航空发动机故障的支持矢量机智能诊断

引入支持矢量机和多元分类算法到航空发动机故障诊断当中。通过设计的多元分类支持矢量机构建了小样本多参数航空发动机故障智能诊断模型，然后通过发动机故障仿真器对典型发动机气路故障进行了诊断。结果表明，支持矢量机具有优秀的故障学习能力，采用它进行航空发动机故障诊断是可行、有效的。     

支持向量机时间序列预测模型的参数影响分析与自适应优化

建立在统计学习理论和结构风险最小原则上的支持向量机在理论上保证了模型的最大泛化能力,因此与建立在经验风险最小原则上的神经网络模型相比,理论上更为完善.本文运用支持向量机建立时间序列预测模型,研究影响模型预测精度的相关参数,在分析参数对时间序列预测精度的影响基础上,提出用遗传算法建立支持向量机预测模型的参数自适应优化算法.最后,用太阳黑子数据和航空发动机油样光谱数据进行了预测分析.算例表明了本文算法的正确性.     

机身边条对双三角翼飞机升力特性的影响

通过低速风洞测力试验和七孔探针对空间流场的测量,研究了机身边条对双三角翼飞机升力特性的影响,并分析了机身边条的增升机理。研究表明机身边条在攻角12°以后使升力有了很大提高,这是由于机身边条产生的边条涡在一定迎角下与内翼涡相互诱导、相互作用,内翼涡使边条涡向机翼内侧移动,而边条涡则将内翼涡向外推,并使内翼涡的强度增大,两者的作用提高了双三角翼内翼上的涡升力,起到增升的作用。     

基于支持向量机的飞机空中结冰严重程度识别

为了保证飞机的飞行安全,必须对飞机空中结冰的严重程度作出较准确的判断。针对飞机空中结冰状况的复杂性,提出将支持向量机与二分法相结合的飞机空中结冰严重程度识别的算法模型。仿真结果表明,虽然该训练样本较少且为多参量分类识别,但是由于建立了多支持向量机且采用二分法的概率抉择能找到最佳的建立支持向量机的分类方式,所以找到了最佳的分类方式,提高了分类准确率,而且可以较准确地识别飞机空中结冰的严重程度。可见该方法可以在训练样本较少的情况下对飞机空中结冰严重程度作出较好的识别效果。     

紧凑布局核心机驱动风扇级设计参数影响分析

以某核心机驱动风扇级(Core driven fan stage,简称CDFS)的气动方案为例,使用新版Denton程序通过数值模拟分析了气动布局、预旋分布和转子径向负荷分布对CDFS性能的影响。数值结果表明:利用CDFS静子取代高压压气机进口导叶是一种紧凑高效的CDFS气动布局;CDFS效率所受的影响主要来自转子效率的变化,工作裕度所受的影响主要来自静子负荷的变化;增加CDFS转子叶根的设计压比可以降低CDFS静子叶根的气动负荷,从而使CDFS获得更为均衡的性能。     

基于支持向量机的直升机旋翼不平衡故障分类研究

提出一种利用支持向量机进行直升机旋翼不平衡故障诊断的方法,建立了用于直升机旋翼不平衡故障识别的支持向量机诊断模型,进行了直升机旋翼不平衡故障模拟试验,分别采集了在旋翼配重不平衡、桨距不平衡、后缘调整不平衡和正常状态下的试验台体振动信号,并对其进行了功率谱分析.采用基于支持向量机的诊断模型对旋翼不平衡故障进行了故障分类识别,并与基于径向基神经网络的诊断模型进行了故障识别效果对比.结果表明基于支持向量机的诊断方法在小样本条件下,对旋翼不平衡故障具有良好的识别能力.     

基于Census变换和Boosting方法的陨石坑区域检测

提出了一种基于图像的陨石坑区域检测技术.首先,通过对原始图像进行Census变换并获取变换后的直方图;其次,利用主分量分析的方法对直方图空间进行降维压缩,并将压缩后的直方图作为特征向量,同时利用主分量分析的重构误差设定阚值构建第一层分类器;再次,基于Boosting原则对训练样本集进行选择,并利用支持向量机构建第二、三层分类器;最后,将测试样本依次送入这3层分类嚣确定该样本是否含有陨石坑.在实验过程中,通过对原始图像进行连续缩放,并遍历所有大小为20×20的子图像,以检测大小不一的陨石坑区域,并研究了虚警闲值对于最终检测结果的重要意义.相关实验研究表明:提出的方法可以从俯视摄像机拍摄的陨石坑图像中有效地检测出陨石坑区域.     

基于压缩直方图的图像分类

提出了一种颜色直方图表示的彩色图像自动归于语义类别的策略。在这个分类策略中,主成分分析用于把高维颜色直方图映射至低维特征空间,低维的特征向量用于训练支持向量机分类器。实验结果表明,尽管现有的多种图像内容描述子对分类效果的影响不同,但它们都是高度冗余的,可以在不影响分类正确性的基础上被大幅度压缩。本文研究有助于实现基于内容图像检索相关反馈所要求的快速在线学习和重新归类。     

基于支持向量机的结构损伤程度识别研究

支持向量机(SupportVector Machine,SVM)是一种基于统计学习理论的机器学习算法,能够较好的解决小样本的学习问题,具有很优秀的回归特性。本文提出了一种基于支持向量机辨识结构损伤程度的方法,构造模态频率作为损伤标识量训练支持向量机对损伤程度进行预测,并以悬臂梁为例进行了仿真计算。结果表明:支持向量机是一种很有潜力的结构损伤识别方法,具有很好的应用前景。     

基于SVR的控制系统辨识建模研究

针对非线性控制系统辨识建模较为困难的问题,利用回归型支持向量机(SVR)设计了一例控制系统的辨识建模系统.仿真试验结果表明.SVR具有很高的建模精度和较强的泛化能力,从而验证了该方法的有效性和先进性.