工程系统健康描述及基于GFRF方法的健康监测

健康管理概念是伴随着工程系统应用而产生的.针对目前复杂系统综合健康管理技术领域缺乏有效的系统健康表示方法的问题,提出了健康向量、健康指数、健康函数、健康态变映射、健康状态映射等一系列描述工程系统健康的基本概念.与传统的部件状态参数描述方法相比,引入健康向量等概念可以全面地描述系统级健康,并且能够有效地刻画系统健康的动态变化本质.分析了Volterra级数系统描述方法和广义频率响应函数分析技术,利用系统健康形式化定义构建系统健康向量,讨论了一类非线性系统基于广义频率响应函数的健康监测技术.以非线性弹簧-阻尼-质量块系统为研究对象,通过仿真计算,给出了系统健康监测数据与系统健康指数的对应关系.仿真实验结果证明了系统健康形式化描述方法的有效性以及基于广义频率响应函数健康监测方法的可行性.      

树形结构SVMs多类分类的研究

介绍了SVM方法原理,为了将SVM在解决两类分类问题中的优越性推广至解决多类分类问题,分析构建树方法与SVM结合运用来提高SVM在进行多类分类时的训练效率的方法, 然后构造文本自动分类,实验说明该方法有较高的训练效率,并且所需的训练样本量大大降低。     

应用SVM的发动机故障诊断若干问题研究

支持向量机能够克服一般神经网络容易出现的过学习和泛化能力低等不足。提出一种基于支持向量机的航空发动机气路部件故障诊断方法,讨论了支持向量机的核函数选择和参数确定问题,并对"块算法"进行了分析。仿真实验表明,设计的正则化参数和核参数合理,故障分类器具有良好的分类准确性和泛化性能,可以对发动机气路部件的典型故障进行正确诊断。     

数据聚类方法的研究与分析

聚类分析是近年来迅速发展起来的一种新兴的数据处理技术,它在许多领域有着广泛的应用,尤其是在数据挖掘领域。首先阐述了聚类分析的基本概念和分类,然后针对目前几类主要的聚类分析方法,重点分析了基于密度的DBSCAN算法,基于层次的BIRCH算法以及基于网格的Wave Cluster算法这三种具有代表性的聚类方法,分析了它们的优缺点和时间复杂度。最后提及了聚类分析方法的应用范围以及今后需要解决的问题和发展方向。     

基于主成分分析和支持向量机的作战飞机效能评估

作战飞机效能的评估是防空作战中的重要问题,简述了效能评估的各种方法,建立参数效能模型时,首先要挑选特征参数,用主成分分析方法选择武器的特征参数。利用支持向量机建立了作战飞机的参数效能模型,通过实例与神经网络法的结果进行了比较,结果表明支持向量机比较精确和简单。     

基于空间矢量控制的坦克炮塔系统伺服驱动器设计

空间矢量脉宽调制(SVPWM)在运动控制领域已广泛应用,本文研究了基于空间矢量控制原理的坦克炮塔控制系统(简称“炮控系统”).空间矢量控制方式的实质是将交流电动机等效为直流电动机,分别对速度和磁场两个分量进行独立控制.此设计是通过空间矢量脉宽调制方法控制永磁同步电机,提出了炮控系统的组成以及系统的硬件设计和软件框图,在实际的应用中提高了炮塔的响应时间及稳定性,取得了良好的应用效果.     

光笔式三坐标测量机的蛙跳算法

在用光笔坐标机进行测量时,为了达到要求,经常要采用蛙跳法进行测量。建立了相应的数学模型,推导出蛙跳后的新坐标系和原坐标系的转换关系,先粗略求解它们之间的平移向量和旋转矩阵,进一步给出通过最优化方法精确求解平移向量和旋转矩阵的算法。编程实现此蛙跳算法,结合Matlab进行仿真,并分析误差大小,仿真表明该算法具有一定的实用价值和参考价值。     

基于支持向量机和蚁群算法的空间目标分类

研究了基于支持向量机的空间目标分类中核参数和误差惩罚因子的选择问题.将蚁群算法与支持向量机相结合,提出了一种自动优选支持向量机模型参数的方法,克服了以往反复试验以确定其参数的缺点.采用所提出的方法,分类正确率迭90%左右,验证了该方法的有效性.     

基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制

提出了一种基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制方法.该方法通过给误差变量赋予不同权值因子提高LS-SVM的鲁棒性,采用修剪算法提高LS-SVM的稀疏性;该方法从某涡扇发动机输入输出空间中建立其正常模型,采用阈值判别法对传感器故障进行实时监视与诊断,并用模型输出值代替故障传感器测量值反馈回闭环控制系统,实现对发动机的自适应重构控制.仿真结果表明,该方法能及时准确地定位故障,并进行有效的自适应重构控制.      

一种基于航摄图像特性的H.263压缩算法的改进

研究了航摄视频图像的特性,并根据航摄视频图像的特性,从预测初始搜索点、搜索策略和半像素精度运动估值方面改进了H.263标准中的运动估计算法。实验结果表明,针对航摄图像特性改进的算法比全搜索算法和三步搜索算法具有更高的搜索效率。