嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

 针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法。该方法将嵌入维数作为影响状态时间序列预测精度的重?问?以交叉验证误差为评价准则,利用粒子群优化（PSO）进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型。航空发动机排气温度（EGT）预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测。     

基于稀疏最小二乘支持向量机的航空发动机动态过程辨识

针对现有最小二乘支持向量机(LS-SVM)稀疏性不足的难题,提出一种稀疏化策略,应用此方法建立了航空发动机动态过程模型.在对原始样本预求解过程中,该策略使用改进Gram-Schmidt正交化算法对非线性映射矩阵实施递归分解,同时以阈值监督输出向量的残差化过程,从而优选训练样本,降低样本规模,节省内存,提高LS-SVM学习速度.仿真表明,基于优选样本的学习模型较之其他训练样本学习模型提高了回归精度和速度,验证了方法的可行性;基于实际试验数据建立的航空发动机动态过程模型在类似过程参数预测以及性能递推预估仿真表明,高压转子相对转速误差低于0.2%,低压转子相对转速误差低于0.35%,涡轮后燃气温度误差小于3.5℃,满足控制与仿真的需要.      

A Novel PF-LSSVR-based Framework for Failure Prognosis of Nonlinear Systems with Time-varying Parameters

Particle filtering (PF) is being applied successfully in nonlinear and/or non-Gaussian system failure prognosis. However, for failure prediction of many complex systems whose dynamic state evolution models involve time-varying parameters, the traditional PF-based prognosis framework will probably generate serious deviations in results since it implements prediction through iterative calculation using the state models. To address the problem, this paper develops a novel integrated PF-LSSVR framework based on PF and least squares support vector regression (LSSVR) for nonlinear system failure prognosis. This approach employs LSSVR for long-term observation series prediction and applies PF-based dual estimation to collaboratively estimate the values of system states and parameters of the corresponding future time instances. Meantime, the propagation of prediction uncertainty is emphatically taken into account. Therefore, PF-LSSVR avoids over-dependency on system state models in prediction phase. With a two-sided failure definition, the probability distribution of system remaining useful life (RUL) is accessed and the corresponding methods of calculating performance evaluation metrics are put forward. The PF-LSSVR framework is applied to a three-vessel water tank system failure prognosis and it has much higher prediction accuracy and confidence level than traditional PF-based framework.     

基于迭代变加权最小二乘的宽带波束赋形方法

针对常规加权最小二乘宽带波束形成中存在较大主瓣增益损失和旁瓣电平偏高的问题,提出了一种基于迭代变加权最小二乘的宽带波束赋形方法。首先通过合理设计加权函数和参考波束同步迭代优化波束主瓣区域和旁瓣区域对应的加权函数值;然后对波束最小旁瓣电平进行调整并更新加权值,以获得低旁瓣宽带近似频率不变波束形成器。与常规加权最小二乘法相比,有效减小了波束主瓣增益损失,改善了波束的频率不变特性,并降低了宽带波束最高旁瓣电平。仿真结果表明该方法的有效性。     

基于单星定位的火星着陆器初定位方法研究

针对火星探测中着陆器的初定位问题,提出了一种利用单个轨道环绕器为着陆器进行无线电定位的计算方法。首先根据投影法求解着陆器的位置初值,再使用最小二乘法,利用一段时间内的轨道器的位置及其与着陆器的距离数据,求解着陆器的经纬度。通过与卫星工具包(Satellite Tool Kit,STK)软件的计算结果比较,表明此方法是有效的。     

基于递推傅里叶变换的飞行器参数在线辨识方法

在线辨识在现代飞行控制系统设计中扮演越来越重要的角色,飞行器模型的在线更新使得人们可以采用更智能的控制方法。基于计算精度和速度的考虑,在线辨识方法通常以递推方式进行,主要分为时域和频域两大类方法。在建立飞行器系统模型结构的基础上,利用频域递推傅里叶变换及最小二乘方法,实现对气动及控制偏导数的在线辨识。针对某飞机纵向通道的在线辨识仿真验证该方法有效,且计算速度和收敛速度快,辨识结果与参数真实值之间的一致性好,方法对传感器噪声有较强的适应性。最后,分析比较了各种典型激励信号对辨识结果的影响,为进行实际在线辨识试验提供了参考依据。     

一种新的基于TDOA与GROA的无源定位算法

针对基于到达时间差(TDOA)与到达增益比(GROA)的辐射源无源定位问题,提出了一种新的定位算法。首先通过引入一个中间变量,根据TDOA和GROA测量模型,构造一个约束加权最小二乘(CWLS)估计。由于这个CWLS问题是非凸的优化问题,现有的方法不能很好地求解。为此,提出了一种有效的方法可以求解到其全局最优解。最后,所提算法被推广到观测站存在自定位误差时的定位求解。计算机仿真结果验证了所提算法能够获得优于传统两步加权最小二乘法(2WLS)的定位性能,能够在更大的噪声条件下达到克拉美罗下界(CRLB)。     

基于低轨预警卫星测量数据的弹道重构与选星算法研究

在低轨天基预警卫星(STSS)24星构型配置条件下,对弹道导弹ICBM全程飞行过程中可见预警卫星数多于2颗,用最小二乘几何弹道一次定位及扩展卡尔曼滤波(EKF)算法,提出了基于观测噪声估计方差最小的可见星最优选星原则。仿真结果表明:与不进行选星方式相比,用该选星原则进行弹道导弹弹道重构计算可满足在最小限度占用监视预警卫星资源条件下,获得更高的弹道重构精度。     

基于退化数据与故障数据的导弹竞争故障预测

针对具有多元退化量的导弹竞争故障预测问题,分析了导弹退化特性,并在考虑突发故障与退化故障相关性的基础上,建立了具有多元退化量的导弹竞争故障预测模型。对导弹性能退化数据与突发故障数据进行统计推断,确定了数据的分布类型,在此基础上对竞争故障预测模型的参数进行了求解。针对导弹性能退化数据分布参数存在非线性、小样本等问题,运用最小二乘支持向量机(LS-SVM)预测模型对性能退化数据的分布参数进行了预测,得到了性能退化数据未来某一时刻的分布函数;针对退化量与突发故障的相关性,应用位置-尺度模型分析了退化量与突发故障的关系,得出了突发故障与退化量的相关参数,进而根据导弹竞争故障预测模型得到了导弹未来一段时间内的竞争故障概率。以贮存状态下的整批导弹为例,实现了导弹竞争故障预测,并与其他预测方法进行了对比,结果验证了方法的合理性与有效性。      

基于CO2浓度监测的飞机火警探测方法

目前飞机普遍采用感温、感烟火警探测方法,其存在误报率高的缺陷.分析了发生火灾时气态燃烧产物的生成规律,提出了以CO_2气体为火警探测参量,通过准确监测环境中CO_2气体浓度的变化,进行飞机火警探测的方法;根据飞机飞行所处环境条件的特殊性,研究了基于非色散红外(NDIR)吸收原理的CO_2气体浓度监测的飞机火警探测方法应用于飞机上所面临的温度补偿难题;根据飞机火警探测器测量电压与环境温度、参比电压之间的关系,采用偏最小二乘(PLS)法建立飞机火警探测器温度补偿模型;根据飞机火警探测器测量电压与CO_2气体浓度之间的关系,采用PLS法建立CO_2气体浓度计算模型;研究了基于CO_2气体浓度监测的报警算法,为飞机火警探测提供了一种新的方法.