基于图像处理方法的空间站舱室材料表面真菌滋生监测

针对空间站等空间密闭舱室中微生物的有效监测等问题,选取空间密闭舱室的4种典型真菌,在空间舱常用铝合金板材料表面进行接种腐蚀实验,得到了真菌滋生图像.通过图像增强、特征筛选等方法对图像进行预处理得到数据集,比较了支持向量机(SVM)和随机森林2种分类模型的识别效果.结果表明:SVM模型对铝合金板材料表面真菌滋生图像的种类...     

基于SVM和EKF的高超声速滑翔飞行器轨迹预报

高超声速滑翔飞行器（HGV）拦截问题中,轨迹预报是成功拦截的重要基础。针对HGV机动能力强、轨迹多变的特点,提出了一种基于支持向量机（SVM）和扩展卡尔曼滤波（EKF）的轨迹预报方法。在HGV的滑翔段机动模式分析的基础上,将HGV的机动运动分解为纵向运动模式和侧向运动模式,进而对运动模式的特征参数予以标定,形成SVM的训练集。建立地基单雷达轨迹跟踪模型,采用EKF对HGV滑翔段轨迹进行稳定跟踪并实现对运动模式特征参数的估计。基于SVM,建立了HGV运动识别框架,实现了对HGV滑翔段轨迹的预报。对平衡滑翔和跳跃机动2种典型机动模式进行数学仿真验证,结果表明,所提方法可以提高对该类目标的轨迹预报精度。      

基于支持向量回归机的航材周转件需求预测

将机器学习应用于航材库存管理之中,提出了基于支持向量回归算法的航材周转件需求预测模型。将聚合处理后的周转件月需求数据分为训练集和测试集,以训练集为输入,选取核函数和模型参数,对支持向量回归机进行训练。应用训练完成的支持向量回归机,以测试集对模型进行验证,预测结果证明了模型的有效性。     

2.4m跨声速风洞带TPS测力试验数据精度要求分析

成功建立带TPS风洞测力试验技术的一个关键问题是确保试验数据具有足够的精度,必须精细地分配误差。为获得满足工程需要的高精度测力试验数据,给出一种基于计算机符号运算的子程序,完成不确定度计算过程中公式自动推导、计算。最后通过对TPS风洞试验数据精度的敏度分析,给出了某运输机在2.4m跨声速风洞TPS试验中各环节的误差分配要求。     

基于自适应支配和参考向量的高维多目标优化算法

现有的改进支配方法提高了解集逼近Pareto前沿的能力,但平衡种群收敛性和多样性的能力仍然不足。针对此问题,提出了一种基于自适应支配和参考向量的高维多目标优化算法(An adaptive dominance and reference vector based evolutionary algorithm for many-objective optimization,ADRVEA)。首先提出自适应支配(Adaptive dominance,AD)来设计小生境机制;然后通过参考向量划分目标空间来提高种群多样性;最后构建适应度表达式来实现精英选择。实验证明所提出的ADRVEA不仅性能良好,而且有效平衡了种群的收敛性和多样性。     

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。     

基于空间时频分布矩阵的到达角估计

介绍了基于窄带信号模型的传统空间时频分布矩阵估计到达角 (DOA)的算法。在此基础上将该算法推广到对雷达信号的DOA估计 ,并给出了算法的适用条件。通过对阵元输出作时频分析 ,获取信号的瞬时频率特性 ,以此构造方向向量 ,并在时频脊点上构造空间时频分布矩阵 ,求得MUSIC空间谱 ,从而实现对DOA的估计。仿真结果显示 ,采用此处理方法 ,可以实现对DOA的正确估计     

基于ILLE和SVM的卫星执行机构系统故障检测与定位

针对某超高指向精度要求的卫星平台,采用增量式局部线性嵌入(ILLE)与支持向量机(SVM)结合的方法,研究系统配置的多组磁伺服机构的故障检测与故障定位技术。在分析执行机构故障模式以及故障影响的基础上,采用LLE算法实时提取并更新与故障相关的卫星姿态控制系统高维信息,对其进行降维及特征提取,实现执行机构系统故障检测。当检测到故障时,提取执行机构系统输入输出信息,利用支持向量机(SVM)方法进行故障定位。该方法无需采集离线数据生成样本集,直接利用卫星姿控系统产生的在线故障特征数据集进行故障检测,并能根据故障检测结果,有效地实现卫星姿控系统执行机构的故障定位。算例仿真结果验证了所提方法的有效性。     

最小二乘支持向量机的在线学习算法研究

针对最小二乘支持向量机在线逼近过程中求解矩阵维数逐渐扩大的问题,提出了一种最小二乘支持向量机的在线学习算法。借助滚动窗口的思想,建立一个随时间滑动的建模数据区间,在线逼近中通过接受新数据删除旧数据来保持数据区间长度不变,同时数据不断更新,从而实现模型的在线学习。仿真结果表明了这种学习算法的有效性。     

基于LS-SVM的恒定应力ALT非参数统计方法

针对某些产品寿命分布未知,无法采用参数方法对其加速寿命试验进行统计分析的问题,建立了基于LS-SVM的恒定应力ALT非参统计方法,实现了对产品可靠度的预测及相关可靠性特征量的统计.仿真对比和应用实例结果表明,该方法统计精度高,且易于编程实现,适用于寿命分布未知及截尾试验情况F的恒定应力ALT统计分析.