基于优化最小二乘支持向量机的襟翼趋势预测

将最小二乘支持向量机(LS-SVM)应用于飞机襟翼状态趋势研究。首先,通过分析飞机襟翼故障与襟翼动作耗时参数的关系,提出了利用动作耗时趋势来确定该系统未来状态的方法。然后,使用最小二乘支持向量机建立耗时回归预测模型,采用最终预报误差(FPE)准则确定回归模型嵌入维数,提出了自适应网格搜索法,优化最小二乘支持向量机的建模参数,从而实现比现有方法精度高,泛化性能好的预测模型。训练和测试样本取自飞行数据记录系统(QAR)中译码襟翼参数值。与神经网络模型的比较实践表明,该方法具有实用价值。     

DLC涂层硬质合金微钻的制备及其切削性能

在硬质合金微型刀具加工高硅铝合金等难加工材料时,通过采用改进的热丝CVD装置开展了DLC涂层硬质合金微钻制备工艺优化,得到了最优沉积工艺,并配合高速加工高硅铝合金(Si15%)材料微小孔钻削性能对比试验,分析了刀具的磨损机理.结果表明:两步预处理方法适合复杂形状硬质合金衬底的预处理方法.钻削高硅铝合金时,DLC涂层具有低摩擦系数和高耐磨损特性,同等切削条件下,涂层微钻的切削寿命比未涂层硬质合金微钻提高了10倍.     

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.      

基于微型铣床的非硅材料中间尺度微细切削加工技术研究

在综合考虑各项因素的基础上,研制了一台能够满足三维形貌加工要求的微型铣床,并进行了平面、微槽、微型齿轮、半凹球以及四面体微透镜阵列等各种典型微小特征的铣削工艺试验,体现了该铣床的加工精度和加工能力,证实了微型铣床加工技术的可行性。     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.     

基于电子展成与坐标结合原理自动测量圆柱齿轮的研究

介绍了利用电子展成与坐标结合的原理来自动测量渐开线圆柱齿轮的方法。采用CNC技术实现电子展成 ,利用被测齿形的测量值进行分析与评价。为了消除传动误差 。     

基于隶属度和LMK-ELM的航空电子部件诊断方法

为提高航空电子部件模块级故障诊断精度，提出一种新的面向"软聚类"的局部多核学习（LMKL）-超限学习机（ELM）离线诊断方法。通过引入模糊C均值聚类对样本空间进行模糊划分，挖掘聚类内部多样性的同时，实现了对过学习的抑制；将模糊划分产生的隶属度信息融入LMKL-ELM的优化过程，运用基于初始-对偶混合优化问题的三步优化策略克服了局部核权重二次非凸的问题，在l₁-范数与l₂-范数约束下分别给出了相应的更新方法。将所提方法应用于某型机前端接收机，结果表明：与4种流行的多核诊断方法相比，该方法可有效避免漏警、抑制虚警，在l₁-范数和l₂-范数约束下，其诊断精度比其他方法的平均值分别提升了4.09%和5.13%。     

基于WPF的民机驾驶舱人机接口快速原型技术

新一代Windows呈现基础(WPF)技术以其丰富的界面表现力和功能扩展能力被广泛应用于图形处理和界面设计上。WPF技术应用于民机驾驶舱人机接口快速原型的开发过程中,将界面与逻辑的开发完全分离,提升开发效率,增强模型可复用性。基于此流程创建的人机接口快速原型可用于显示系统研发过程中的早期设计阶段,确认需求的合理性,优化人机接口设计,减少后期显示系统软件研制过程中的更改,缩短开发周期,具有重要的工程应用价值。     

Satellite selection methods for multi-constellation advanced RAIM

The increased number of potential threat modes under multi-constellation advanced receiver autonomy integrity monitoring (ARAIM) requires an increase in the number of subsets and a correspondingly high computational load. A new satellite selection method based on integrity support message (ISM) parameters is proposed and compared with GDOP-based selection. The performance was tested on five days of data measurements from 21 multi-global navigation satellite system experiment (MGEX) stations distributed around the world, as well as simulation using the broadcast ephemeris. The results show that the proposed ISM-based satellite selection method is highly compatible with the baseline ARAIM. This method could reduce the computational times by about 60–70% quickly, with minimising vertical protection level (VPL) loss, which was consistently within 1 m, even a reduced VPL value in some epochs, and resulting in an improved availability. The simulation results were similar to the MGEX data. It appears that the application of ISM-based satellite selection can effectively reduce computational burden with a minimal impact on availability.     

基于机器学习的导弹干扰试验效果评估实证研究

针对复杂电磁环境下导弹干扰试验影响因素众多,难以量化,试验数据采集困难以及实验数据中普遍存在类不平衡等问题,基于机器学习创建导弹试验干扰效果评估模型,采用随机森林、支持向量机、朴素贝叶斯、多层感知机等常见模型对导弹试验干扰效果进行评估。特别针对小数据样本中的类不平衡问题提出 2阶段分类模型,采用过采样方式解决类不平衡问题并采用随机森林进行分类。基于开源的导弹干扰效果评估数据,通过实证研究说明,基于过采样的随机森林模型在干扰效果评估问题中具有较强的泛化能力和鲁棒性,在 AUC指标上,该模型比多层感知机模型在中位数上最多提高 60%,建议在后续的试验中采用该模型进行导弹干扰效果评估。