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.     

应用旋转矩阵的卫星姿态输出反馈机动控制

针对卫星姿态机动控制问题,提出一种只利用向量测量信息的无角速度反馈的输出反馈控制方法。卫星姿态的指向直接通过旋转矩阵进行描述,而不是先进行参数化过程,避免了由欧拉角、修正的罗德里格参数（MRPs）与四元数等姿态描述方式产生的奇异问题与退绕问题。首先,通过向量测量信息与一组期望姿态向量,引入一个新的姿态指向误差向量,并对其性质进行分析。其次,进一步结合主导滤波器的思想,设计了无需角速度信息的卫星姿态机动控制器,并应用Lyapunov理论,对闭环系统的全局稳定性进行了严格的证明。最后,对所提出的控制算法进行了数值仿真,其结果验证了所设计的输出反馈控制算法的可行性和有效性。     

基于稀疏最小二乘支持向量机的航空发动机动态过程辨识

针对现有最小二乘支持向量机(LS-SVM)稀疏性不足的难题,提出一种稀疏化策略,应用此方法建立了航空发动机动态过程模型.在对原始样本预求解过程中,该策略使用改进Gram-Schmidt正交化算法对非线性映射矩阵实施递归分解,同时以阈值监督输出向量的残差化过程,从而优选训练样本,降低样本规模,节省内存,提高LS-SVM学习速度.仿真表明,基于优选样本的学习模型较之其他训练样本学习模型提高了回归精度和速度,验证了方法的可行性;基于实际试验数据建立的航空发动机动态过程模型在类似过程参数预测以及性能递推预估仿真表明,高压转子相对转速误差低于0.2%,低压转子相对转速误差低于0.35%,涡轮后燃气温度误差小于3.5℃,满足控制与仿真的需要.      

基于支持向量机的航空发动机辨识模型

针对航空发动机具有强非线性、时变性的特点以及采用常规神经网络辨识时存在的局部较小,过学习等问题,提出了一种基于支持向量机的通用发动机模型辨识方法。该方法基于现代统计学习理论,采用结构风险最小化准则,保证了网络具有很强的推广特性,通过求解凸二次规划确保网络结构全局最优化自动生成。本文采用实测到的发动机飞行记录数据作为训练样本,利用回归型支持向量机建立了发动机的辨识模型,研究结果表明该方法的辨识精度较高,鲁棒性、容错性较好,具有较大的实用价值。      

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.     

基于三维叶尖间隙的叶片裂纹动力响应特征分析与诊断方法

将裂纹叶片三维动力响应分析与参数识别方法相结合,分析不同裂纹叶片状态下三维叶尖间隙（3-dimensional blade tip clearance,3D-BTC）动力响应参量的信息熵特征,并利用稀疏滤波从不同参量信息熵分布中无监督学习叶片裂纹的多尺度动力响应特征,实现裂纹叶片在运行过程中响应变化特征的信息熵定量描述。在此基础上,利用支持向量机（support vector machine,SVM）的强非线性映射能力建立多尺度响应特征空间与状态空间之间复杂映射。经试验证实,所提方法能实现叶片裂纹损伤程度的定量诊断,达到100%的诊断准确率,远优于其他方法,且诊断结果稳定性好。     

支持向量机在燃气涡轮性能诊断中的应用

由Vapnik统计学习理论得到的支持向量机是一种新的人工智能方法，它具有比人工神经网络更好的泛化性。文中构建了一种基于C—SVC的故障诊断模型（CBFDM），并采用5重交叉验证法来选择模型参数，该模型可给出3个最可能的故障原因。利用PW4000—94发动机巡航态影响系数矩阵产生仿真数据，对CBFDM研究结果表明，即使在噪声级别为正常情况下的3倍时，该模型诊断准确率仍超过93％。该诊断模型也可用于其它领域诊断问题。     

结合多体动力学先验知识与核方法的位标器性能预测技术

位标器的性能与特征参数之间存在着非常复杂的非线性映射关系,且由于装调工艺复杂,测量手段昂贵,位标器实际测量数据较少。如何在小数据的情况下实现对位标器性能的精确求解,是准确预测位标器装调性能的关键。提出一种结合陀螺动力学先验知识和核方法的位标器装配性能预测方法(A-LPSVR)。通过构建陀螺Adams动力学模型以缩小解空间范围。使用仿真性能值和真实装调性能值的差值训练支持向量回归模型,得到最终的位标器性能预测模型。实验结果表明该方法所构建的模型预测准确性与泛化性能要优于现有模型,能够在测量数据稀缺情况下实现位标器陀螺仪性能的精确预测。     

基于GPU的LDPC存储优化并行译码结构设计

提出了一种基于Nvidia公司Fermi架构图形处理单元(GPU,Graphic Processing Unit)的分层低密度奇偶校验LDPC(Low-Density Parity-Check)码译码算法的译码器结构优化设计.利用GPU架构的并行性特点,采用帧间与层内双重并行的处理方式,充分利用流多处理器硬件资源,有效缓解了分层译码算法并行度受限的问题.此外,通过采取片上constant memory存储器压缩存储校验矩阵以及利用片外global memory存储器对译码迭代信息进行联合访问的优化方法,有效降低了访存延迟,提高了译码吞吐率.测试结果表明,通过采用多帧并行处理和存储器访问优化可以提升基于GPU的LDPC译码器吞吐率14.9 ～34.8倍.     

结构模型修正中一种新的摄动方法

通常的振动方法是对质量矩阵和刚度矩阵的变化做同样幅度的小摄动，进而给出在这个小摄动下频率和振型向量的变化。文章导出了实际应用中质量矩阵和刚度矩阵的变化具有不同的幅度时，相应的频率和振型向量的改变值，算例表明新摄动方法具有更好的近似性和更广的应用范围。