基于盒维数的灵巧噪声干扰识别方法

灵巧噪声干扰因兼有欺骗干扰和噪声干扰的特点,已成为1种干扰新体制雷达的有效样式,干扰识别也成为电子战领域研究的热点课题.针对卷积调制、数字多时延和间歇采样转发3种灵巧噪声干扰识别问题,通过分析干扰信号的产生机理和频谱特性,提出了1种基于盒维数特征的干扰识别方法.采用支持向量机进行分类识别,仿真验证了该方法具有较高的识别...     

一种改进的基于EMD和SVM的滚动轴承故障诊断方法

滚动轴承是旋转机械中最重要的零件之一,其运行状态直接影响整台机器的性能,一旦轴承工作表面出现缺陷,导致轴承旋转精度下降,增加振动、噪声和旋转阻力,以致滚动体受到阻滞和卡死,造成严重事故.因此,实现滚动轴承故障的准确诊断具有重大的科学意义和工程实用价值.     

一种卫星故障诊断的定性/定量混合建模新方法

卫星控制系统具有强非线性、系统参数大范围剧烈变化、存在严重不确定性和工作环境恶劣等特点,而传统的定性方法或者定量方法均难以取得满意的故障诊断效果.从寻求定性/定量方法结合的新机制出发,提出了采用定性仿真和奇偶空间法相结合的定性/定量混合建模新方法,并利用了模糊逻辑,较好地实现了定性/定量知识的有机结合.定性/定量混合模型可充分利用系统的信息,实现对卫星控制系统有效、准确、快速地故障诊断,仿真结果验证了该方法的有效性.     

卫星导航系统传感器故障识别

传感器是卫星导航系统中的重要部件,其故障的检测和识别对提高系统可靠性具有重要意义。给出了一种基于模糊逻辑的卫星导航系统传感器故障识别方法。首先采用T-S模糊模型描述卫星导航系统,然后应用全解耦奇偶方程的方法进行故障检测,并利用卡尔曼滤波器进行故障参数识别。仿真结果表明,针对导航系统中多个传感器同时发生故障的情况,此方法能有效检测故障,并能准确识别故障参数。     

一种粒子群模糊支持向量机的航天器参量预测方法

针对航天器精确预测与健康管理的需求,将粒子群算法、模糊数学与支持向量机的优势相结合,提出了一种粒子群模糊支持向量机预测方法。针对某卫星南帆板输出电流参量的预测实例,设计了总平均绝对误差、总平均绝对百分比误差、总均方根误差三个预测结果评价指标,对不同步长情况下的预测结果进行了比较,证明了粒子群优化模糊支持向量机预测方法的有效性。通过对比粒子群优化模糊支持向量机模型、灰色粒子群神经网络优化模型、粒子群神经网络模型、灰色模型预测的总平均绝对百分比误差,结果证明粒子群优化模糊支持向量机的预测精度和效率较高,在航天器参量预测领域具有较好的应用前景。     

基于支持向量机的无参考遥感图像质量评价方法

针对遥感图像主观评价方法的低效率以及常用客观评价方法无法充分考虑人眼对图像的感知特性的问题,文章提出了一种基于支持向量机的无参考遥感图像质量（quality）评价方法。首先建立遥感图像主观评价库,然后在不需要图像失真信息的基础上,利用支持向量机（SVM）将图像的失真类型分为三类,并对每类进行单项评价,再通过加权得到遥感图像的总评分,最后将本文方法、信噪比与信息熵的评价结果回归到主观评价空间并进行对比。实验证明,文章所提方法能客观地评价遥感图像的质量,且优于信噪比和信息熵两种质量评价方法,其结果与人眼视觉感受相符。     

基于支持向量机的机场智能驱鸟决策

为提高机场鸟击防范管理水平,实现探鸟雷达与多种驱鸟设备联动,提出一种基于支持向量机（SVM）的机场智能驱鸟决策方法。该方法包括训练和测试两部分。训练部分利用机场鸟类探测预警与驱赶联动系统获取的大量历史鸟情信息,结合专家知识,通过数据预处理与支持向量机训练,建立驱鸟策略分类模型;测试部分根据驱鸟实时智能决策结果,对驱鸟策略分类模型进行持续修正与优化。通过某机场的实测鸟情信息数据与若干驱鸟实例,证明驱鸟策略分类模型具有较高的决策正确率,并能够通过自身修正与优化应对各种新问题。本文方法针对实时鸟情信息,实现了多种驱鸟设备的优化组合,克服了驱鸟设备长期重复运行造成的鸟类对驱鸟设备的耐受性问题,极大改善了驱鸟效果。      

基于粗集和支持向量机的雷达信号识别法

结合粗集的属性约简和支持向量机的分类机理,提出了一种融合算法.应用粗集理论的属性约简过程作为数据的预处理,把冗余的属性和冲突的对象从决策表中删去,却不损失任何有效信息;然后利用支持向量机进行分类识别.这样可以大大降低数据维数,减小支持向量机分类过程中的复杂度,在不同程度上避免了训练模型的过拟合现象,且分类性能更加优越.最后通过对雷达信号识别的仿真实例说明了上述方法的有效性.     

M-FSVM在可靠性寿命分布模式识别中的应用CSCD

在产品的可靠性研究中,准确、有效地识别产品所属的寿命分布,是可靠性建模成败的关键。针对传统支持向量机(SVM)在解决多分类问题时存在不可分区域等缺陷,提出了一种基于多分类模糊支持向量机(M-FSVM)的可靠性寿命分布模式识别方法,建立了包括指数分布、正态分布、对数正态分布和威布尔分布四种常用寿命分布模式识别的模糊支持向量机模型,并进行了仿真试验研究。仿真试验结果表明,该模型能够克服传统支持向量机中存在的不足,能够对常用的寿命分布模式进行智能识别,识别率高,便于工程应用。