基于域对象的文本过滤模型

提出了一种基于域对象的文本过滤模型,该模型采用改进了的基于概念的向量空间模型来表示域对象模型。在过滤过程中,先建立域对象模型,然后将待过滤文本进行信息提取、文本分析,建立待过滤文本的临时模型,通过模型匹配来判断待过滤文本是否属于过滤范畴。实验证明该模型有较好的过滤性能。     

飞机横航向模态模型的选择

评价有人驾驶飞机的操纵品质,要求将高阶飞机系统用一个动态特性等效的低阶系统来代替。由于飞机横航向等效系统比较复杂,如何选择恰当的模型进行辨识是一个很重要的问题。依照军用规范,通过对飞机横航向运动等效系统模型的建立,分析了在××飞机铁鸟台架试验过程中,在信号激励下飞机横航向运动的几种模态的运动情况,并依此模型进行辨识,得到飞机横航向模态的品质参数,取得很好的计算结果。     

基于支持向量机改进SMO算法的直升机旋翼自转着陆过程建模

 为了建立高精度的直升机仿真模型,把支持向量机(SVM)引入到直升机智能化建模领域,建立了直升机自转着陆过程的旋翼转速模型。根据凸二次优化问题在对偶间隙为零时取得最优解的性质,对序列最小优化算法的停机准则进行改进,并用于所建模型的训练。仿真结果表明：与神经网络模型比较,这种SVM模型具有结构简单、运算速度快和泛化能力强等优点。     

合成射流激励器控制喷管矢量研究

利用试验方法研究合成射流激励器对喷管气流矢量控制的作用效果,证明在恰当条件下喷管气流矢量角可改变30°.试验结果证实,喷管射流角度的改变不但与激励器工作参数和喷管流动速度、流量相关,同时还与激励器工作时产生的向下游迁移的"涡对"对周围流体"卷吸"形成的低压卷吸场有关,并与卷吸涡对与主流自由剪切层之间的耦合作用有着密切联系.以上可以认为是喷管矢量受控的机理.      

基于K-均值聚类和约简最小二乘支持向量回归机的推力估计器设计

提出了一种基K-均值聚类和约简最小二乘支持向量回归机的推力估计器设计方法.首先用K-均值聚类法将全包线范围内的数据进行聚类,然后在每一个类当中,用迭代约简最小二乘支持向量回归机设计一个子推力估计器.在用迭代约简最小二乘支持向量回归机设计子推力估计器的过程中,为了使计算数值更稳定,用Cholesky分解代替原来的迭代方法.最后仿真实验表明,此推力估计器能满足直接推力控制的需要,并和其它的方案比较起来,该方案存在一定的优势.      

小型无人飞行器风场扰动自适应控制方法

针对小型无人飞行器在执行任务时传感器测量精度低、受风场扰动影响大的问题,提出了一种利用矢量域与滑模控制相结合的复合控制方式,有效地实现了对小型无人飞行器的轨迹与航向的自适应跟踪。将复杂航迹分解为直线段与圆弧段分别构建矢量域,从而确定基于位置误差的航迹信息,并通过机载传感器获得状态和位置信息,利用滑模控制方法抑制风场扰动对小型无人飞行器的影响。试验结果表明,本文提出的控制算法能够保证阵风干扰情况下小型无人飞行器的航迹控制精度,同时具有良好的动态响应。     

旋转状态下气膜冷却效果的数值研究

为探讨旋转状态下气膜冷却的效果,在不同吹风比和旋转数下,对带有气膜冷却的涡轮叶片进行三维数值模拟,研究了旋转效应对叶片表面冷却效率的影响。结果表明,当叶片旋转时,压力面上的冷却效率增大,吸力面上的冷却效率降低。叶片表面气膜冷却效果随着旋转数的增加而下降。旋转效应对叶片表面冷却效果的影响程度依赖于吹风比。当吹风比增大时,气膜冷却效果随着旋转数的增加而下降的趋势增大。     

激波控制矢量喷管流动与工作特性研究

利用数值模拟方法,研究了激波控制矢量喷管的流场结构与工作特性,分析了射流流量、外流马赫数及落压比对喷管流动和性能的影响。结果表明:随着射流流量的增大,射流对主流产生的阻碍作用增大,使得注气缝上游的高压分离区增大,上、下壁面压差增大,矢量角增大;但射流流量过大时,激波会影响下壁面的压力分布,使喷管推力矢量性能降低。外流马赫数增加使喷管出口附近及上壁面注气缝下游壁面的压力降低,因此上、下壁面的压差减小,喷管的推力矢量性能降低。随着落压比的增大,注气缝上游的分离激波位置后移,注气缝下游分离区内的相对压力降低,使上、下壁面的压差减小;另外,喷管工作状态从过膨胀状态向欠膨胀状态转变时,压差产生的推力增大,喷管的推力矢量性能降低。     

基于支持向量机和卡尔曼滤波器的航空发动机故障诊断研究

针对航空发动机上可用传感器测量参数偏少情况下的健康参数估计问题,提出1种先分类后估计的方法。将传感器测量参数输入异常监测模块,对发动机工作状态进行监测,若监测结果为无故障则直接给出无部件故障的诊断结论;否则将测量参数输入最小二乘支持向量机(LSSVM),对部件故障进行分类,卡尔曼滤波器根据分类结果只对故障部件的健康参数进行估计。仿真结果表明:该方法可以减少需要估计的健康参数,提高估计精度。     

一种基于 KFCM的 SVM遥感图像机场目标分类算法

在遥感图像机场目标分类方面,支持向量机(SVM)有着广泛的应用,但由于样本不平衡问题以及不确定性数据的存在,传统SVM算法的分类精度与效果还无法令人满意。为提高传统SVM分类器的性能,文章将建立在模糊理论基础上的模糊核C-均值聚类算法(KFCM)用于处理遥感数据的不确定性问题,并通过聚类分析后的目标子图,剔除非目标样本的同时保留了目标样本,较好地解决了样本不平衡问题。将基于KFCM的SVM分类算法用于遥感图像机场目标的分类,实验结果和性能分析表明该算法分类性能优于传统SVM算法。