可行SLP法在发动机在线优化中的应用

研究了航空发动机在线优化算法问题。基于序列可行方向法,提出了一种用于解决一般非线性优化问题改进的序列线性规划(SLP)在线优化算法——可行下降序列线性规划(FSLP)方法。其显著特点是通过适当的步长修正算法,在保证目标函数下降的同时,确保解的可行性。根据对偶理论证明了其核心算法的收敛性,对步长修正原理进行了数学分析,并详细介绍了算法实现途径。基于上述优化算法,以某型双转子涡扇发动机最大推力模式为仿真算例,验证了该算法在解决航空发动机在线优化问题时,相比传统的序列优化方法,在提高优化算法解的可行性方面效果更好。     

基于遗传算法的产品拆卸序列规划研究

拆卸序列规划(Disassembly Sequence Planning,DSP)是民用飞机维修规划的一个重要内容,也是在设计阶段对民用飞机产品维修性的一个评估.为了能以较高的效率求解出产品拆卸序列的方案,本文首先根据拆卸特点构建了产品拆卸混合图模型.该模型描述了零部件之间的连接关系和优先关系,然后通过分析产生产品的拆卸序列.在此基础上建立目标函数并利用遗传算法的计算速度和灵活性的特点对拆卸序列进行优化.最后,通过一个实例,验证了本文方法的可行性及其计算效率.     

混合神经网络和混沌理论的股票价格预测研究

针对股票时间序列的非线性特点,结合混沌理论和神经网络理论,提出了基于混沌理论的股票价格神经网络预测方法。同时利用重构相空间的嵌入维数确定神经网络的结构,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,在股票时间序列预测中有广泛的实用价值。     

航空通信中基于PN码的信道估计算法研究

航空移动通信系统（空空信道）中,大的多径时延和多普勒频移会造成非常严重的符号间干扰,高速宽带下尤为突出,使得传统的频域信道估计算法不得不通过提高运算长度和复杂度来实现性能,而航空通信对实时性的要求使其难以工程实现。本文针对空空信道时延长而衰落小的条件,提出一种基于PN码的时域信道估计算法,连续发送N段m序列作为训练序列...     

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

利用粒子群支持向量机预测轴流压气机机匣壁面压力

建立了基于粒子群优化的轴流压气机机匣压力支持向量机预测模型.利用支持向量机的强大非线性映射能力,实现了对某型轴流压气机机匣压力时间序列的非线性预测,并运用粒子群优化算法对支持向量机的重要参数进行了优化,增强了预测模型对混沌动力学的联想和泛化推理能力,提高了预测的精度和稳定性.而针对发动机台架试验数据的预测结果证明了方法...     

转静件碰摩模型及不对中转子局部碰摩的混沌特性

本文从经典碰撞理论出发,建立了一种应用广泛的碰摩模型,分析了两种特殊情况,并给出了适合航空发动机转子系统的碰摩模型。建立了考虑静子本身刚度的不对中质量偏心转子碰摩的动力学方程,并进行数值计算、分析。分析表明,系统除了具有各种形式的周期运动、拟周期运动外,还具有丰富的混沌运动与分叉现象。     

基于遗传算法的飞机维修拆卸/装配序列规划研究

飞机维修拆卸/装配序列规划是整个飞机产品维修作业的重要组成部分,同时也是飞机远程诊断与远程维修的重要研究内容。针对飞机维修过程中拆卸/装配序列规划问题的特点和要求,本文从维修产品的拆卸/装配过程稳定性、拆卸/装配方向和拆卸/装配工具的改变次数三个方面来设置目标函数,解决了零件数量大的产品规划计算效率不高且没有考虑产品的维修过程稳定性问题。本文开发出了基于遗传算法的飞机维修拆卸/装配序列规划系统,并结合具体产品进行了验证。     

相关系数平稳序列的估计与识别

本文提出了通过观测序列确定不可直接测得的相关系数平稳序列模型参数的方法,详细讨论了相关系数AR(p),MA(q)和ARMA(p,q)序列状态方程的参数估计,为非平稳序列的滤波、预测和平滑提供了依据。文中还给出了观测系统参数的识别方法,与传统方法相比,本文方法考虑了测量噪声的均值和方差随时间变化情况,具有更高的识别精度。      

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。