地方间竞争与粗放式增长方式的形成

现阶段中国各地区的粗放式增长方式并不是单纯的阶段必经论和体制内生论所能解释的，具有中国特色的地区间政府竞争才是导致高投入、高消耗、低产出为特征的粗放增长方式形成的关键。随着中央对地方行政性分权的深入和地方政府出于行政考核的考虑，地方间展开了对资源、生产要素、项目等的竞争，正是这种过度无序的竞争促成了粗放式增长方式的形成。可以通过建立科学规范的政绩考核制度，并调整地方政府对经济行为的不适当干预来抑制这一现象。     

基于支持向量机回归的电力负荷预测研究

不同于传统的基于经验风险最小化的回归方法,支持向量机回归方法基于结构风险最小化准则.与神经网络相比,该方法在解决学习精度和推广性之间的矛盾方面有明显的优势.本文以城市电力负荷预测为应用背景,对比研究了基于统计学习理论的支持向量机回归方法和神经网络方法.预测结果显示支持向量机可能是一种非常有前景的预测工具,其预测精度明显好于神经网络.     

基于排列组合熵的转子振动信号故障诊断SVM方法研究

针对发动机转子的多种故障模式,提出了基于排列组合熵的SVM故障诊断方法。利用转子实验台,模拟了转子正常、转子不平衡、转子不对中、动静碰磨和基座松动5种典型振动模式,并使用振动传感器采集多路振动数据。计算振动数据的排列组合熵并将其作为故障特征向量,对特征向量样本集进行多级SVM分类诊断,并运用小波包能量特征提取方法提取信号特征。实例计算与结果对比表明,本文方法的正确率要高于基于小波包能量提取特征的SVM分类诊断方法,在提取转子振动信号的特征向量及在小样本下的故障分类诊断等方面,具有可行性和有效性。     

高速圆柱滚子轴承保持架动力学特性分析

建立了高速圆柱滚子轴承动力学微分方程,采用精细积分法和预估-校正Adams-Bashforth-Moulton多步法相结合的算法,对高速圆柱滚子轴承动力学微分方程进行求解,并对保持架的动力学特性进行了理论分析.结果表明:过大的保持架间隙比不利于保持架稳定运转;在一个套圈固定、另一个套圈工作状态下,保持架引导方式采用旋转套圈引导时,保持架打滑率较低;保持架采用外引导方式时保持架质心运动较为稳定;在内外圈同向旋转且外圈转速高于内圈转速条件下,保持架采用外引导方式时,保持架打滑率较低;在内外圈反向旋转且外圈转速高于内圈转速条件下,保持架质心轨迹变得不规则;保持架采用外引导方式时,保持架打滑率为负值.      

基于支持向量机的航空发动机性能衰退指标预测

针对航空发动机性能衰退状态的趋势预测问题,基于非线性支持向量机回归建立了发动机性能衰退指标的预测模型,给出了反映其性能衰退的综合指标。利用该模型对发动机的性能衰退指标进行了预测分析,并与神经网络模型预测结果进行了比较。结果表明:支持向量机回归预测模型能更准确地对发动机的未来状况进行预测。     

双级波瓣引射混合器的引射性能

采用实验和数值方法对双级波瓣引射混合器的引射性能进行研究,重点研究混合管在两种不同进口方式下的引射混合器气动特征差异,并初步分析混合管面积比和长径比对双级波瓣引射混合器引射性能的影响.结果表明:混合管进口方式对引射能力有非常重要的影响,在研究的结构参数条件下,对于受限式进口,单级波瓣引射混合器的引射能力要强于双级波瓣引射混合器约10%;而对于敞开式进口,其引射能力要优于受限式进口最大约35%,此时双级波瓣引射混合器的引射能力要略好于单级波瓣引射混合器.在较大的混合管面积比或较小的长径比下,敞开式进口下双级波瓣引射混合器较受限式进口表现尤为优越.      

基于FSVM改进隶属度的发动机振动性能分析

为了更有效地掌握航空发动机振动性能的影响因素,提出了改进FSVM信息熵的融合定量分析方法.首先,对模糊支持向量机(FSVM)的模糊隶属度函数进行改进,建立多类模糊隶属度计算模型.再将该方法应用到航空发动机整机振动性能评估,计算出振动故障模式与故障原因之间的权值,建立了一个多参数的发动机振动性能分析模型;并对各类振动原因对发动机整体性能的影响进行定量分析,为发动机的振动抑制提供量化参考指标.最后,通过与实际经验作比较,验证了该方法是可行和有效的.     

涡轮叶栅叶冠泄漏流动数值研究

以小展弦比涡轮叶栅为研究对象,利用三维数值计算的方法研究了篦齿数、篦齿排列型式、上下游压力以及径向间隙对叶冠泄漏流量的影响,并分析了泄漏流动与主流的相互作用.研究表明,叶片排上下游压比和径向间隙是影响叶冠泄漏流动的主要因素,篦齿数和篦齿排列型式对泄漏流量的大小和出口气流角均有重要影响.考虑了主流的影响之后,叶冠出口流动呈现出高度的三维性和周向不均匀性.在周向压力梯度的作用下,径向速度以正负交替的形式出现,而且周向速度和轴向速度则出现了明显的分层结构.     

基于PSO-SVM的民航发动机送修等级决策研究

为降低航空公司维修成本,增强送修等级决策科学性,保障飞行安全,提出基于PSO-SVM的民航发动机送修等级决策算法.首先利用改进的粒子群优化(Particle Swarm Optimization,PSO)算法对支持向量机(Support Vector Machine,SVM)参数进行寻优,并提出将交叉验证(Cross Validation,CV)的平均分类精度作为PSO的适应度值.对某型发动机送修等级的真实数据进行了决策对比研究,研究数据表明:与传统的Grid和GA算法相比,PSO的参数寻优效果要更优;在小样本分类时,PSO-SVM的分类精度要远高于常用的神经网络分类模型径向基函数(Radial Basis Function,RBF)模型和学习向量量化(Learning Vector Quantization)模型.     

Al-Cu-Mg-Ag合金强度性能的支持向量回归预测

为了研究不同时效工艺下Al-Cu-Mg-Ag合金强度性能,根据实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了SVR预测模型.模型以Al-Cu-Mg-Ag合金时效温度与时效时间为输入,合金的抗拉强度、屈服强度为输出.经过与BP神经网络模型进行比较,结果表明:对于相同的训练样本和检验样本,支持向量回归模型比BP神经网络模型具有更高的预测精度.