基于改进PSO-SVM参数优化的发动机起动过程辨识

针对影响支持向量机辨识性能的核函数及相关参数,找出使辨识结果最佳的核函数;结合两种措施改进粒子群算法,优化相关参数,选择最佳的参数组合.对比 BP 神经网络和支持向量机对发动机起动过程的辨识结果,得到支持向量机的辨识精度和收敛时间优于 BP 神经网络,与起动数据基本一致.在训练样本存在噪声的情况下,验证了所建辨识模型具...     

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...     

一种基于模式搜索的大尺寸测量移站坐标转换方法

针对空间大尺寸测量的移站坐标转换，提出了最小二乘坐标转换数学模型和基于模式搜索的参数求解方法，实验证明该方法具有理论正确性和实际可行性。     

嵌入式Linux下硬件中断驱动程序的开发

通过将摩托罗拉ColdFireMCF5272微处理器内集成的定时记数器作为字符设备使用并产生中断的编程实例,介绍了嵌入式Linux下硬件中断驱动程序的编写。     

高温富油燃气作引导火焰的煤油超燃研究

对采用高温富油燃气作引导火焰的煤油超声速燃烧进行了研究。根据试验测得的壁面静压分布，采用一维简化模型处理与分析数据，得出了不同试验条件下的燃烧效率与总压恢复系数；对超声速燃烧室内的静压分布特点作出了分析；对超声速燃烧室人口处的气流总温，燃料喷射位置，以及燃烧总体当时比对燃烧室内静压分布、燃烧效率与总压恢复系数的影响进行了讨论。     

抗荷阀-抗荷服系统动态模型结构研究

 通过理论分析和系统辨识方法研究了 4种不同型式抗荷阀—抗荷服系统的动态响应特性 ,分别建立了机械式、混合式和电磁式抗荷阀—抗荷服系统的动态模型 ,并说明了三者模型结构之间的内在联系。     

快速实现二次曲面片三角网格剖分的新方法

三维表面的三角网格剖分,对图形学和数值分析来说,都是极其重要的一项预处理技术.利用二维动态、带约束的Delaunay三角网格剖分算法,可以有效地实现二维空间中带边界约束的点集的三角网格剖分.提出了对二次曲面进行快速三角网格剖分的一种新方法.     

北斗空间信号误差统计特征及描述方法研究

通过对比北斗卫星导航系统(BeiDou Navigation Satellite System,BDS)广播星历与事后精密星历,提取了轨道和卫星时钟误差。基于北斗轨道误差及北斗卫星时钟误差统计特征分析,构建区别于全球定位系统(Global Positioning System,GPS)的BDS空间信号用户测距误差(Signal-In-Space User Range Error,SISRE)描述方法,对BDS广播星历中用户测距精度(User Range Accuracy,URA)进行了验证。6个月的北斗数据测试结果表明,北斗GEO、IGSO和MEO卫星的URA分别为3.0m、1.9m和1.6m。     

基于Transformer层次预测的多星应急观测任务规划方法

应急观测任务规划是一个强时效性的复杂组合优化问题,必须在规定的时限内完成相应的计算。采用机器学习的方法对规划问题进行初始规划方案预测,可以有效地简化计算复杂度。为此,提出一种基于Transformer层次预测的多星应急观测任务规划方法,将多星任务规划的求解过程分解为3个步骤：首先,利用基于Transformer的任务可调度性预测模型预测待规划任务是否执行,得到预执行任务集合;然后,基于Transformer的任务分配模型对预执行任务集合分配卫星,得到初始规划方案;最后,利用基于随机爬山的约束修正算法对初始规划方案进行优化调整,得到可行规划方案。为验证所提方法的有效性,通过大量仿真实验与CPLEX优化器、标准遗传算法、长短期记忆网络等方法模型进行比较,实验结果表明所提方法计算耗时短,规划收益高,适用于多星观测任务快速规划。     

利用神经网络技术提前一小时预报Dst指数

利用神经网络技术并考虑地磁活动的周期性,提出了一种提前一小时预报Dst指数的方法.网络的输入包括时间、季节、当前时刻及其一阶增量、二阶增量、前27天Dst指数的平均值.以下一时刻Dst指数作为输出对网络进行训练,训练好的网络可以提前一小时预报Dst指数.分别用1985年、1986年、1990年和1991年Dst指数数据进行检验.结果表明,预报结果与观测数据符合较好,Dst指数预报误差的均方根分别为4.00 nT,3.72 nT,5.35 nT,6.82 nT.误差分析表明,Dst指数的预报结果太阳活动低年比高年好.