基于免疫粒子群算法的滑油屑末支持向量机预测模型设计

将人工免疫理论的克隆选择算法中的抗体克隆、变异和抑制策略引入粒子群优化算法中,提出了一种基于克隆选择的免疫粒子群优化算法,克服了基本粒子群算法易于陷入局部最优解的缺点.针对支持向量机预测模型的参数选择影响其预测精度的问题,引入免疫粒子群优化算法设计了参数自适应优化的航空发动机滑油屑末支持向量机预测模型.仿真结果表明:与传统的交叉验证试算法相比,基于免疫粒子群优化的预测模型实现了参数的自动择优,并且提高了预测精度.      

基于灰色理论的自适应多参数预测模型

故障预测对保障武器装备安全可靠工作具有重要意义。但是,用于武器装备故障诊断和预测的数据往往是小样本、多特征参数数据,当前主要的故障预测方法在实际故障预测中虽取得了一定的效果,但均存在不足之处。本文基于灰色预测建模理论,分析了GM(1,1)预测建模中的不足,考虑多个特征参数间的相互关系以及预测序列的实际特点,修正了初始值和背景值,建立了小样本情况下的自适应多特征参数预测模型,并以某型飞机发动机的多特征参数的仿真数据为例进行了预测分析,结果表明该模型具有很好的预测精度,证明了该模型的有效性。     

CCF300/QY8911单向纤维增强复合材料纵向压缩性能预测

提出了一种单向纤维增强复合材料压缩性能的预测方法.该方法基于纤维增强复合材料压缩的微屈曲失效机理与纤维膝切失效机理,对CCF300/QY8911碳纤维增强复合材料单向层合板的纵向压缩性能展开研究.将纤维微屈曲失效与纤维膝切失效机理统一起来,提出一种基于两种失效机理的预测模型,很好地实现了CCF300/QY8911单向纤维增强复合材料压缩性能的预测.通过与试验数据进行比较表明:基于两种失效机理分析的CCF300/QY8911单向纤维复合材料压缩性能预测模型与试验数据符合较好,误差在5%以内.      

基于半监督集成学习的多核设计空间探索

随着处理器的系统结构日趋复杂,设计空间呈指数式增长,并且软件模拟技术极为费时,成为处理器设计的重要挑战。提出了一种结合集成学习和半监督学习技术的高效设计空间探索方法。具体而言,该方法包括2个阶段:使用均匀随机采样方法从处理器设计空间中选择一小组具有代表性的设计点,通过模拟获得性能响应,从而组成训练数据集;提出基于半监督学习的AdaBoost（SSLBoost）模型预测未模拟的样本配置的响应,从而搜索最优的处理器设计配置。实验结果表明,与现有的基于人工神经网络和支持向量机（SVM）的有监督预测模型相比,SSLBoost模型能够使用更少的模拟样本构建出不差于现有方法性能的预测模型;而当模拟样本数量相同时,SSLBoost模型的预测精度更高。      

基于NRS-SVM模型的航空弹药消耗预测研究

结合航空弹药训练消耗的特点,研究邻域粗糙集(Neighborhood rough sets,NRS)与支持向量机(Support vector machines,SVM)融合的航空弹药训练消耗预测问题。通过邻域粗糙集将5个初始影响因素约简为3个核心影响因素,并以此训练集对支持向量机进行回归优化。通过参数寻优得到最优的惩罚参数和核参数,进而构建NRS-SVM组合预测模型来预测航空弹药消耗。实证研究表明,该模型预测结果与实际数据吻合度较高,且与其他预测模型相比具有更好的预测性能。     

压气机角区失速预测模型的改进与实验验证

角区分离普遍存在于压气机中,随着负荷的提升,角区分离可能发展为角区失速,导致流动的堵塞与损失显著增大。前人基于二维叶栅,提出了预测叶片角区失速的模型,但这些模型并没有考虑到真实压气机环境中流动的强三维性。本文在现有模型基础上,一方面对其进行改进,以考虑压气机中流动具有强三维性的影响;另一方面,利用低速压气机实验台上获得的大量实验数据对现有模型和改进后的模型进行校验。结果表明:在真实压气机中,现有的准则不再可行;而基于改进后的模型,存在一个临界参数D=0.405±0.02,能够准确判断静子根部角区分离和角区失速;另外,改进后的参数D与静子根部端区流动影响范围内的堵塞和损失存在很强的关联。     

含湿量对蒸发式火焰稳定器贫油熄火性能的影响

在来流温度为300~483 K、来流马赫数为014~03和含湿量为0~016的条件下,以蒸发式火焰稳定器研究对象,基于冷态流场数值模拟研究以及含湿量对燃烧负荷参数、燃烧反应、燃油雾化等的影响分析,提出了考虑含湿量的Lefebvre贫油熄火油气比修正方法,探讨了含湿量对蒸发式火焰稳定器贫油熄火性能的影响规律。研究结果表明:当含湿量增加时,蒸发式火焰稳定器的燃烧负荷参数增加,贫油熄火油气比显著增大,燃烧负荷参数不能完全表征贫油熄火油气比的变化,含湿量对燃油雾化的影响不容忽略。     

基于支持向量回归机的数控机床 几何误差元素建模研究

针对数控机床几何误差元素建模时面临的误差样本数据少且呈非线性的问题,研究在小样本数据集非线性回归分析中具有独特优势的支持向量回归机,并基于此建立数控机床几何误差元素的预测模型。分析现有几何误差检测中常用的九线法所存在的测量选点难和计算累积误差等问题,提出增加每条测量线垂直方向直线度的测量和修正误差项计算模型的改进方法。以高斯径向基核函数为支持向量回归模型的核函数,运用交叉验证法,选取合适的模型参数,求解凸二次规划问题,进而建立几何误差元素的预测模型。以QLM27100–5X五轴龙门机床X轴为例,基于改进的九线法进行测量辨识得到几何误差样本数据,然后分别基于支持向量回归机和最小二乘法建立几何误差元素预测模型,对比两个模型的预测精度,结果显示,前者的预测均方差值MSE为0.0238,小于后者的0.072,验证了支持向量回归模型在小样本集下具有更高的预测精度。     

弹载电子设备寿命预测方法研究

介绍了寿命预测的基本概念及目前较常用的几种预测方法,分析了这几种方法的优缺点。着重描述了具有"少数据建模"特点的灰色GM(1,1)预测模型的建模方法及后验差精度检验方法,最后应用此模型解决了某型号弹载电子设备寿命预测的问题。     

不同攻角对涡轮叶栅损失的影响

应用基于压力修正的三维计算流体动力学(CFD)程序,通过改变进口攻角,对不同工况下的涡轮叶栅流场进行了数值模拟.并结合CFD模拟结果,应用较合理的损失分离方法,对比分析了三种常用的变工况涡轮损失预测模型.结果表明:在正攻角情况下,随着攻角的增加,涡轮叶栅总压损失显著增加;在负攻角情况下,随着攻角的增加,涡轮叶栅总压损失则有种先减小后增大的趋势,但变化范围不大.而对于三种变工况涡轮损失预测模型来说,虽能基本上反映出涡轮损失随攻角的变化趋势,但预测结果差别很大.