基于二叉树支持向量机的装备故障诊断研究

本文提出了一种基于二叉树支持向量机的某型装备故障诊断方法,应用该方法构造了多故障分类器,并通过某型装备故障实例验证了该方法故障诊断结果的正确性,证明了该故障诊断方法具有良好的鲁棒性和推广性。     

引进装备备件可靠性及保障研究

介绍了备品备件的定义及分类,给出了引进装备的可靠性分析方法,基于装备的可靠性建立了装备备件的需求预测模型,用经济订货批量模型的原则设定了引进装备的订货方法,最后,介绍了装备备件保障软件。     

基于PHM技术的导弹维修保障

为解决传统导弹维修保障方法所存在的问题,加快军队信息化建设,提出了基于PHM技术的导弹维修保障方法。分析了不同维修方式、导弹维修保障及信息化建设与PHM技术的关系,利用PHM技术并结合决策支持的思想,建立导弹健康状态的信息管理系统,初步分析了系统的基本结构组成,并结合实际提出了一些需要重点解决的问题。     

高速风洞试验中运输机支撑形式的选择

合理选择模型的支撑形式和解决支架干扰问题是准确获取气动力数据的关键因素。为了寻找一种合适的运输类飞机在高速风洞试验中的支撑形式,首先通过计算分析和试验验证,给出了运输类飞机高速风洞试验中30°尾支撑支架干扰问题存在的原因,然后根据0°、5°、15°以及30°不同尾支撑形式的计算分析和专项试验论证结果,提出并验证了小角度尾支撑是现阶段运输类飞机高速风洞试验中最合理、最有效的支撑形式。     

大飞机布局模型跨声速风洞实验尾支撑干扰研究

对某大飞机布局风洞实验尾支撑干扰开展了数值模拟和实验研究,发展的数值方法计算结果与风洞实验结果有很好的一致性。对于类似构型的飞机,在迎角-2°～6°范围,可认为尾支撑干扰量随迎角呈线性变化,采用前位叶片支撑作为辅助支撑带来的二次干扰量可以忽略,新型双天平辅助支撑系统试验进一步验证了这一结果;尾支撑对机身、尾翼、机翼等部件的绕流都有影响,干扰量随构型而变,对阻力、力矩影响较大,且随Ma数变化,因此不同构型实验数据需要单独修正。所发展的带风洞支撑系统的数值模拟软件能够满足工程应用要求,可用于支撑干扰修正研究以及风洞实验支撑系统优化设计。     

基于直升机/涡轴发动机综合仿真平台的发动机非线性模型预测控制

 基于具有可靠置信度的直升机/涡轴发动机综合仿真平台,研究了涡轴发动机带约束优化的非线性模型预测控制(NMPC)技术。首先通过设计多输出迭代约简最小二乘支持向量回归机(RRLSSVR),训练具有较好实时性、精度及泛化能力的内嵌式预测模型,在高度0~5 km、前飞速度0~75 m/s范围内模型精度达5‰。其次,考虑了扭矩、燃油流量、动力涡轮转速、燃气涡轮转速等综合信息及相关约束对控制效果的影响,利用在线序列二次规划(SQP)算法实现滚动优化控制,而后加入目标转速偏差的积分项以消除静差,保证输出恒定。最后,通过对直升机进行机动飞行大扰动仿真验证了该预测控制器对扰动的抑制能力,相比传统串级PID控制,能够显著降低动力涡轮转速下垂/超调量,达到更好的控制品质。     

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

基于神经网络的战时装备维修保障能力评估

介绍了神经网络的概念,阐述了BP神经网络的基本原理与方法,在系统分析战时装备维修保障系统的基础上构建了战时装备维修保障系统能力评估指标,设计了BP神经网络模型,通过Matlab仿真软件对结果进行计算分析表明,BP神经网络具有很强的解决非线性问题能力,适用于战时装备维修保障能力评估。     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

利用粒子群支持向量机预测轴流压气机机匣壁面压力

建立了基于粒子群优化的轴流压气机机匣压力支持向量机预测模型.利用支持向量机的强大非线性映射能力,实现了对某型轴流压气机机匣压力时间序列的非线性预测,并运用粒子群优化算法对支持向量机的重要参数进行了优化,增强了预测模型对混沌动力学的联想和泛化推理能力,提高了预测的精度和稳定性.而针对发动机台架试验数据的预测结果证明了方法...