小样本下基于偏最小二乘回归的航空发动机性能参数预测

排气温度(EGT)是反映民用航空发动机运行状态的重要性能参数之一,本文基于发动机各个性能参数存在相关性研究的基础上,针对小样本、贫信息量、多自变量影响的情况,结合偏最小二乘回归分析,提出了一种小样本条件下考虑发动机众多因素对EGT影响的发动机性能短期预测模型。作为试验验证,文中选取了某民用飞机发动机实际飞行数据对模型进行检验,并与大样本、足信息条件下建立的多元线性回归预测模型进行对比,结果表明该模型在贫信息下也可以达到很高的预测精度,为少数据条件下发动机性能参数短期预测提供了一个有效途径。     

应用快速多分类SVM的航空发动机故障诊断方法

提出了一种新的快速多分类SVM算法,用于解决大样本情况下航空发动机的多类故障诊断问题。首先,选用层次支持向量机(H-SVM)来实现多类分类,用各类数据中心代表该类数据,通过自组织特征映射神经网络(SOFM)进行聚类,把类中心之间距离较近的数据归为同一个子类进行训练,得到H-SVM层次结构。其次,在训练H-SVM中的二元分类器时,应用相对边界向量(RBV)代替全部训练样本,在保持分类精度几乎不变的条件下大幅度减少了训练样本数,使训练时间明显缩短;同时,由于支持向量的数量减小,分类时间也相应缩短。在分类数据混迭较为严重的情况下,新算法先剔除混迭的异类数据,再计算RBV,并且把与计算的RBV距离小于一定数值的样本都选择来训练SVM,保证了RBV的合理性,防止了关键数据的丢失,有效提高了分类精度。针对一个航空涡喷发动机5类复合故障的分类进行了实例仿真,总的故障分类正确率达到91.2%,二元SVM的训练时间最多只有原来的16.20%;当训练样本总数达到7500的大规模情况下,根据本算法,约减后的样本数量只有原来的3.05%。仿真结果表明,提出的算法有效、可靠,容易实现。     

基于随机森林的风洞马赫数预测模型

在风洞试验中,马赫数的稳定性和快速性对风洞流场品质有着重要影响。为了实现马赫数的精确控制,必须对马赫数进行快速、准确的预测。风洞试验积累了大量数据,大数据集包含了更多的有益信息,为实现马赫数的精确预测提拱了可能性,但也增加了建模的复杂度。通常高度复杂的模型会加重其在实际使用时的计算负担。针对大数据集问题,本文将随机森林方法应用于风洞马赫数建模。随机森林是一种集成模型建模方法,它从3方面降低模型的复杂度:产生多个样本子集,减少了子模型的训练样本个数;具有并行集成结构,子模型可在不同的CPU上运行,提高了运行速度;以简单学习算法回归树作为基学习机,降低了子模型的复杂度。试验证明基于随机森林的马赫数预测模型能够有效利用试验积累的大数据,满足工程上预测速度及精度的要求。     

改进集对分析的多属性决策方法在通信干扰目标威胁排序中的应用

针对属性值以区间数形式的模糊多属性决策问题,提出了基于集对分析理论的综合理想方案决策方法。该方法将集对分析理论的应用范围从精确实数域拓展到模糊区间数域,在承认不确定性因素的情况下,对各个方案与正理想方案和负理想方案所组成的区间型集对进行了分析,得出同异反联系数,以γ准则为依据实现了模糊多属性决策。通信干扰目标威胁排序的实例计算表明,该方法是处理模糊多属性决策问题的一种有效方法,同时为通信干扰目标威胁排序提供了一种新的方法。     

关于飞机数字化装配对接技术的研究

飞机部件对接技术是把构成飞机基本结构的各个部件连接在一起,形成机身、机翼或整个飞机的过程。近年来,随着数控加工技术、激光测量技术、计算机控制技术、机器人技术、计算机网络和应用集成技术的迅猛发展,飞机装配由人工装配转化为半自动化、自动化装配。     

基于优势关系粗糙集的属性约简算法

针对目前对不同信息系统下优势粗集的处理几乎都是将其划为单值完备信息系统来处理这种现象,以及基于区别矩阵和基于正域的属性约简算法是不等价的这个问题,提出了一种基于单值完备信息系统的快速属性约简算法。首先,提出了对象集约简;其次,使用基数排序思想计算;再次,结合了区别矩阵和正域约简2种算法,在大量提高算法时间复杂度的同时提高了算法的可信度;最后,采用实验验证了约简算法的实用性。     

基于BP网络星图识别的样本构造方法

星敏感器是一种高精度的姿态敏感测量系统，如何确定星敏感器上像点在摄影时刻所对应的恒星，即星图识别，是姿态测量的关键。本文根据星图识别问题本身的特点和神经网络技术的特性，提出了基于BP网络星图识别方法的一种可以兼顾性能和效率、利于实现的样本构造方法。     

关于正则分离性和正规分离性的几个一般性定理

针对拓扑中正则分离性和正规分离性问题，给出了几个一般性结论。首先给出了文[1]一些常见集族的某些共同性质，然后，统一处理和改进了T-分离性、S-分离性的、T^*-分离性的一些结果。最后，在文[1]基础上，进一步统一和改进了各种正则和正规空间关于拓扑性质、可积性等方面的一些结果，并给出了几个一般性定理。     

基于自助法的小样本数据分析方法研究

自助法（Bootstrap）和随机加权法（Bayes Bootstrap）都是较好的处理小样本数据的方法,其无先验性,以及计算过程中只需要实际观测数据的优越性,使其广泛地应用于实际数据处理之中,后者的估计精度要更好些。但对连续情况而言,自助法的计算特性使得重抽样本局限在原始样本范围内,无法渐进于真实情况。文章基于自助法研究了用改进的样本经验分布函数来解决这个问题,并通过仿真算例说明方法的有效性。     

复合材料B基值计算方法及影响因素研究

概述了目前几种通用的复合材料B基值的计算方法,并对影响B基值精确度的因素进行了研究。重点讨论了分布函数、统计方法、样本大小、样本离散系数对计算复合材料B基值的影响。结果表明正态分布能够较好的拟合数据分布并能得到较高的B基值;M IL方法比FAA、小样本方法容易获得较为保守的B基值;当数据样本较小时,采用小样本方法可以获得较为稳定的B基值;当样本足够大时,可选用M IL或FAA方法计算B基值;在不忽略样本间实际存在的分散性前提下,应设法改善材料性能,降低样本数据的离散系数,才可提高B基值。