基于支持向量机和粒子群算法的钛合金铣削加工参数优化

钛合金材料在加工过程中受铣削力影响易于产生变形而影响加工效果,为保证加工质量,提高生产效率及降低加工成本,研究切削加工参数的合理选择非常重要.对钛合金材料Ti6Al4V铣削加工进行有限元数值计算,结合试验设计方法构建了基于支持向量机的切削力预测模型,以材料去除率为优化目标,提出了一种基于支持向量机和粒子群算法的优化方法,对钛合金铣削加工参数进行了优化.结果表明,该方法准确、高效、可行,为钛合金加工工艺参数优化提供一种新的方法,具有良好的推广价值.     

机载系统与设备供应商运行支持体系建设研究

运行支持体系的建立和运行要求的落实是航空器制造厂家/主制造商确保航空器能够运行而必须考虑的要素。我国的航空器制造厂家/主制造商已基本按照局方要求建立了运行支持体系,但对于机载系统与设备供应商,目前局方尚未直接监管到各个供应商,但机载系统与设备供应商是一个型号研制和运行的重要组成部分,国外机载系统与设备供应商的运行支持能力和责任往往与主制造商相当,研制期的协同工程与运营期的服务保障都能够保证达到要求的技术水平,因此国内机载系统与设备供应商很有必要考虑如何建立供应商的运行支持体系,满足局方和制造厂家/主制造商的运行支持要求。结合局方发布的航空器制造厂家/主制造商运行支持体系建设方面的要求,从适航规章和程序角度出发,系统分析了机载系统与设备供应商的运行支持体系五个方面的建设内容,提出了机载系统与设备供应商运行支持体系建设思路,并指出了体系建设当中需要关注的重点问题,为民用飞机机载系统与设备供应商探索建设运行支持体系提供了思路和参考。     

基于软系统思想的公共项目决策支持模式研究

首先分析了公共项目决策不同于一般工程项目的特点,公共项目自身牵涉的利益群体众多,相关决策信息复杂,大量涉及人的行为.其次从分析这些特点出发,认为公共项目决策具有软系统特点,从而进一步探讨软系统思想在公共项目决策中运用的可能性.最后提出了基于软系统思想的公共项目决策支持模式框架,并进一步分析了其实现步骤.     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。     

基于遗传-支持向量机的对置活塞二冲程柴油机气口高度优化

以某对置活塞二冲程柴油机为研究对象,基于一维仿真模型,利用遗传-支持向量机的方法,以油耗为优化目标,进行不同转速工况下进排气口高度组合的自动化寻优。结果表明:在1200r/min下,优化的进、排气口无量纲化高度组合为［0.075,0.105］,所得最小油耗为220.32g/(kW·h);对置活塞二冲程柴油机的气口最优高度应随着转速的提高逐渐增大;且在高转速(大于1600r/min)下,排气口最优高度增加趋势更加明显。      

涡轮泵试车数据单类支持向量机检测算法

为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵故障,实现基于不完整信息的状态决策,建立了基于v-支持向量分类器的单类支持向量机新异类检测模型。在分析了模型决策边界、支持向量和约束条件之间关系的基础上,为单类支持向量机引入并改进了序贯最小优化算法,提高了训练效率,解决了大样本训练问题。通过对某型液体火箭发动机涡轮泵历史试车数据的分析,结果表明,所建模型的训练速度得到了很大提高,对涡轮泵状态的检测效果良好。     

编与读

编与读读者朋友们:2007年在你们的热心支持中过去了。回顾过去的一年,《读者园地》版块给我带来了许多的惊喜,许多的感动,也有一些遗憾和愧疚。惊喜的是我看到了你们在事业上取得的成就,在学业上获得的成绩;感动的是你们对航空航天执着的追求和热爱;遗憾的是由于版面的关系,不能每一封信都一一回复和解答;愧疚的是由于疏忽,有时给读者的答复不是完全准确。我们迎来了2008年,这是令全国人民都欢欣鼓舞的一年——奥运会即将在北京召开。新年新气象,我们的《读者园地》也希望借着这阵东风,走上更高的台阶!我们热切地希望新老读者一如既往地支持我们!E-Mail:hkzszz@163.com《读者园地》编辑     

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EMD熵特征融合的滚动轴承故障诊断方法

研究了滚动轴承故障诊断单一故障信号的局限性和故障特征的非线性,从信息融合的理论出发,利用非线性动力学参数熵作为特征,提出了基于经验模态分解(EMD)熵特征融合的方法来解决滚动轴承故障诊断问题.首先将原始信号进行EMD,利用EMD的自适应多分辨率的特点计算EMD得到的固有模态函数(IMF)信号的多种熵值,然后采用核主元分析(KPCA)对提取的状态特征进行信息融合,从而得到互补的特征,最后将提取的融合特征通过支持向量机(SVM)进行故障诊断.滚动轴承故障诊断实验表明:该方法结合了EMD、信息熵理论和KPCA强大的非线性处理能力的特点,可以进行滚动轴承故障诊断.