基于多分类AdaBoost的航空发动机故障诊断

对航空发动机运行数据进行数据挖掘的方法,是发动机故障诊断研究领域的重要研究内容。由于各种算法自身的局限性,通过某种单一算法很难大幅度提升故障分类的准确性。运用组合分类的AdaBoost算法,综合多个分类模型进行诊断,是提升故障识别精度的一种较好的方法。通过AdaBoost算法及其改进算法的结合,建立一种多分类的AdaBoost算法,以支持向量机（SVM）为基础分类器,进行综合诊断模型的建立。通过单位向量法、比值系数法和相关系数法将指印图中统计的故障标识数据进行处理,得到不受故障程度影响的训练数据,再进行建模。实验表明,AdaBoost相关结合算法能够显著提升分类器性能。根据实际故障案例,验证了所建立的诊断模型能够较好地用于发动机的故障诊断。      

两相流气体种类灭B类火效果的实验

两相流灭火系统中,气相采用不同的气体,其灭火效果不同.研究了采用空气、氮气、二氧化碳、氩气4种不同种类气体条件下,两相流细水雾灭火系统在3.6 m×4.6 m×3.9 m的空间内,灭0.1 MW及0.61 MW方油盘火的灭火特性及规律.实验过程中采用热电偶树和西门子气体分析仪对火焰温度及火场氧体积分数进行了测量,得到了不同气体种类条件下的细水雾灭火特性包括火焰最高温度、温度下降速率、氧体积分数下降速率、灭火时间等参数的变化规律和灭火过程中火场温度场和氧体积分数值的变化规律.     

基于误差最小的SVM最优分类面修正

针对C-支持向量机(C-SVM,C-Support Vector Machine)中惩罚系数C可能导致最优分类面不合理的问题,提出基于误差最小的SVM最优分类面修正方法.通过调整正负类分类间隔的约束条件,求解使训练样本总误差最小的偏置系数,并兼顾与正负类误差之差的绝对值的平衡,得到误差最小的更优分类面.实验证明该修正方法与C-SVM及其它修正方法相比,具有较高的分类精度和较强的抗噪声与野值数据干扰能力.     

SVRM辅助的北斗GEO卫星反射信号土壤湿度反演方法

提出了一种支持向量回归机(SVRM)辅助的北斗地球静止轨道(GEO)卫星反射信号土壤湿度反演方法。使用全球导航卫星系统反射信号(GNSS-R)右旋圆极化(RHCP)天线和左旋圆极化(LHCP)天线接收体制进行了地基实验,采集了北斗GEO卫星直射、反射信号原始数据,并从中提取直射、反射信号的相关功率,结合北斗GEO卫星的高度角与方位角信息作为输入,烘干称重法获取的土壤湿度作为输出对使用径向基(RBF)核函数的ε-SVRM进行了训练。独立测试集上的结果表明,SVRM辅助的北斗GEO卫星反射信号土壤湿度反演方法获取的土壤湿度结果与烘干称重法获取的土壤湿度参考值误差控制在3%以内,线性回归方程决定系数为0.897 9,均方根误差RMSE为1.492 6%,证明了该方法具有良好的泛化特性,实际应用中效果良好。      

总线制串行传送的多路数据采集技术的研究

本文提出了一种新颖的总线制串行传送的多路数据采集技术,多至256个传感器或探测器,配备上编码器和信号转换电路后,挂接到两条信号总线和一条公共地线上去,可实现多路编码寻址与测试数据采集。通讯距离可达数百至数千米。它的突出优点是当传感器或探测器分散布置在较长距离上时,可简化布线和节省大量传输线。从某种角度上说,可提高系统的抗干扰能力与可靠性。该技术已应用于火灾自动报警系统中传送分级的频率信号,取得了满意的结果,证实了它的实用性。     

弹性支承对滑动轴承转子系统动力稳定性的影响

研究了弹性支承对滑动轴承支承的非线性转子动力系统的动力稳定性影响和减振特性。首先建立了滑动轴承—转子非线性动力系统和弹性支承—滑动轴承—转子非线性动力系统的力学模型,在油膜力非线性的情况下,分析了系统的动力稳定性,通过对比具有弹性支承的滑动轴承转子系统和刚性支承的滑动轴承转子系统的响应,表明:弹性支承的加入,有效地提高了系统运动稳定性。     

翼型叶片腹支／尾支对大飞机全机及部件的干扰──大飞机全模试验技术及支撑干扰研究之三

在研究了翼型叶片腹支（前、后位）／尾支对大展弦比飞机全机及部件的纵向干扰特性，尾支对全机横向干扰特性，并分析了各种支撑对飞机各部件干扰的影响之后表明：对于不同平尾位置的大飞机，前位叶片腹支是三种支撑中干扰最小的，其纵向干扰量均小于风洞试验最大误差。利用前位腹支－尾支组合进行大飞机纵、横向试验具有明显的优越性。     

基于多分类器决策融合的印鉴真伪鉴别方法

印鉴的自动识别对于实验银行印鉴数字化及计算机管理，实现银行对公业务的通存通兑有重大意义，符合票据法的要求，是银行业发展的需要，本文研究了模式识别领域中印鉴识别这一问题，提出了特征抽取和分类的新方法，基于差图像的成分统计特征抽取方法，发展了骨架图像的结构特征抽取方法，提出了特征点距离特征和笔划曲率特征内两种新的有效特征，本文提出了基于支持向量机（support vector machine,SVM)多分类器融合印鉴鉴别的方法，试验结果表明，本文的方法大大提高了印鉴的鉴别能力和可靠性，效果令人满意。     

地炮对武装直升机间瞄射击最优火力分配

最优火力分配是指当目标性质和地段幅员、诸元误差、散布表征以及发射弹数一定时,如何选择合适的射向间隔和距离差,使对目标射击的毁伤程度达到最大值。目前已建立的最优火力分配模型基于二维,只适用于对地面目标射击,而对武装直升机行间瞄射击时,应采用三维条件下的最优火力分配模型。因此,本文研究了地面火炮射击低空飞行的直升机的最优火力分配问题,推导了评定射击效率的三维模型,建立了最优火力分配的三维数学模型,解决了三维条件下最优火力分配的定量计算。     

基于支持向量机的结构损伤程度识别研究

支持向量机(SupportVector Machine,SVM)是一种基于统计学习理论的机器学习算法,能够较好的解决小样本的学习问题,具有很优秀的回归特性。本文提出了一种基于支持向量机辨识结构损伤程度的方法,构造模态频率作为损伤标识量训练支持向量机对损伤程度进行预测,并以悬臂梁为例进行了仿真计算。结果表明:支持向量机是一种很有潜力的结构损伤识别方法,具有很好的应用前景。