基于LS-SVM的飞控系统传感器故障诊断

针对飞控系统故障诊断难的问题,利用最小二乘支持向量机(LS-SVM)设计了一个飞控系统传感器的故障诊断系统.仿真试验结果表明,LS-SVM具有很高的建模精度和较强的泛化能力,基于LS-SVM的故障诊断系统能对各型传感器的故障进行诊断和定位,验证了该方法的有效性和先进性.     

航空发动机直通型篦齿径向变形稳健性优化

为了降低参数不确定性对发动机直通型篦齿径向变形的影响,提出了一种基于最小二乘支持向量机(LS-SVM)和概率分位数区间模型的稳健性优化方法。通过LS-SVM建立参数与篦齿径向变形的响应面近似模型,考虑到参数不确定性分布类型的差异性,采用概率分位数区间方法建立稳健性优化模型,对篦齿结构径向变形进行了稳健性优化设计。结果表明:优化后的篦齿结构径向变形概率分位数区间比优化前减少6%,参数灵敏度分析结果也验证了该优化方法的有效性。     

基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制

提出了一种基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制方法.该方法通过给误差变量赋予不同权值因子提高LS-SVM的鲁棒性,采用修剪算法提高LS-SVM的稀疏性;该方法从某涡扇发动机输入输出空间中建立其正常模型,采用阈值判别法对传感器故障进行实时监视与诊断,并用模型输出值代替故障传感器测量值反馈回闭环控制系统,实现对发动机的自适应重构控制.仿真结果表明,该方法能及时准确地定位故障,并进行有效的自适应重构控制.      

锥导乘波体气动代理建模方法研究

传统的气动计算方法计算繁琐、计算效率低,不适应于乘波体多学科设计优化,通过建立气动代理模型可以很好地解决气动计算精度和效率的矛盾.利用面元法进行气动估算,采集了锥导乘波体在设计点、非设计点的气动特性作为训练数据,构建了Kriging和LS-SVM代理模型,对比了两种模型对此高维问题的代理效果.结果表明,Kriging代理模型能更准确地表达锥导乘波体的气动特性,应用代理模型进行优化等工作的计算效率与传统气动计算方法相比有显著的提高.     

基于LS-SVM的军用航空发电机寿命预测研究

为解决航空发电机寿命有效预测的难题,以期实现视情维修,提升飞机的综合作战效能,提出一种基于LS-SVM（Least Squares Support Vector Machines）模型的航空发电机寿命预测方法。采用某型真实航空发电机,运用航空发电机专用寿命试验平台,对其进行加速寿命试验,获取输入转速、注油压力、负载、频率、电流、进油温度、出油温度、进口压力、出口压力等多种寿命相关参数,深入分析这些参数间的内在联系与寿命变化规律,设计LS-SVM寿命预测模型,并运用该寿命预测模型对航空发电机寿命表征参数进行预测。研究表明,所设计的LS-SVM寿命预测模型能较好实现对航空发电机的寿命预测效能,具有广阔的应用前景和较大的实际应用价值。