基于1-DISVM的聚类模型及直升机齿轮箱故障诊断应用

针对当前故障诊断中存在的训练样本少、知识难获取的问题,结合SVM小样本学习的特点,提出一种基于SVM的自学习聚类模型。通过改进无监督1-SVM算法上的不足,形成一种改进决策1-SVM(1-DISVM)算法,由此构建了多模式训练与分类算法,并设计出基于1-DISVM的自学习聚类模型。最后对其进行仿真验证,并应用于直升机齿轮箱的故障诊断,结果表明该方法能从少量样本中自学习输入模式的内在规律,自适应地对未知故障模式进行准确地分类识别。     

日本新型运输机C-X

英国《飞行国际》2007年6月5日报道，日本自行研制的C—X运输机和P—X海上巡逻机的首飞正在进一步接近日本防卫省技术研究与开发本部（TRDI）公布的完成首架原型机的设想。2006年3月，01号C—X试验机交付，开始进行静态试验。根据计划，C—X大概在2012年左右投入使用。届时，日本自卫队将购买44架C—X运输机，取代航空自卫队现役老化的C-1和C-130运输机。[第一段]     

基于PLC的加输油控制阀测试装置控制系统的设计

简要介绍了某型飞机加输油控制阀测试系统工作原理和功能,设计了基于PLC的控制系统,给出了控制系统的硬件、软件设计和实现方法。     

最小二乘支持向量回归机在发动机推力估计中的应用

实现直接推力控制的首要问题就是要估计出推力.基于最小二乘支持向量回归机提出了一种Wrapper算法进行特征选择,此算法不仅能降低计算的复杂度,而且能增强模型的泛化能力.另外,在对最小二乘支持向量回归机进行稀疏性建模的时候,用QR分解法代替传统的协方差法,增强了数值的稳定性.最后,推力估计器设计的应用实例,验证了本文提出的特征选择法和QR分解法进行稀疏性建模的可行性和实用性.      

航空发动机部件性能故障融合诊断方法研究

提出一种对航空发动机部件性能蜕化进行融合诊断的模糊决策融合机制,以改善单独采用基于模型和基于数据的部件性能故障诊断的漏诊与误诊的问题.传感器测量值同时输入到基于自适应模型的和基于数据的诊断模块中,分别利用卡尔曼滤波算法和最小二乘支持向量机(LSSVM)对主要部件故障性能参数估计,再利用模糊逻辑调整决策权重以进行D-S(Dempster-Shafer)证据理论的决策融合诊断.以某型涡扇发动机为对象进行单部件和双部件蜕化仿真研究表明,与单独使用基于模型和基于数据的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度.      

基于增量式排列支持向量机的机场航班延误预警

目前航班延误已经成为世界范围内一个日益严峻的问题,对于大型机场进行航班延误预警工作显得日趋紧迫。在空运需求与机场容量冲突导致航班延误的观点下,提出了用排列支持向量机来进行航班延误预警。针对机场航班数据不断更新的特点,给出了增量式排列支持向量机算法来进行航班延误预警。不仅通过人工数据上的实验说明了该增量式算法更能满足在线预警的要求,而且在收集到的中国某国际机场两周的航班数据上也取得了80%及以上的预测准确率。     

基于LS-SVM的模态参数识别方法

 最小二乘支持向量机回归用于系统的模态参数识别研究。针对经典的最小二乘支持向量回归缺少鲁棒性和稀疏性的缺陷,提出了一种兼具鲁棒性和稀疏性的最小二乘支持向量回归的算法,并保持了它原有的计算速度快的优点。最后,结合结构动力学方程的自回归滑动平均时间序列形式,给出了结构的模态参数提取方法和流程,给出了相应的数值算例以及进行了实验的检验证明。结果表明,本文的方法能够快速、准确地提取出系统的模态参数。     

基于有限元模型的机抖激光陀螺模态分析

闭锁效应是激光陀螺误差的主要来源之一,机抖激光陀螺采用机械抖动的方式使其工作在谐振状态下有效地减小了这一误差。为研究机抖激光陀螺的抖动特性,本文建立了该陀螺的有限元模型,对其抖动模态进行了仿真分析,并进行了扫频实验验证,结果表明该模型充分反映了系统的抖动动力学特性,合理可靠,为采用有限元方法进一步分析激光陀螺的振动特性奠定了基础,对提高激光陀螺的精度有着重要的意义。     

速度控制的前加减速控制算法研究

速度控制是提高数控机床加工精度和加工效率的关键技术.常用的速度控制有前加减速控制和后加减速控制,后加减速算法简单,但会产生轨迹偏差,前加减速算法控制准确,不存在轨迹偏差.分析前加减速控制的特点,采用迭代和前向预测的方法设计了前加减速控制算法,针对小线段加工时线段长度过小而无法满足加减速区间长度的问题,设计了拐点速度修正算法和指令速度修正算法.最后在开放式六轴数控系统上实现了前加减速算法,经过加工实验,取得了较好的加减速控制效果.     

基于SVM和广义粗糙度特征的航空发动机振动故障诊断方法

通过对航空发动机振动信号进行小波分解,依据多尺度空间局部能量分布和粗糙性提取基于子带信号能量加权广义粗糙度特征实现对振动情况的描述.然后将上述特征送入支持向量机(support vector machine,简称SVM)分类器进行训练,根据分类器的输出结果判断航空发动机的工作状态和故障类型.通过对实测航空发动机试车时得到的振动信号的实验分析结果表明,该算法可以有效地识别发动机的振动故障.