一种基于SVM的低空飞行冲突探测算法

随着低空飞行密度不断增加,低空航行安全已引起广泛关注,由于低空环境复杂,低空飞行受地面障碍物和天气影响比商用航空显著,传统的空中交通警戒与防撞系统（TCAS）和其他冲突探测方法并不适用于低空密集飞行环境。针对传统探测方法计算量大、适用性差的不足,引入支持向量机（SVM）的二元分类方法,通过对本机和周边飞机航迹归一化处理,采用智能优化算法对关键参数进行优化,利用模拟数据对分类器进行预先训练,实现了适用于低空飞行的高效冲突探测。以大量的仿造数据对算法有效性进行了测试验证,结果表明漏警率和误警率分别控制在约0.1%和6%,克服了传统确定型方法与概率型方法难以兼顾效率与适用性的缺陷。      

应用支持向量回归机探索发动机VSV调节规律

发动机可调静子叶片（VSV）调节规律极其复杂,通过挖掘快速存取记录装置（QAR）数据对VSV调节规律进行了深入研究。首先,通过PW4077D发动机健康状态的QAR数据,建立基于粒子群优化（PSO）算法的支持向量回归机（SVR）模型,来探索VSV调节规律;然后,利用后续航班数据对PSO-SVR模型进行验证,并将验证结果与传统的PSO-BP神经网络模型进行对比;最后,应用PSO-SVR模型进行发动机故障诊断。研究结果表明:PSO-SVR模型的回归预测精度优于PSO-BP神经网络模型,能够准确反映VSV的调节规律。可将其用于发动机的状态监控和故障诊断,亦可为VSV控制系统设计提供参考。      

换铰法确定结点线位移数的研究

针对用换铰法确定位移法中独立的未知结点线位移时遇到的问题,提出了对定向支座的换铰处理方法,论证了与杆轴平行的链杆支座、定向支座处的线位移不必作为位移法独立的未知结点线位移,与杆轴垂直或斜交的链杆支座、定向支座处的线位移一般要作为位移法独立的未知结点线位移,总结出了用换铰法确定位移法中独立的未知结点线位移的简单计算公式,使得换铰法不再受边界条件的限制,并通过实例计算得以验证。     

飞行控制系统余度方案设计的决策支持系统

本系统是示范工程ＦＣＳ－ＣＩＭＳ（飞行控制系统－计算机集成制造系统）技术可行性论证系统的一个子系统,它是基于数据库,辅助决策者针对数字式飞行控制系统硬件相似余度方案设计的决策支持系统。它建立了以分层型结构为基础的决策支持系统的总体框架;应用余度技术领域专家的知识,建立了余度模型库;系统考虑了可维修性指标与可用度指标;提出了以综合考虑系统重量、体积、成本与技术风险度等指标的多目标专家评估法为基础的决     

论会计计量

会计计量的核心是计量属性的计量单位。选择不同方式的会计计量属性和不同的计量单位,其结果将导致不同会计实务领域的出现。     

自适应分块的改进最小费用网络流解缠算法

相位解缠是进行精确差分干涉测绘的关键步骤,在相位解缠算法中,最小费用网络流(MCF)是当前常用的算法,该算法具有精度高、限制残差点误差扩散、优先将误差限制在低相干区域的优点,但随着残差点数量的增多,其计算效率也随之降低。改进的MCF算法通过对其做分块,有效提升了算法效率,但块尺寸的选取影响最后的准确度与效率。本文提出一种自适应分块的改进MCF解缠算法,通过自适应寻优的方式选取合适的分割块,将相干性较高的点集中在同一块内,使得在准确度不受过多影响的情况下有效地提升算法效率。     

企业研究与试验成本的规划与控制

企业的技术创新成为企业竞争的一项内容,企业要进行自主创新,必然要进行项目研究与试验,发生一系列的研究与试验成本。但目前我国企业的研究与试验成本控制方面存在一系列的问题。文章从研究与试验成本的时间规划、研究与试验成本项目规划、研究与试验成本的控制手段规划进行展开论述,并提出在规划控制中要注意克服一系列问题。     

装载机载重动态测量的LS-SVM速度补偿方法

能否合理补偿动臂举升速度对所测油压信号的影响是制约装载机载重动态测量精度的关键问题.在给出载重测量的实现方法后,建立了实现载重测量速度补偿和载重量计算的框架模型,然后详细阐述了贝叶斯证据框架下最小二乘支持向量机(LS SVM,Least Square Support Vector Machines)参数的推断优化过程,以及基于贝叶斯证据框架下的LS SVM速度补偿方法.试验结果表明,采用该方法进行速度补偿后的载重测量误差均能控制到1%以下,验证了其有效性.      

灰色预测在无人机维修费用估算中的应用

维修费用估算是无人机寿命周期费用估算的重要组成部分,维修费用是随着时间推移而递增的时间序列函数.针对传统估算方法,由于样本量有限而无法得到准确预测值的实际情况,引入灰色理论,运用GM(1,1)模型对某型无人机维修费用进行估算,预测出了一个较为准确的结果.灰色预测用于无人机维修费用估算效果较好.      

基于XGBoost的三分类优惠券预测方法

在O2O营销过程中,优惠券是一种行之有效的营销工具。然而,在不清楚用户是否有消费意愿的情况下,就会产生优惠券滥发的现象。为了提高优惠券的使用率,本文首先将三支决策思想引入到优惠券使用预测问题中,并结合机器学习算法中的集成算法XGBoost对优惠券的使用情况进行模型构建。其次,在三支决策过程中考虑误分类成本和学习成本,使得分类过程更加贴近实际。最后,对阿里巴巴在天池平台提供的用户优惠券真实消费数据进行实验分析。结果表明,使用基于XGBoost的三分类算法可以有效提高分类的精确度。商户不仅可以维持老顾客,还能识别出潜在新客户,从而降低商户的营销成本。