民用航空发动机水洗时机决策方法

为了解决民用航空发动机定时水洗带来的水洗效果不明显或者未及时水洗的问题,对发动机水洗时机决策方法进行了研究.对水洗效果进行了分析,提出以期望水洗效果作为水洗时机确定的依据.考虑到水洗效果影响因素众多以及水洗样本容量小,将主成分分析与支持向量机结合起来,建立了发动机水洗效果预测模型.基于期望水洗效果以及预测的水洗效果确定合理的水洗时机.验证结果表明,建立的水洗效果预测模型优于多元线性回归模型,也优于单纯的支持向量机模型.     

基于SVR多学科设计优化代理模型技术研究

为挖掘设计潜力,提高飞机设计质量,通过代理模型方法研究了多学科设计优化(MDO)。基于径向基函数模型,研究了一种新的代理模型技术--支持向量回归方法(SVR)。通过数值算例和某通用航空飞机多学科设计优化应用算例对支持向量回归方法的有效性进行了验证。研究结果表明,支持向量回归是一种比较有效的代理模型方法,在飞机多学科设计优化的理论研究和工程实践方面具有重要的参考意义。     

基于改进型球结构支持向量机的故障诊断方法及其应用

1引言涡轮泵等是极易发生故障的机械设备,近几年来,神经网络等智能技术在此类设备的故障诊断领域中得到广泛的应用[1]。故障支持向量机是Vapnik等在20世纪90年代研究并迅速发展起来的一种新型的机器学习方法[2],它是专门针对有限样本情况的,其目标是得到现有信息下的最优解而不     

基于场面监视数据航空器场面滑行路径确定

确定出每架航空器的位置和滑行路径,可以根据不同跑道使用情况得到航空器热点滑行路径,以及通过结合监视雷达解析出的速度信息,将速度畸态区域作为航空器潜在冲突区域.由于雷达监视数据是每秒更新航空器的位置信息,因此在众多的数据中找到同一架航空器连续的滑行路径是难点所在.利用改进支持向量机理论,通过对场面监视雷达数据进行训练和分类预测,结果证明,结合支持向量机可以准确地确定航空器在机场场面滑行的位置以及滑行路径.     

非稳定动态过程非定常气动力建模

现有的大迎角非定常气动力建模方法，通常是以一个或多个频率的稳定振动试验数据来预测稳定滞环。然而，飞机快速机动如过失速机动的过程，不可能是持续的稳定振动，而是一个非稳定的动态过程。因此，这个过程中的气动力不会达到稳定滞环，而是始终处于进入滞环的初始非稳定过程中。基于振动理论分析得出，非定常气动力的动态响应过程存在非稳定和稳定两个阶段，传统建模方法着眼于稳定阶段，而飞机的真实机动过程在非稳定阶段。设计了一种适于非线性系统辨识的激励输入，并以最小二乘支持向量机（LS-SVM）方法为例，实现了在大迎角区幅值和频率范围内任意运动的非定常气动力建模。模型训练完成后，用来预测某机翼在不同基准状态下大迎角范围内做俯仰运动时的升力系数、阻力系数和俯仰力矩系数。结果表明，不仅稳定滞环实现了准确预测，进入滞环的初始非稳定过程也得到了准确预测；此外，基准状态对气动力在初始非稳定过程中的特性存在明显影响。进一步的验证还表明，基于稳定滞环数据只能预测到稳定滞环，无法预测进入滞环的非稳定过程。     

基于SVM的小样本可靠性数据分布模式识别研究

小样本数据分布模式识别是航空新装备可靠性分析中亟需解决的一个难题。采用现代统计学原理及支持向量机多分类算法提取了数据分布特征参数,构建了小样本数据分布模式识别模型。测试结果表明,模型对小样本数据分布模式具有较强的识别能力。     

基于支持向量机的民航发动机故障检测研究

将支持向量机用于民航PW4056发动机故障检测研究。首先,对3个发动机巡航数据偏差进行研究,分析得到故障检测应采用短期偏差;其次,由于模型参数对检测准确率影响很大,文中采用验证法进行模型参数选择,并分析了模型参数对检测准确率的影响;最后,对检测模型的输出进行了分析,并定义了异常指数来衡量发动机故障严重程度,其中检测模型的训练和验证采用了发动机真实运行数据。研究表明,该发动机故障检测模型有效可行,准确率达到90%,但要获得更高的检测准确率,还需进一步提高数据质量。     

低密度奇偶校验码快速收敛译码算法研究

介绍低密度奇偶校验码(LDPC码)的构造方法和置信传播译码算法,引入基于校验节点的一种快速收敛译码算法——串行译码算法。从树的深度方面分析串行译码算法的消息收敛特性,证明该算法与置信传播译码算法相比具有较好的收敛特性,且降低了译码复杂度。在加性高斯白噪声(AWGN)环境下,采用BPSK调制方式分别对串行译码算法和置信传播算法进行了计算机仿真。结果表明,串行译码算法的译码性能具有明显的改善。该算法使硬件实现变得更容易,资源占有量会降低,这就为LDPC码的工程实现提供了一种可行的方案。     

基于SVR方法的飞行仿真气动数据辨识及预测

气动数据的辨识是全状态飞行仿真中的关键点。辨识数据模型的有效性与完整性将直接决定飞行运动仿真的准确度并将影响后续工作的效率。由于实验获得的数据具有离散性和不完整性,往往不能获得飞机整个飞行包线内各种状态下的气动数据。分析了飞机气动参数的分布类型,提出一种基于ε-支持向量机理论的气动数据辨识及预测方法,通过对离散气动数据的曲线和曲面拟合验证了该方法的可行性、精确性和鲁棒性。     

基于LS-SVM的飞机飞行事故率的预测建模

针对飞行事故率预测建模难的问题,基于统计学习理论,采用LS-SVM方法,建立了飞行事故率的预测模型.仿真试验结果表明,LS-SVM具有很高的建模精度和较强的泛化能力,从而验证了该方法的有效性和先进性.