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。     

直升机尾桨涡环飞行试验研究

根据样机右侧飞的飞行试验,对尾桨涡环现象进行了计算分析;根据右侧飞试验结果,估算出样机悬停回转时尾桨处于涡环状态的偏航角速度范围;将试验结果与国内外的涡环状态判据进行了对比。结果表明,国外的涡环判据不适用于样机的尾桨涡环状态判定,国内的高-辛判据与试验结果一致。     

浅析CCAR-25及其符合性方法

我国大型客机和新支线飞机适航取证中所依据的《中国民用航空规章》第25部运输类飞机适航标准（CCAR-25）是一部技术性很强的规章。它涉及多个学科、不同专业,结构复杂、内容繁多。本文介绍了CCAR-25在保证民用航空运输安全中所采用的技术方法及其符合性方法,这两方面的内容是CCAR-25的精髓。     

基于簇特征加权的航空发动机状态监视方法

提出了基于簇特征加权模糊C-均值聚类算法(FWFCM)的航空发动机状态监视模型,该模型主要分为离线学习和在线监视两个部分,离线学习模块计算出模型参数输出到在线监视模块,在线监视模块根据模型参数对实时数据进行分类,实时数据又输入到离线学习模块中参与更新模型参数.结果表明:相比基于数据加权策略的模糊聚类算法(DWFCM)以及经典模糊C-均值聚类算法(FCM),该方法平均离线状态识别率和在线状态识别率分别提高了5.233%和8.358%.实验证明此方法性能好且有很好的鲁棒性和泛化能力,对于不确定性的航空发动机在线状态监视有较好的应用价值.      

示温漆图像等温线提取算法

分析示温漆（TIP）图像特征,根据等温线附近产生局部梯度极值的特点,实验对比了4种边缘提取算法效果。根据实验结果,选用Canny算子提取等温线。提出在边缘提取前进行K means聚类处理,并对K means聚类算法和Canny算子进行了改进。提出了两种K means初始聚类中心的选择方法,更适于示温漆图像的分割。改进了Canny算子的内核,提升了等温线的质量。结果表明:该算法能够快速提取清晰、连续的等温线,效果良好,满足工程应用要求,已用于示温漆自动判读软件开发。      

一种改进的多目标粒子群优化算法

为了增强多目标粒子群优化算法的收敛性与多样性,提出一种改进的多目标粒子群算法.采用Kent映射对种群进行初始化,并将目标空间均匀划分为若干扇形区域;基于一种新的多样性和收敛性判定标准,选取合适的收敛性最优解和多样性最优解,并提出一种改进的粒子群更新公式进行全局搜索;采用聚类算法对外部种群与坐标轴夹角进行分析,维护外部种群.通过标准测试函数的仿真实验,与多目标优化算法基本MOPSO(Multi-objective Particle Swarm Optimization Algorithm)和NSGA-II(Nondominated Sorting Genetic Algorithm II)进行对比,结果表明了该改进算法的有效性.     

基于聚类PSO算法的舰载机舰面多路径动态规划

对舰载机舰面多路径动态规划问题,提出了基于聚类粒子群(PSO,Particle Swarm Optimization)算法进行解决的方法.首先建立了舰载机舰面多路径动态规划问题数学模型;其次,在建立航母舰面环境模型、舰载机"凸壳"模型、碰撞检测模型的基础上,利用聚类PSO算法进行问题求解;最后,通过编制程序对该解决方法予以实现.仿真结果表明利用聚类PSO算法所求解的结果比较精确,且计算效率也符合实际要求.因此基于聚类PSO算法对舰载机舰面多路径动态规划问题进行求解是可行的.     

轴类零件三维尺寸自动标注算法

针对尺寸自动标注仅限于表达产品的几何信息而未关注其功能特性,从而导致所标注的尺寸无法恰当地描述产品设计意图的问题,提出一种基于产品功能特性的三维尺寸自动标注算法.首先,根据零件的功能构造了尺寸标注基准集;其次,建立了轴向尺寸标注优先级确定准则,构造轴向尺寸集,并采用图论法消除了尺寸冗余;然后,构建径向尺寸集,并采用尺寸冗余度法删除其中的冗余尺寸;最后,通过实例测试,验证了所提算法的可行性和有效性.     

基于负载特征聚类的节能资源调度算法

基础设施即服务(IaaS,Infrastructure as a Service)平台提供商为用户提供高性能服务的同时,必须考虑如何在不违反服务级别协议(SLA,Service Level Agreement)的前提下,节约云平台的能耗成本.采用基于负载特征聚类的方法,提出一种IaaS云平台上保证SLA的资源调度算法,最终实现降低SLA违反率和节约能耗的目标.具体采用能耗相关的负载特征提取和改进K-means聚类分析的研究方法,进行资源调度算法研究,对物理资源进行有效分配,以保证IaaS平台节约能耗的要求.实验验证方面,通过扩展CloudSim模拟实验平台,对本研究算法与改进BFD(Best Fit Decreasing)算法进行比较,得出本研究算法在SLA违反率和节能方面更优.      

Dirichlet混合样本的EM算法与动态聚类算法比较

Dirichlet分布是一类包含正参数向量的连续多元概率分布,在比例结构问题中具有广泛的应用。针对Dirichlet混合样本的聚类问题,进行了最大期望（EM）算法和动态聚类算法研究。首先,推导其数学过程,并给出算法迭代步骤。然后,利用数字仿真实验,比较了EM算法与动态聚类算法两种机器学习算法在Dirichlet混合样本中的聚类效果。最后,计算对数似然函数值、程序运行时间、收敛迭代次数、聚类正确率、真正率（TPR）和假正率（FPR）6个评价指标。仿真实验结果表明,EM算法聚类正确率更高但是运算效率相对较低,而动态聚类算法运算效率较高但是损失了部分聚类正确率。因此,实际应用中建议综合权衡聚类正确率与运算效率的相对需求后,再选取合适算法进行Dirichlet混合样本聚类。