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。     

基于小裂纹的2024-T3铝合金中心孔试样疲劳寿命预测

对2024-T3铝合金板材中心孔试样进行了疲劳裂纹扩展行为及寿命预测的理论和试验研究.采用疲劳条带与显微镜观测相结合的办法获得试样在块谱作用下孔边自然萌生裂纹扩展的α-N数据,并通过对断口的SEM观察获取试样的初始缺陷形状.利用基于裂纹闭合的小裂纹扩展分析程序FASTRAN3.9对试样α-N数据进行反推,建立了描述孔边裂纹细节原始疲劳质量的当量初始缺陷尺寸(EIFS)分布.以该分布为基础,采用FASTRAN3.9对试样进行了恒幅载荷下试样的中值疲劳S-N曲线的预测,预测结果与试验验证结果吻合较好.     

基于自然激励技术的颤振边界预测

为了预测紊流激励条件下机翼的颤振边界,基于自然激励技术提取紊流响应的自由衰减信号,采用矩阵束方法识别模态参数,最后通过Z-W(Zimmerman-Weissenburger)方法计算稳定性判据,拟合判据变化曲线并外推颤振边界.对平板机翼模型进行了数值仿真分析,对单独机翼模型风洞颤振试验数据进行了计算.结果表明:采用自然激励技术与矩阵束方法能够较准确地识别紊流激励响应的模态参数,频率识别误差小于6％,阻尼比识别误差小于30％,结合Z-W方法能够在较低风速较早地预测颤振边界,有助于提高试验的安全性.     

基于确定学习理论的轴流压气机系统分岔预测

针对轴流压气机系统中的分岔预测问题,基于简化的Moore-Greitzer 3阶压气机模型,分析了该系统中存在的分岔现象;利用最新发展的确定学习理论,对压气机系统随着γ参数变化出现的几种典型模态的相关系统动态进行辨识,并将所学知识保存成常值RBF神经网络以构成模式库;利用该模式库构建1组嵌入了常值RBF神经网络的动态估计器;将测试模式与估计器相比,得到1组残差,并利用动态模式识别方法的残差最小原则实现了对Pitchfork分岔的预测。     

基于速度剖面拟合的航空器场面滑行4D轨迹预测

为提高机场的整体运行效率和综合保障能力,提出了一种基于速度剖面拟合的航空器场面滑行4D轨迹预测方法。构建了航空器的滑行动态模型,进而引入标称速度剖面的概念。将DSW算法应用到速度剖面的拟合中,得出一种标称速度剖面的生成方法,并通过建立平均速度修正参数修正不同机型对滑行速度的影响,基于动力学平衡方程,构造了标称速度到瞬时速度的映射,结合BADA数据实现对瞬时速度的修正。在上述分析的基础上得到航空器场面滑行4D轨迹预测模型。案例表明,与基于动力学的方法相比计算结果更加准确,使平均误差降低47．3％,能够有效地预测航空器的4 D轨迹。     

基于可变滑动窗口与3σ准则的脉冲星信号去噪算法

针对地面接收射电观测脉冲星信号较弱、信噪比较低的问题,提出了基于可变滑动窗口与两层3σ准则的信号去噪算法。该算法引入可变滑动窗口,对信号进行分步连续处理,同时在筛选噪声时使用两层3σ准则算法,解决了噪声遗漏及过度去噪问题。为证明算法可靠性与实用性,利用佳木斯66 m观测站实测数据进行算法验证,针对J1939+2134与J1744—1134脉冲星的实测数据进行分析处理。结果表明,该算法能够对脉冲星数据进行有效去噪,普遍提高信噪比约10dB。     

美军旋转翼飞机预测性维修中的状态监测和数据分析技术

与基于时间的计划性维修完全不同,视情维修强调基于预测性状态指示器的故障探测。作为实施视情维修的重要手段之一,预测性维修的研究目标是在飞机维修数据分析中引入数据挖掘技术,建立高效的预测系统,使用先进的统计软件对部队级航空后勤系统（ULLS-A）的飞行日志数据、HUMS飞机传感器数据和试验台数据进行定量和定性分析,最终选取有用的数据,增强故障诊断和预测能力,提高视情维修水平。预测内容包括根据实际状况动态预测飞机的剩余使用寿命、预测部件故障以延长维修间隔、寻找剩余使用寿命与部件故障的关系以及维修行为对这一关系的影响、主动计划未来的维修行为等。     

基于LMI的高超声速飞行器滑模预测控制

针对高超声速飞行器非线性、多约束、快时变等特点,提出了一种基于线性矩阵不等式的滑模预测控制方法.首先设计系统的滑模面,然后对滑模面进行预测并将其作为优化性能指标,通过Schur补引理将控制律的设计转化为一个优化问题.该方法避免了常规滑模控制的高频切换,有效地克服了抖振现象.此外,相对于传统的滑模预测控制方法,该方法不需要额外计算终端约束条件和终端代价函数,只需要通过选取合适的李雅普诺夫函数即可保证系统的稳定性,且其加权矩阵和控制律是同时进行优化设计的,简化了设计过程.仿真试验表明,相比于单纯的预测控制和滑模控制,所提出的方法具有更好的跟踪性能.     

数值模拟技术在热压罐工艺中的应用

随着复合材料和计算机技术的发展,数值模拟技术在复合材料工艺仿真中的应用也日益明显.总结分析了数值模拟技术在复合材料热压罐工艺中的研究进展,包括热压罐内流场仿真、固化放热控制、固化变形预测,以及热隔膜成型过程仿真的应用前景.随着大数据和复合材料自动化、智能化的发展,发展数值模拟技术是大势所趋.     

基于SVR选择性集成的机场噪声预测模型研究

机场噪声预测对机场规划设计、航班计划制定以及机场噪声控制具有十分重要的作用。针对机场周围各个监测点上的单飞行事件进行噪声预测。由于机场噪声数据的复杂性,用单一的SVR方法对其预测往往得出局部优化结果,不能达到理想的预测效果,针对这一问题,提出一种基于SVR选择性集成的机场噪声预测方法,通过Adaboost方法对机场噪声数据进行采样训练得到多个SVR预测模型,并结合一种排序方法对预测模型进行选择集成得到最终机场噪声预测值,取得了较好的预测效果。