点融合系统在飞行训练中的应用初探

随着我国中低空域逐渐开放,空域布局愈加复杂,各类通航运行矛盾冲突明显。通航产业中架次与时间占比最大的训练飞行,因其运行繁杂,亟需提升空域容量,降低工作负荷,更新教学课程,适应市场需求。本文研究点融合系统,比对训练飞行困境,分析实施基础,对点融合技术在飞行训练中的运用进行初探,认为该技术的应用能优化空域结构,厘清飞行航迹,提升空域容量,缓解学生积压,减少燃油消耗,且已初步具备基础条件。后期还需从机载设备加装、程序设计优化、人员能力提升、运行监管体系搭建等方面加强建设,以满足点融合系统运行所需。     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。     

基于遗传-支持向量机的对置活塞二冲程柴油机气口高度优化

以某对置活塞二冲程柴油机为研究对象,基于一维仿真模型,利用遗传-支持向量机的方法,以油耗为优化目标,进行不同转速工况下进排气口高度组合的自动化寻优。结果表明:在1200r/min下,优化的进、排气口无量纲化高度组合为［0.075,0.105］,所得最小油耗为220.32g/(kW·h);对置活塞二冲程柴油机的气口最优高度应随着转速的提高逐渐增大;且在高转速(大于1600r/min)下,排气口最优高度增加趋势更加明显。      

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。     

航空发动机的智能神经网络自适应控制研究

针对结构复杂、模型不确定、强非线性的航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID简单控制各自优点的控制方案.在改进模糊PID控制器的基础上,进行了新型智能型神经网络控制器的设计,并提出离线混沌蚁群优化与在线误差反传调整相结合的优化方法.应用具有良好泛化能力的最小二乘支持向量机进行系统辨识,对某型航空发动机进行了设计点处的线性和非线性模型控制仿真.结果表明:控制系统具有满意的动、静态性能和较好的鲁棒性,验证了该方案的可行性和有效性.      

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。     

基于EMD熵特征融合的滚动轴承故障诊断方法

研究了滚动轴承故障诊断单一故障信号的局限性和故障特征的非线性,从信息融合的理论出发,利用非线性动力学参数熵作为特征,提出了基于经验模态分解(EMD)熵特征融合的方法来解决滚动轴承故障诊断问题.首先将原始信号进行EMD,利用EMD的自适应多分辨率的特点计算EMD得到的固有模态函数(IMF)信号的多种熵值,然后采用核主元分析(KPCA)对提取的状态特征进行信息融合,从而得到互补的特征,最后将提取的融合特征通过支持向量机(SVM)进行故障诊断.滚动轴承故障诊断实验表明:该方法结合了EMD、信息熵理论和KPCA强大的非线性处理能力的特点,可以进行滚动轴承故障诊断.      

三维战术训练空域规划方法研究

三维战术训练空域规划是对空域的合理规划利用,人工排样已经无法保证空域的安全有效利用,寻找高效快速的算法对于提高空域利用率和训练效率具有重要意义。通过对空域规划的理论研究,结合空域特性,将整个空域划分为立方体单元,构建相应的训练空域规划模型;在此基础之上,利用改进的遗传算法来寻求最优方案,剔除了大量不可行解;通过实例仿真验证该空域规划模型的合理性和有效性。结果表明:该空域模型是合理和有效的,提高了空域规划的速度和准确度。     

变循环发动机稳态控制规律设计的新方法

变循环发动机(VCE)具有较多的可调参数,为了进行变循环发动机的多变量稳态控制规律优化设计,提出了用于变循环发动机稳态控制规律优化设计的一种新方法-逆算法。该方法基于敏感性系数矩阵,采用可调参数替换传统部件级性能计算模型中的独立变量,在给定变循环发动机主要状态参数和部件参数的条件下,实现了可调参数的求解,进一步完成发动机稳态控制规律的优化设计。对比表明,逆算法的计算精度和收敛速度与传统算法一致,收敛性得到了改善。对带有核心机驱动风扇(CDFS)的双外涵变循环发动机亚声速巡航的节流状态控制规律优化后,使得巡航推力下的安装耗油率比定几何的双外涵和单外涵发动机分别下降7.8%和16.4%,而地面安装耗油率最大降低约3.4%。结果表明,逆算法是变循环发动机稳态控制规律优化设计的一种有效途径。