断概率数值求解覆盖半径的方法。仿真结果表明,信道衰落对覆盖半径影响非常大,当中断概率小于10%时,覆盖半径仅为无衰落信道时的一半。研究结果对移动自组织网络（MANETs）中的中继网络的无人机最优布置、飞行策略以及网络性能评估等具有重要的参考价值。     

基于经验的工程变更传播路径预测方法

 针对航空产品工程变更不易预测传播路径的问题,本文利用信息论和统计学的有关原理,提出了一套基于经验的工程变更传播路径预测方法。利用熵和互信息的概念,从海量经验数据中获取在预测过程中起到重要作用的参数;以其为样本空间,提出了一种从语义和变更影响两个角度计算变更参数相似度的算法;基于贝叶斯公式,分析了多因素情况下,相关参数的被影响概率,以此作为判断变更路径的依据;最后,以某型号航空涡轮叶盘为例对本文方法进行了验证,结果表明本文方法具有一定的准确度和优越性。     

用结构自适应神经网络预测航空发动机性能趋势

 将航空发动机作为复杂非线性系统考虑,运用神经网络超强的非线性映射能力和非线性时间序列分析的相空间重构理论,建立航空发动机性能趋势预测的神经网络模型,同时,针对神经网络的结构设计困难问题,建立了基于遗传算法的结构自适应神经网络预测模型,实现了神经网络结构的优化。最后,利用三组民航飞机发动机的性能数据进行了预测分析,验证了利用结构自适应神经网络对航空发动机性能趋势进行预测的有效性。     

无人机中继平台覆盖区域统计模型

针对中继信号覆盖区域确定性模型没有考虑信道随机衰落影响的问题,提出了一种基于中断概率的无人机（UAVs）中继平台信号覆盖半径统计模型。通过将中继链路建模为包含路径损耗、阴影衰落和多径衰落的复合分布模型,推导获得中继信号覆盖半径的概率分布,并给出一种利用中断概率数值求解覆盖半径的方法。仿真结果表明,信道衰落对覆盖半径影响非常大,当中断概率小于10%时,覆盖半径仅为无衰落信道时的一半。研究结果对移动自组织网络（MANETs）中的中继网络的无人机最优布置、飞行策略以及网络性能评估等具有重要的参考价值。