基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSOLSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSOLSSVM算法能获得最优的LSSVM参数,且采用PSOLSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。     

航空复合材料自动铺丝技术发展概况

自动铺丝技术是一种新型复合材料低成本自动化制造技术,已被成功应用于波音787和空客A350项目复合材料机身制造,是未来复合材料机身制造的一种最具前景的方法。本文介绍了铺丝机系统国内外的发展及应用现状,并展望了自动铺丝技术在我国的发展前景。     

某三余度计算机及其接口模块工作模式设计

对于大型无人机系统来说,三余度电传飞控系统具有最合理的性价比。介绍某大型无人机三余度飞控计算机系统的总体设计和实现方案。系统采用相似三余度容错结构,通过高速交叉通道数据链和同步技术保证不同余度之间控制输出的时间和空间一致性。为增强系统处理能力,采用智能接口模块分担主CPU的工作,智能接口模块具有独立的BIT功能,采用双口存储器实现与处理器模块信息交互,硬件接口支持软件动态可配置。     

入口带倒圆结构的旋转长孔计算模型

通过对旋转长孔的各种复杂工况开展CFD仿真,对现有经验关联式进行修正,并基于流体网络法对修正后的计算模型进行开发,开发完成的模型采用计算流体力学商业软件Simerics进行验证,结果表明:该模型考虑了入口倒圆结构对流动的影响,对于旋转长孔的模拟准确度较高,在低雷诺数及超声速等各种流动状态下均具有较广的适用性,并且只需基本的几何特征参数即可进行一维数值模拟,因此可以作为二次空气系统一维数值仿真的标准化模型使用.      

基于直升机/涡轴发动机综合仿真平台的发动机非线性模型预测控制

 基于具有可靠置信度的直升机/涡轴发动机综合仿真平台,研究了涡轴发动机带约束优化的非线性模型预测控制(NMPC)技术。首先通过设计多输出迭代约简最小二乘支持向量回归机(RRLSSVR),训练具有较好实时性、精度及泛化能力的内嵌式预测模型,在高度0~5 km、前飞速度0~75 m/s范围内模型精度达5‰。其次,考虑了扭矩、燃油流量、动力涡轮转速、燃气涡轮转速等综合信息及相关约束对控制效果的影响,利用在线序列二次规划(SQP)算法实现滚动优化控制,而后加入目标转速偏差的积分项以消除静差,保证输出恒定。最后,通过对直升机进行机动飞行大扰动仿真验证了该预测控制器对扰动的抑制能力,相比传统串级PID控制,能够显著降低动力涡轮转速下垂/超调量,达到更好的控制品质。     

基于WCFSE-FSVM的转子振动故障诊断方法

为了提高含有噪声和野值的转子振动故障样本诊断精度,提出了基于WCFSE-FSVM的故障诊断方法。充分融合小波相关特征尺度熵(WCFSE)特征提取方法和FSVM故障诊断方法的优点,建立WCFSE-FSVM故障诊断模型。基于转子实验台模拟4种典型故障,获得原始故障数据;并利用WCFSE方法提取这些故障数据的WCFSE值,选取故障信号高频段中的尺度1和尺度2上的小波相关特征尺度熵W1和W2构造出振动信号的故障向量作为故障样本,建立FSVM诊断模型。实例分析显示:WCFSE-FSVM方法的转子故障诊断精度最高,即故障类别诊断精度为94.49%,故障严重程度的诊断精度为95.58%,二者都优于其它故障诊断方法。验证了WCFSE-FSVM方法的可行性和有效性。      

放宽静稳定性大型客机的LQR控制律设计

论述了法向过载信号反馈在放宽静稳定性大型客机自动驾驶仪增稳控制中的作用。在自动驾驶仪纵向内回路控制律中引入法向过载信号,构成了国际先进客机的C*控制律构型;反馈系统的输出信号,选用LQR设计方法同时闭合客机纵向的内回路和姿态、油门回路,形成了输出跟踪器,并设计了性能指标与反馈参数。以B707为例,建立了其着陆进近阶段的非线性模型,配平并线性化,用获得的控制律进行数字仿真验证。结果表明,内回路增稳效果良好,C*响应曲线在最佳响应区,姿态响应和速度保持都达到了满意的效果。     

基于FSVM改进隶属度的发动机振动性能分析

为了更有效地掌握航空发动机振动性能的影响因素,提出了改进FSVM信息熵的融合定量分析方法.首先,对模糊支持向量机(FSVM)的模糊隶属度函数进行改进,建立多类模糊隶属度计算模型.再将该方法应用到航空发动机整机振动性能评估,计算出振动故障模式与故障原因之间的权值,建立了一个多参数的发动机振动性能分析模型;并对各类振动原因对发动机整体性能的影响进行定量分析,为发动机的振动抑制提供量化参考指标.最后,通过与实际经验作比较,验证了该方法是可行和有效的.     

基于PSO-SVM的民航发动机送修等级决策研究

为降低航空公司维修成本,增强送修等级决策科学性,保障飞行安全,提出基于PSO-SVM的民航发动机送修等级决策算法.首先利用改进的粒子群优化(Particle Swarm Optimization,PSO)算法对支持向量机(Support Vector Machine,SVM)参数进行寻优,并提出将交叉验证(Cross Validation,CV)的平均分类精度作为PSO的适应度值.对某型发动机送修等级的真实数据进行了决策对比研究,研究数据表明:与传统的Grid和GA算法相比,PSO的参数寻优效果要更优;在小样本分类时,PSO-SVM的分类精度要远高于常用的神经网络分类模型径向基函数(Radial Basis Function,RBF)模型和学习向量量化(Learning Vector Quantization)模型.     

观测数据野值剔除的TBS-LS逼近方法

提出了以最小二乘逼近方法为基础的数据野值判别与剔除算法。利用TBS（三角B样条）曲线同时具有局部性和整体性的优越性构造最小二乘拟合算法,并结合偏度分析与残量分析误差方法,在给定范数意义下的评价系统中,可以得到TBS-LS（最小二乘三角B样条）拟合曲线,从而可以更好地识别并剔除野值。最后给出算法以及主要结果,通过实例说明方法的有效性。