AO-LSSVM在铣削铝合金表面粗糙度预测研究与应用

为提高铣削7475铝合金表面粗糙度（）的预测准确性和便捷性,本文基于天鹰优化器算法（AO）对最小二乘向量机（LSSVM）进行优化,以4个铣削参数作为输入值,作为输出值构建铣削铝合金预测模型,通过与粒子群（PSO）优化最小二乘支持向量机（LSSVM）和LSSVM 两种算法进行对比,采用灰色关联对铣削参数与表面粗糙度之间的相关性进行分析并通过GUI界面搭建预测系统。结果表明：基于AO-LSSVM的预测模型的预测误差为4.287 6%,拟合优度达到0.938 64,优于其他算法;每齿进给量与的相关性最大,灰色关联度值为0.764;通过GUI预测应用系统能实现高效、便捷、准确地预测值。     

企业的控制和激励机制与交易成本分析

运用交易成本理论对企业的控制和激励机制进行了分析，提出企业管理控制的重点应转向引发成本的根源——活动上．而在激励中应更重视部门间的合作。     

两边角盒强度计算的工程方法研究

以大量角盒试验件的试验实测值为依托 ,对常用的角盒计算方法进行了较客观的评价 ,并在此基础上 ,提出了工程可用的简化计算方法 ,这个方法使用方便 ,且具有工程上可接受的精度 ,因此推荐使用     

基于支持向量回归的机场旅客吞吐量预测

在分析现有机场旅客吞吐量预测方法不足的基础上,利用基于结构风险最小化原则的支持向量回归方法,建立了机场旅客吞吐量预测模型。通过实际数据的检验及与BP神经网络等方法的预测结果比较,证明应用支持向量回归方法对机场旅客吞吐量进行预测具备可行性,同时具有较高的预测精度。     

Novel approach of crater detection by crater candidate region selection and matrix-pattern-oriented least squares support vector machine

Impacted craters are commonly found on the surface of planets, satellites, asteroids and other solar system bodies. In order to speed up the rate of constructing the database of craters, it is important to develop crater detection algorithms. This paper presents a novel approach to automatically detect craters on planetary surfaces. The approach contains two parts: crater candidate region selection and crater detection. In the first part, crater candidate region selection is achieved by Kanade-Lucas-Tomasi (KLT) detector. Matrix-pattern-oriented least squares support vector machine (MatLSSVM), as the matrixization version of least square support vector machine (SVM), inherits the advantages of least squares support vector machine (LSSVM), reduces storage space greatly and reserves spatial redundancies within each image matrix compared with general LSSVM. The second part of the approach employs MatLSSVM to design classifier for crater detection. Experimental results on the dataset which comprises 160 preprocessed image patches from Google Mars demonstrate that the accuracy rate of crater detection can be up to 88%. In addition, the outstanding feature of the approach introduced in this paper is that it takes resized crater candidate region as input pattern directly to finish crater detection. The results of the last experiment demonstrate that MatLSSVM-based classifier can detect crater regions effectively on the basis of KLT-based crater candidate region selection.     

最小二乘支持向量回归机在发动机推力估计中的应用

实现直接推力控制的首要问题就是要估计出推力.基于最小二乘支持向量回归机提出了一种Wrapper算法进行特征选择,此算法不仅能降低计算的复杂度,而且能增强模型的泛化能力.另外,在对最小二乘支持向量回归机进行稀疏性建模的时候,用QR分解法代替传统的协方差法,增强了数值的稳定性.最后,推力估计器设计的应用实例,验证了本文提出的特征选择法和QR分解法进行稀疏性建模的可行性和实用性.      

航空发动机部件性能故障融合诊断方法研究

提出一种对航空发动机部件性能蜕化进行融合诊断的模糊决策融合机制,以改善单独采用基于模型和基于数据的部件性能故障诊断的漏诊与误诊的问题.传感器测量值同时输入到基于自适应模型的和基于数据的诊断模块中,分别利用卡尔曼滤波算法和最小二乘支持向量机(LSSVM)对主要部件故障性能参数估计,再利用模糊逻辑调整决策权重以进行D-S(Dempster-Shafer)证据理论的决策融合诊断.以某型涡扇发动机为对象进行单部件和双部件蜕化仿真研究表明,与单独使用基于模型和基于数据的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度.      

基于增量式排列支持向量机的机场航班延误预警

目前航班延误已经成为世界范围内一个日益严峻的问题,对于大型机场进行航班延误预警工作显得日趋紧迫。在空运需求与机场容量冲突导致航班延误的观点下,提出了用排列支持向量机来进行航班延误预警。针对机场航班数据不断更新的特点,给出了增量式排列支持向量机算法来进行航班延误预警。不仅通过人工数据上的实验说明了该增量式算法更能满足在线预警的要求,而且在收集到的中国某国际机场两周的航班数据上也取得了80%及以上的预测准确率。     

递阶偏最小二乘回归在飞机研制费用预测中的应用

分析了飞机研制费用样本数据少、费用驱动因子众多的特点,考虑到递阶偏最小二乘回归(Hi-PLS)方法在变量规模巨大情形下进行回归建模的优势,应用递阶偏最小二乘回归方法对飞机研制费用进行预测。以战斗机机体研制费用预测为例进行研究,首先对战斗机机体研制费用驱动因子进行分组,然后应用递阶偏最小二乘回归方法对分组后的费用驱动因子进行回归建立机体研制费用预测模型。实例表明,在飞机研制费用预测方面,采用递阶偏最小二乘回归方法预测更能体现研制费用与飞机性能参数之间的关系。     

基于LS-SVM的模态参数识别方法

 最小二乘支持向量机回归用于系统的模态参数识别研究。针对经典的最小二乘支持向量回归缺少鲁棒性和稀疏性的缺陷,提出了一种兼具鲁棒性和稀疏性的最小二乘支持向量回归的算法,并保持了它原有的计算速度快的优点。最后,结合结构动力学方程的自回归滑动平均时间序列形式,给出了结构的模态参数提取方法和流程,给出了相应的数值算例以及进行了实验的检验证明。结果表明,本文的方法能够快速、准确地提取出系统的模态参数。