基于PCA和WPSVM的航天器电特性识别方法

针对航天器电特性监测系统识别过程中存在测试数据量大、特征维数高、样本少、计算速度慢和识别率低等问题,提出基于主成分分析(PCA)的特征提取和加权近似支持向量机(WPSVM)的在线故障诊断方法.实现了对信号故障特征的主成分分析、选择和提取,并对高维特征数据实现了降维,提高了航天器电特性在线故障诊断的准确性和速度.针对PCA中的结果选取问题,提出运用数据贡献度阈值进行数据截取的方法,有效地保证了数据的有效性与一致性.结果表明:该方法充分利用了航天器电特性监测系统的有用数据特征,有效提高了识别的精度,且计算时间较短,效率较高.      

基于SVM的低空飞行冲突探测改进模型

为保障通航飞行器在低空空域的飞行安全,提出了一种基于支持向量机（SVM）的飞行冲突探测改进模型。首先,建立适应于飞行器的保护区。然后,利用改进型ID3决策树算法将搜索空间降低到局部的方法筛选具有潜在飞行冲突的飞行器,并利用随机森林（RF）选择合适训练集。最后,利用tanh函数优化容易饱和的sigmoid函数对SVM分类结果的概率映射。通过仿真验证和对比分析,结果表明:利用基于密度聚类的DBSACN算法去除异常点,将剔除产生误报和虚报的数据作为训练集优化SVM分类器,改进的飞行冲突探测模型的误报率和虚报率分别降低了0.6%和1.9%,算法执行效率得到提高,而且具有较好的抗干扰能力与稳定性。      

毛细管电泳法测定镀层中金属元素

建立了常见11种金属阳离子同时分离的毛细管电泳方法,并测定了镀层中的4种金属离子。采用50μm×58.5 cm(有效长度50cm)的未处理的熔融石英毛细管柱,研究了电解质组成包括络合剂、pH值、间接紫外检测试剂对分离的影响。加标回收实验结果表明,该方法重复性好,准确度高,简单快速,回收率为97.0-98.6%,具有很好的实用价值。     

悬停及前飞状态下旋翼／机身的气动力干扰

为了获得施旋翼／机身的气动力干扰概念，利用ＢＯ－１０５旋翼模型和Ｚ－９机身模型在气动中心８米×６米风洞进行了悬停及前飞实验。结果表明，旋翼与机身之间的气动力干扰，主要是旋翼下洗尾流对机身气动力的影响。悬停时，下洗尾流使机身产生负升力、俯仰力矩和偏航力矩。等拉力系数配平前飞时，由于旋翼下洗尾流的向后偏斜，对机身法向力的干扰百分比比悬停时小，对机身偏航力矩和俯仰力矩仍有影响，并产生了侧向力干扰。机身的存在，悬停时使旋翼最大气动效率提高约１％；前一以时使旋翼总距操纵量平均减小约０．４°，前飞需用功率平均减小约１．３％。     

基于多源信息融合-相关向量机的风力发电机故障诊断

为了能够全面准确地识别风力发电机的故障类别,考虑信号源振动和电流之间的相关性,提出了一种基于信息融合和改进相关向量机相结合的故障诊断方法。通过直驱风力发电机试验台实测数据,提取具有较高敏感度的特征参数作为诊断样本,建立基于振动和电流的改进相关向量机诊断模型进行初步故障诊断。利用信息融合建立多信号源故障诊断模型,获得最终风机故障诊断结果。试验表明,与基于单一信号的故障诊断方法相比,该方法具有更高的准确性,能很好地识别具有机电耦合特性的风力发电机故障类型。     

持续载荷飞行模拟器过失速机动过载模拟

对新型的持续载荷飞行模拟器(SGFS,Sustained G-load Flight Simulator)模拟过失速机动过载的方法进行了研究.针对过失速机动中飞机角运动剧烈的特点,推导了考虑飞机转动带来的附加过载的飞机飞行员过载计算公式.在SGFS过载模拟数学模型中应用此公式,以典型的过失速机动动作.Herbst机动为例,对机动时的飞行员过载进行了仿真研究.仿真中SGFS能够较精确地跟踪输入的飞行员三轴过载指令,最大误差小于0.2g.研究结果表明:过失速机动时飞机转动引起的附加过载不可忽略,同时也表明SGFS可较好地用于对过失速机动飞行员过载的模拟.     

新型快速传递对准方法

针对惯性导航系统的动基座传递对准问题,提出了速度加姿态加角速率组合匹配法.用来自主、子惯导的3组参数信息作观测量,通过卡尔曼滤波法迅速准确地估计出失准角及安装误差角等状态量,以便精确地对子惯导系统进行初始化.根据传递对准的基本原理,设计了载体结构挠曲运动统计模型,建立了状态方程及量测方程.同条件仿真结果表明:这种方法与速度加姿态匹配和速度加角速率匹配的对准精度相当,但估计速度约为这两种方法的2倍.可用于机载或舰载战术导弹武器系统,有效减小导航误差和制导误差.     

基于NMF的SVM故障诊断方法

针对大维数系统故障诊断中存在特征提取困难和识别率低的问题,提出基于非负矩阵分解(NMF,Non-negative Matrix Factorization)的支持向量机(SVM,Support Vector Machine)诊断方法,避免了直接对故障特征的选择和提取,实现特征降维,提高故障模式分类的准确性和速度;对于NMF中的结果随机性问题,提出用前次分解所得系数矩阵求解样本降维特征矩阵的方法,保证多次NMF分解尺度一致.实验表明该方法能对故障特征有效降维,并具有较高的诊断效率和故障识别率.     

基于规范割的空间金字塔图像分类算法

对大型图像数据库进行图像分类是很困难的,空间金字塔算法针对这种问题提出,并能得到很好的分类精度,但有几点不足.针对这些不足,提出基于规范割的空间金字塔算法:使用规范割算法对特征词进行更准确的聚类;对每类训练图像计算子特征库,利用二次聚类生成总特征库,在特征字典中保留更多的稀疏类型图像特征词;用高斯模型量化未知特征生成特征直方图,并对直方图进行尺度重整,提高类间距.实验证明提出算法比原方法分类精度最多能提高4.6%.     

非线性回归支持向量机的SMO算法改进

为了解决非线性数据和非线性函数的回归问题,采用了支持向量机序列最小优化算法.原始序列最小优化（SMO,Sequential Minimal Optimization）算法存在训练速度慢和训练结果不稳定的缺点,为了能加快SMO算法的训练速度和提高训练结果稳定性,通过改进优化乘子更新方法、采用双阈值法、预存核函数、增加停机准则等方法对SMO算法做了改进.仿真实验表明,改进的算法能很好地对非线性数据和非线性函数进行回归,具有比原始SMO算法更快的训练速度和稳定的训练结果.