基于改进模糊SVM的转子振动故障诊断技术

首先对常用的隶属度确定方法进行改进,提出了基于改进模糊支持向量机(FSVM)的融合故障诊断方法,并建立了改进FSVM故障诊断数学模型;然后,利用转子振动模拟实验台对四种典型的转子诊断故障进行模拟,并提取其故障信号特征;最后,通过实例计算分析,验证了该方法在转子振动故障诊断方面是可行的和有效的.     

回转复杂曲面零件在线精密测量技术

针对复杂曲面零件的面形测量难题,提出以超精密机床作为栽体,利用高精度触发式测头,采用接触式的轮廓测量方法,检测曲面零件的子午面曲线,再与理论曲线相比较得出被测零件的面形精度.测量试验分析表明:该测量方法的检测精度高,通用性强,在实际加工和检测应用中具有很高的实用价值和应用前景.     

基于在线LS-SVM算法的变参数混沌时间序列预测

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列。变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tan-kens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题。最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少。提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列。对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列。     

基于卷积神经网络的运载火箭测发网络流量异常检测技术

运载火箭测发网络是维系各型号运载火箭远距离测试及发射控制的重要国防基础设施,对测发网络流量进行异常检测是保证其正常工作的关键举措。近年来,随着测发网络功能的拓展,其面临的网络安全威胁越来越严重,而当前的安全检测主要依赖于基于异常特征库匹配的流量异常检测方法,这种检测方法对一些新型攻击检测能力非常有限。本文结合运载火箭测发网络实际特点,针对以使用用户数据报协议(UDP)为主的测发网络流量,设计一种新的基于固定数据包数目的流量图片样本生成方法,首次提出在测发网络流量异常检测问题上使用卷积神经网络,以原始网络流量作为输入,避开难以解决的人工特征集设计问题。通过测发网络真实网络流量数据进行实验,取得了较高的精度、召回率和准确率,验证了本方法具备一定的实用性。     

碲化铋基温差发电模块输出功率优化试验研究

同位素温差发电器在深空探测活动中具有广泛的应用背景。为优选温差发电模块构型、提高输出功率,制备了具有不同热电元件厚度的碲化铋基温差发电模块;并通过建立的试验测试系统,测量了不同温差条件下发电模块的输出功率和匹配负载随热电元件厚度的变化。试验结果表明,在所研究的热电元件厚度范围内,随着热电元件厚度的减小,模块的输出功率呈线性增大趋势,而匹配负载则呈线性减小趋势。在热源温度478 K、热沉温度300 K的条件下,测得热电元件厚度为1.0 mm的模块的最大输出功率达到约8.2 W,最大功率面积比约为0.52 W·cm-2。     

温差发电模块面积比功率实验优化研究

同位素温差发电器是目前深空探测航天器广泛采用的电源装置。为优选温差发电模块构型、提高模块的输出功率和面积比功率,制备了具有不同热电元件截面积的碲化铋基温差发电模块。通过建立的实验测试系统,测量了多种温差条件下发电模块的输出功率随负载的变化。实验结果表明:当模块包含的热电元件(p–n结)对数一定时,热电元件的截面积越大、模块占空比越高,则模块输出功率越高、匹配负载越小;在热源温度450 K、热沉温度300 K的条件下,测得热电元件截面积为1.6 mm×1.6 mm、占空比为0.406的发电模块的最大面积比功率约为0.282 W·cm~(-2)。最后,对理想与实际情况下,占空比为1时的模块面积比功率进行了分析。     

最小二乘支持向量机的在线学习算法研究

针对最小二乘支持向量机在线逼近过程中求解矩阵维数逐渐扩大的问题,提出了一种最小二乘支持向量机的在线学习算法。借助滚动窗口的思想,建立一个随时间滑动的建模数据区间,在线逼近中通过接受新数据删除旧数据来保持数据区间长度不变,同时数据不断更新,从而实现模型的在线学习。仿真结果表明了这种学习算法的有效性。     

一种用于FM-FM遥测系统的测试信号源

介绍一种满足IRIG标准的FM- FM 调频信号源。根据试验结果,证明这种信号源不仅性能稳定,而且具有很好的灵活性。在各类符合IRIG标准FM- FM 体制遥测接收机的研制中具有一定的实用价值     

燃气发生器流量调节方案的比较

在分析了变喉面、非壅塞喷管、固定流量等三种方案的调节原理的基础上，说明了每一种调节方案的技术关键以及它们的优缺点。以燃烧性能为基础，分析了每一种贫氧推进剂对流量调节方案的要求，指出了三种调节方案的适用对象，为流量调节方案的选择提供了一定的理论依据。     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.