工程中圆度的多次定位测量及其数据处理

从测量实践出发,总结出一种利用多次定位技术进行圆度测量的方法.在阐述测量原理,分析测量及其数据处理过程后,给出一个测量实例,并进行了测量不确定度分析.文章给大型工程中类似情况下的测量问题以很好的启发.     

部件特性图的非线性最小二乘拟合修正

讨论了发动机部件特性的不准确性对发动机性能的影响,提出了基于特性图相似性的非线性最小二乘拟合修正方法。根据某型发动机的有限稳态性能数据,通过耦合优化计算,得到了各部件特性图的耦合系数,并对特性图进行了修正,得到了比较满意的修正结果。     

凸轮检测任选基准选择方法之探讨

运用“升程变化率”理论证明“敏感点”是凸轮检测最佳基准,推导出了凸轮检测起始转角计算公式,介绍了在凸轮检查仪上以“敏感点”为基准确定凸轮检测起始转角的操作过程和技巧。     

跑道容量的运行优化

从战略流量管理的观点出发,研究了预期交通需求超过机场跑道系统容量情况下,跑道容量的运行优化问题。在满足跑道容量曲线限制下,建立了恒定容量和变化容量下的整数规划数学模型,并以数值例子对两种模型进行了对比计算分析。     

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。     

基于神经网络的MIMO非线性最小相位系统鲁棒自适应控制

 针对一类模型未知的具有不确定性和外部干扰的多输入多输出（MIMO）非线性最小相位系统提出了鲁棒自适应输出反馈跟踪控制方案。用高斯径向基函数（RBF）神经网络逼近对象未知非线性,用高增益观测器估计系统不可测量状态。所设计的鲁棒自适应控制器不仅能使闭环系统稳定,所有状态有界,而且跟踪误差一致最终有界,并保证最终边界足够小。仿真结果表明了所提出方法的有效性。     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

三焦点张量的最小代数误差非迭代算法研究

通过普通数码相机获得的3幅未标定图像,采用RANSAC算法进行两两匹配获得3幅图像的一组兴趣点对,利用最小代数误差非迭代算法在MATLAB中计算出三焦点张量,提出一种最小代数误差非迭代算法。实验结果表明,该方法是一种有效的三焦点张量计算方法,计算复杂度小、实现效率高。能够得到较准确的三焦点张量,为下一步相机自动标定以及三维场景的自动重建和量测奠定了基础。     

三星对地面辐射源的高程修正定位算法与误差研究

提出了用最小二乘估计解算辐射源位置,在迭代过程中通过地理信息系统查询并不断修正目标高程,同时其定位误差进行了分析和仿真。结果表明,修正高程误差后可以改进目标高程定位精度,进而促进水平定位精度,水平定位精度的提高又会促进在高度上的定位,从而使整体的定位精度得到了改善。     

基于最小二乘支持向量机的普通高校招生人数预测研究

近年来普通高校的发展速度与规模,使社会大众兴起了对教育质量与总量的关注。普通高校招生数预测是制定教育政策的重要依据。针对中国文化教育的特征,在统计学习理论和结构风险最小化原理的基础上,建立了基于最小二乘支持向量机的时间序列预测模型。预测结果表明该模型具有较高的预测精度,为普通高校招生数预测提供了一条新的途径。