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.     

重型货物空投系统过程仿真及特性分析

建立了货物空投系统仿真计算模型,包括货台在舱内和舱外全过程的运动特性、降落伞拉直和充气过程的轨迹特性计算等,提出了伞群模拟和多吊带系统分析的新方法。结合目前已有的降落伞性能计算模型和物伞系统运动模型,对重型货物空投全过程进行了完整计算,开发了空投过程三维动画仿真软件,通过与试验数据的对比,表明本模型能很好地满足应用的需要。分析了空投速度、伞包安装位置和牵引比等因素对空投过程的影响,指出了实际系统的改进方向。     

货台空投系统出舱过程研究

研究了空投系统的出舱阶段中货台与地板接触模型,采用动力学分析方法建立了统一的出舱运动模型.根据试验设计条件开展系统仿真计算,结果与试验数据基本一致.探讨了货台离机过程对离机后俯仰姿态的影响.使用离机时间评价出舱过程对货台空投精确度的影响,得到了无量纲离机时间的简化算法以方便工程应用;引入了安全距离参数来评价出舱过程安全性,分析了牵引比、质心位置系数和空投时飞机姿态与离机时间和安全距离的关系,为空投系统中货台布局和牵引伞设计等提供了参考依据.     

座舱透明件光学性能分析与外形优化

针对某型座舱透明件,提出一种合理的数学建模方式,并以此为基础,对透明件的角偏差计算进行推导。设定合理的评价标准,利用角偏差及其增量对某型座舱透明件的光学性能进行分析评价。通过对光学性能数据进行处理分析,设计目标函数,不断优化透明件的脊线外形,以提高光学性能。结果表明：修整透明件的脊线外形,能够有效提高座舱透明件的光学性能;适当放大设计域,则优化效果愈加明显。     

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。     

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。     

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.     

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.     

基于WCFSE-FSVM的转子振动故障诊断方法

为了提高含有噪声和野值的转子振动故障样本诊断精度,提出了基于WCFSE-FSVM的故障诊断方法。充分融合小波相关特征尺度熵(WCFSE)特征提取方法和FSVM故障诊断方法的优点,建立WCFSE-FSVM故障诊断模型。基于转子实验台模拟4种典型故障,获得原始故障数据;并利用WCFSE方法提取这些故障数据的WCFSE值,选取故障信号高频段中的尺度1和尺度2上的小波相关特征尺度熵W1和W2构造出振动信号的故障向量作为故障样本,建立FSVM诊断模型。实例分析显示:WCFSE-FSVM方法的转子故障诊断精度最高,即故障类别诊断精度为94.49%,故障严重程度的诊断精度为95.58%,二者都优于其它故障诊断方法。验证了WCFSE-FSVM方法的可行性和有效性。      

从自动飞行到自主飞行--飞行控制与导航技术发展的转折和面临的挑战

无人机要替代有人驾驶飞机 ,在不确定性环境中执行各类任务 ,必然面临着自主控制的巨大挑战。先进飞行控制和导航技术作为最主要的支撑技术 ,目前只能适应相对结构化任务环境的要求 ,而要解决动态、不确定环境下的自主飞行控制问题尚有很大的差距。当前 ,由自动飞行到自主飞行 ,已发展到了一个大的转折点。本文将从人与机器的关系和人 -机分工及演进的角度阐述作者对这些问题的现状、发展和面临的挑战所进行的系统分析。