基于支持向量机的航空发动机PID解耦控制

针对航空发动机多变量控制系统中各回路之间存在的耦合现象,提出了一种基于支持向量机(support vector machines,SVM)的航空发动机PID(proportion integration differentiation)解耦控制方法.利用SVM辨识发动机非线性模型,并获得SVM瞬时线性化模型,在线性化模型的基础上完成了PID参数的在线自整定.利用Lyapunov稳定性定理对控制器的收敛性进行了分析.通过对某型航空发动机的仿真,验证了该方法的有效性和可行性.      

SVM最优分类面相对位置的修正

通过放宽标准支持向量机(SVM,Support Vector Machines)中类别边界至分类面等间隔的约束,保持两类函数间隔之和不变的条件,在支持向量机思想框架下得出分类面依样本分布进行调整的新型支持向量机,其对偶形式与标准支持向量机完全相同,从而在理论上进一步完善了支持向量机.在此基础上,提出使类别的函数间隔正比于样本标准差的具体算法--方差修正法,达到最优分类面的相对位置依样本方差而调整之目的.从统计意义上来说,方差修正法在分类精度上有所提高,但计算量增加不多.     

基于支持向量机的涡扇发动机起动性能估算研究

针对不同大气条件尤其是高原和高、低温条件,及不同起动机和负载扭矩特性下涡扇发动机起动过程的数值模拟问题,给出了通用起动模型状态空间描述形式,研究了基于支持向量机的起动模型辨识和起动性能仿真方法。以某型涡扇发动机为例,给定某些条件下的起动试验数据,采用模型逐次递推的方式,估算了其它条件下的起动性能。提出的方法能够保证估算结果的准确度,适合于工程应用。     

基于支撑域的单分类器和密度估计的本质关系

单类支持向量机和支持向量数据描述是两种流行的基于支撑域的单分类器。为揭示采用高斯核后他们与密度估计之间的关系,首先将基于支撑域的单分类器统一到密度估计的框架下;其次证明了基于支撑域的单分类器诱导的密度估计和真实密度一致,同时也能减小积分平方误差。最后通过人工数据集实验验证了上述关系。     

支持向量机在航空结构声激励应力分析中的应用

支持向量机是一种新的机器学习方法。它以统计学习理论为基础,从结构风险最小化原则出发,具有很好的泛化及推广能力。通过采用支持向量机对飞机襟翼结构在声激励试验中获得的总应力、总加速度及总声压数据进行分类,分别获得结构响应间的线性关系和非线性关系的样本点以及线性与非线性界限。最后利用多元线性回归模型分别建立线性关系和非线性关系的仿真模型。研究表明,支持向量机在模式分类中具有良好的分类性能,在解决航空结构声疲劳问题中有较好的工程应用前景。     

基于小波的能源消费弹性系数预测方法

能源消费弹性系数反映了一个国家能源消费增长速度与国民经济增长速度之间的比例关系,是衡量一个国家能源利用效率的重要指标。鉴于数据中存在较多的噪声,首先用小波分析方法对数据进行滤波,然后用滤除了噪声的数据作为输入变量,用支持向量回归方法建模,并预测未来10年我国能源消费弹性系数变化的规律。实际数据检验表明,该预测方法还是可行的。     

发动机操纵系统优化设计通用软件的开发与应用

介绍了具有较好使用性能和交互性能的飞机发动机操纵系统通用设计软件--ECSOD软件,该软件采用了Windows环境下的VB语言和Fortran语言混合编程技术,在优化计算的同时生成系统运动的动态仿真图。软件操作简便,界面友好,在整个优化设计过程中始终保持了较好的人机对话式的交互功能,为设计者更方便地实现自己的设计方法和设计思想提供了一个实用的设计平台。     

面向航空试验的分布式仿真与测控系统研究

介绍了分布式仿真与测控环境的基本特点与发展过程,着重分析了当前广泛采用的分布交互仿真(DIS)标准和高层体系结构(HLA)标准,最后,结合航空领域的需求,提出应用示范系统,并指出该项技术在航空业的应用前景。     

基于HLA的空地作战分布交互式仿真系统研究

文中在对HLA和RTI进行简介的基础上,以建立空地作战仿真系统为背景,论述了基于HLA的空地作战仿真系统的设计思想及开发过程。     

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。