基于支撑矢量机的织物疵点识别方法

为了对种类繁多的织物疵点使用机器进行有效的检测和分类,提出了基于直方图统计和支撑矢量机的织物疵点识别算法。该算法运用直方图统计的方法,由概率统计生成直方波形,并将其作为支撑矢量机的输入参数,用于训练特征样本集,以获得支撑矢量。实验表明,该算法用于织物疵点检测是可行、有效的,可得到满意的识别结果。     

非结构化网格生成中背景网格对源的响应

背景网格对源的响应方法对非结构网格的生成具有重要意义,如果背景网格参数能恰当地反映出源的变化,则所生成的非结构网格就能满足网格设计的要求。将背景网格的三角形单元分为7个子域,根据源在单元中的位置对网格进行局部加密或变形,使每一个源点都与一个背景网格结点相对应,再通过求解热传导方程,使背景网格参数分布光滑,基本反映网格设计的要求,从而提高了非结构化网格的生成质量。     

片梭织机的提速及其改造

从片梭织机的结构、性能、织造工艺和织机调试等方面入笔,分析了影响片梭织机提速的有关因素,提出了为合理提速而对织机所采取的改造方法。     

基于位移和力值组合的静重式力标准机砝码加卸载控制方法研究

介绍了一种基于位移和力值组合的静重式力标准机砝码加卸载的控制方法,通过监测砝码的移动量和参考力传感器叠加系统的力值量,实时调整加卸载机构的加卸载速度,以实现对被检力传感器的平滑加卸载的目的。该方法有效解决了吊挂在加载过程中产生较大摆动,影响力标准机复现力值准确度的问题,同时也消除了力值过冲现象,避免了因逆程效应而导致的力传感器输出偏差。     

基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

定子双绕组异步发电机漏电抗计算的研究

漏电抗的准确计算是电机设计中十分关键的问题。基于静止励磁调节器的双绕组异步发电机定子绕组漏抗计算比传统的三相电机更复杂。首先给出了定子双绕组异步电机通用数学模型及等效电路,采用解析法对不同绕组结构的定子双绕组异步电机漏电抗计算进行了系统地分析,导出了相应的计算公式。最后,利用所得计算公式设计了一种静止励磁调节器控制的定子双绕组异步发电机,并对其定子漏电抗参数、性能指标及运行特性进行了计算。     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。     

自动铺丝最小间隙路径规划与复合材料锥壳结构制造

自动铺丝技术（AFP）是提高复合材料构件制造效率和降低其制造成本的关键技术和重要手段。铺放轨迹的设计是控制自动铺丝工艺质量的关键。对于复杂的结构形式,合理的铺丝路径对保证可制造性及铺贴质量至关重要。本文针对简化后的后机身锥壳特征结构,研究了基于固定角法、测地线法和变角度法的自动铺丝轨迹算法设计,解决了铺放复杂曲面满覆盖问题;总结对比获得了不同铺丝轨迹方法的特点和适用范围。以保证工艺性并满足结构设计铺层方向为原则,选用了带宽为6.35 mm的自动铺丝预浸料完成工艺验证件制造,并通过有限元分析评估了自动铺丝轨迹算法的合理性。结果表明：该结构宜采用测地线法铺放0°方向铺层以减少褶皱;采用固定角法铺放90°方向铺层能够保证连续铺放;采用结合预浸窄带侧弯试验结果的变角度轨迹规划方法铺放此锥类构件±45°方向铺层能够保持最小间隙。铺丝间隙使锥壳结构单层等效模量下降约30%,整体强度下降约10%。因而在结构优化设计时需考虑自动铺丝工艺对安全裕度影响的因素。     

一种基于Deep-GBM的航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承故障信号难于识别的特点,提出了一种深度梯度提升模型（Deep-GBM）对振动信号特征进行逐层学习以提高分类模型的准确率。开展某型航空发动机中介轴承故障模拟实验,并采用经验模式分解(EMD)方法对采集的振动信号进行分解,提取内蕴模式函数(IMF)分量非线性动力学参数样本熵作为原始故障特征。采用Deep-GBM对中介轴承内环故障、内环和滚动体综合故障、正常、滚棒剥落、滚棒划伤五种不同状态进行识别。实验结果表明,所提出的Deep-GBM故障诊断准确率达到87%,相对于传统的机器学习模型准确率最高提升了28%,并具有良好的泛化能力。      

基于遗传-支持向量机的对置活塞二冲程柴油机气口高度优化

以某对置活塞二冲程柴油机为研究对象,基于一维仿真模型,利用遗传-支持向量机的方法,以油耗为优化目标,进行不同转速工况下进排气口高度组合的自动化寻优。结果表明:在1200r/min下,优化的进、排气口无量纲化高度组合为［0.075,0.105］,所得最小油耗为220.32g/(kW·h);对置活塞二冲程柴油机的气口最优高度应随着转速的提高逐渐增大;且在高转速(大于1600r/min)下,排气口最优高度增加趋势更加明显。