基于支持向量回归的机场旅客吞吐量预测

在分析现有机场旅客吞吐量预测方法不足的基础上,利用基于结构风险最小化原则的支持向量回归方法,建立了机场旅客吞吐量预测模型。通过实际数据的检验及与BP神经网络等方法的预测结果比较,证明应用支持向量回归方法对机场旅客吞吐量进行预测具备可行性,同时具有较高的预测精度。     

分布式交互仿真技术研究

介绍了分布式交互仿真技术的特点、结构、目前发展现状和未来发展趋势,详细分析了目前较为成形的分布式交互仿真技术的特点及其研究、应用推广情况,总结出实现分布式交互仿真应用系统面临的难点和解决方法,并结合HLA高层体系结构归结出应用HLA开发分布式交互仿真应用系统的方法。     

一种新的参数化标准件库开发技术的研究

介绍了具有参数化变量化功能的ＣＡＤ软件Ｓｉｇｒａｐｈ－Ｄｅｓｉｇｎ，以及在其上利用交互式作图法，配以内部图形数据库，直接建立参数化标准件库的新途径，并给出了寒带的建库方案。     

基于ZUPT的新型月面导航处理方法

为了解决探测器在月面工作时惯性导航系统的误差累积问题,克服现有研究对环境敏感或是需要定期停止才能进行误差修复的短板,结合探测器的行驶行为,将探测器使用零速更新（ZUPT）原理修正误差的过程分解成了无ZUPT、完全ZUPT、水平动态ZUPT和垂向动态ZUPT 4种子模型的叠加,并分别推导了它们的系统矩阵和测量矩阵。针对月面导航系统提出了一种新型多模型零速更新（MMZUPT）算法。该算法应用多模型交互原理,允许多种更新模型同时工作,可以通过计算每个模型的权重在每个定位历元输出最优导航结果并约束误差。在精心挑选的受限环境中对月面导航进行了模拟实验,结果表明,所提MMZUPT方法无需频繁地主动停车以满足传统ZUPT使用边界就可以取得良好的效果,并且通过对包含错误的校准信号加以识别和利用可以获得更好的性能。     

面向月球基地设备交互场景的目标检测与路径规划算法研究

随着国际月球科研站计划的快速推进,针对月球基地相关技术的研究受到了广泛关注。面向月球基地场景下不同的设备间进行自主接触式交互这一应用背景展开研究。考虑不同的设备在进行自主接触式交互时,需要准确地完成相互识别,并且规划出畅行无阻且较优的行进路线以保证往返活动顺利进行,基于Webots搭建了月球基地仿真环境进行目标检测和路径规划相关实验。以前后配备高精度RGB相机的交互设备为载体实现基于TPH-YOLOv5月球基地场景下的目标检测。此外,设计并实现了交互设备在月球基地场景下基于双向快速扩展随机树（Bidirectional RTT）的路径规划算法,以保证交互设备在月球基地环境下的相关工作顺利进行。仿真结果显示,该目标检测及路径规划算法能够实现预期功能。     

BP网络和支持向量机在非线性函数逼近中的应用

非线性函数逼近作为统计理论的一个重要分支,在模式识别中有着广泛的应用。以非线性函数问题为背景,详细讨论了BP网络和支持向量机在函数逼近中的基本原理和训练算法,并从实例着手,分析了二者在其中的应用,将得出的结果进行了比较分析。     

基于地轴矢量解算的SINS无纬度支持自对准方法

针对无纬度条件下SINS初始对准问题,提出了一种基于地轴矢量解算的对准方法。在静止基座下,利用陀螺仪敏感地轴矢量,直接建立导航系轴向矢量在载体系的正交投影,解析式确定姿态矩阵;晃动基座条件下,根据惯性系重力矢量观测,构建以地轴矢量为旋转轴的两组等角旋转矢量序列,利用QUEST算法求解旋转四元数实现对地轴矢量的优化解算,并以此建立导航系轴向矢量的载体惯性系投影,最后利用陀螺跟踪载体系相对惯性系的变化,确定载体系相对导航系的姿态关系。静止基座解算实验表明直接解析式对准与传统的解析式对准精度相当,但解算效率得到了提高;晃动基座仿真与船载实验均表明基于四元数的地轴矢量优化解算在精度上要优于三矢量几何解算方法,引入低通滤波环节后,对准精度进一步提高。     

改进布谷鸟搜索算法优化支持向量机的MEMS陀螺温度零偏补偿

针对微机械陀螺零偏受温度影响较大的问题,提出一种改进布谷鸟搜索算法(CS)和支持向量机(SVM)相结合的陀螺零偏温度补偿方法。首先,将平滑处理后的陀螺数据作为样本点,采用基于径向基核函数的支持向量机方法构建漂移模型,把数据从低维空间映射到高维空间进行线性拟合。然后,利用改进布谷鸟算法对支持向量机的惩罚参数、核函数参数以及不敏感系数进行优化,避免了人为选择参数的盲目性且提高了建立模型的精度。实验结果表明：经CS调节支持向量机算法补偿后,陀螺输出精度更高。与最小二乘分段拟合方法、BP神经网络方法相比,陀螺输出数据方差分别平均减小了63.2%、43.4%,最大误差分别平均减小71.63%、48.3%。     

关于提高运营故障数据处理和利用效率的方法研究

某型飞机作为国产民机运营的探路者和先行者,在积累运行经验同时,也暴露出日利用率低(某型机队日利用率仅为空客机队的三分之一)、使用困难和机队重复故障多(空客机队重复故障为零,某型机队重复故障为两位数)、部分故障得不到及时有效的回复等问题。这些问题的存在有飞机设计可靠性的原因,但同时也反映出运营支持能力的不足,而其中运营数据处理的能力又是运营能力的核心体现。通过对运营故障数据的标记和分析,提高故障数据处理效率,为型号的设计优化提供支持和检验,从而大幅提升国产民机的运营支持能力,以提高飞机的商业竞争力。     

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO -SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。