疲劳寿命的威布尔概率分布回归检验与参数估计

根据威布尔随机变量与其分布函数在威布尔概率纸上呈线性关系这一特征，经过对随机变量的变换，利用线性回归分析的相关系数检验随机变量是否服从威布尔分布，同时还可以确定威布尔概率分布参数的最优估计结果。     

硬支承动平衡机通用微机化电测系统的研究

论述了一种以IBM-PC为主机的微机化通用硬支承动平衡机电测系统的实现方法。系统采用了先进的硬软件结合技术,寻求达到高精度、多功能、易操作和低成本的总体目标。为了满足不同用户的需求,系统具有多种支承方式、多种显示方式、多种补偿方式、多次启动平均、多面校正计算、多和打印方式以及自动标定和留言服务等功能．     

面向多种复杂零件的高精度人机协同装配系统

实现复杂三维结构体及小刚度零件的自动装配是极其困难的,为了解决此类零件难以夹持以及夹持变形的难题,分别设计了针对复杂结构的本体件快换夹持器和针对小刚度零件的气囊柔性夹持器以及针对微小平板类零件真空吸附式夹持器,并融合高精度调整技术以及合理的检测技术,设计了一台面向多种复杂零件的高精度人机协同装配系统。使用Abaqus仿真计算了气囊柔性夹持器对小刚度零件夹持变形的影响,零件特征面的弹性变形仅为1μm。通过装配间隙仅为32μm的轴孔对位装配实验,证明了该装配系统能完成零件间2μm~3μm高精度装配。该装配系统能够解放劳动力,提高生产装配的自动化。     

AHPSO-SVM预测超声内圆磨削ZTA陶瓷的边界损伤

为解决普通加工方式易出现工程陶瓷边缘碎裂的问题,本文对超声内圆磨削工程陶瓷边界损伤预测系统进行了研究。在35 kHz轴向超声磨削与普通磨削两种条件下独立进行试验,运用支持向量机研究工艺参数与边界损伤影响规律,采用改进的粒子群算法优化支持向量机,建立采用混合核函数的AHPSO-SVM预测模型。研究结果表明,超声激励下试件边界损伤降幅为10.05%～21.23%,AHPSO-SVM预测模型MSE为0.378 4、平均相对误差为1.369 0%、30次适应度值标准差为0.020 2。相比于普通磨削,超声磨削可使ZTA陶瓷边界损伤值显著降低;建立的AHPSO-SVM模型具有较好的学习能力、泛化性能与良好的稳定性。     

基于核近邻非参数回归的航材消耗预测

针对某型直升机服役时间短、机型较新、备件采购周期长等特点,使用核近邻非参数回归对平稳型航材建立消耗预测模型。对比多种回归方法,证明基于非参数回归的航材消耗模型对区间预测具有较好的效果。     

基于民航团队旅客销售的组合预测方法分析

利用Matlab分别用回归分析算法、BP神经网络算法、最小二乘支持向量机算法和组合预测算法对民航团队销售数据进行预测和比较分析,期望为民航销售人员提供更加精准的预测信息,以获得更高的航线收益.结果显示神经网络、支持向量机和组合预测3种算法比航空公司常用的回归分析预测精准度有了明显的提高.支持向量机预测精度相对神经网络稍低,却拥有更强的泛化能力.组合预测能避免单一预测方法的误差,更加适合航线销售人员的实际操作.     

飞机驾驶舱人-机-环实验平台研究

为了在地面实验室开展系统全面的飞机驾驶舱工效学实验,提出了一套完整的人-机-环闭路仿真模拟实验系统方案.综合分析实验系统的设计指标和功能要求,基于相似理论和模块化设计方法,分别对飞机仿真平台的硬件系统和软件系统、环境模拟舱、飞行员生理和心理测量系统开展研究和方案设计.最后搭建出半物理仿真模拟实验平台,实验平台可用于飞行员工作效率的影响机理研究、飞行员工作负荷评估以及仪表显示界面布局设计等.     

PSO-LSSVM在民机气动性能数学建模上的应用

目前风洞试验仅为民用飞机飞行性能提供有限数据.全飞行包线的技术支持对于民机飞行试验十分重要,需要采用数学建模和参数辨识的方法.选择合适的机器学习算法是参数辨识中最为关键的一步.支持向量机(SVM)采用结构风险最小化原理,尤其适用于小样本情形.根据A320非巡航起降阶段的几组真实数据,以及全机气动力估算的结果,使用最小二乘支持向量机建立预测模型.随后采用粒子群算法优化模型参数从而提升泛化能力.由此实现民机飞行包线的气动性能整体建模与辨识.与Ma=0.78时的实验数据相比较,PSO-LSSVM模型的预测结果吻合,是一种有效的气动数学建模方法.     

增材制造燃油喷嘴特征件磨粒流抛光研究

燃油喷嘴的增材制造在缩短制造周期、降低制造成本以及提升合格率方面具有明显优势,但是喷嘴内流道表面的光整处理成为打印工艺亟需突破的关键技术难题。对增材制造燃油喷嘴内流道特征件进行磨粒流四因素抛光试验,结果表明在本文的试验条件下,磨粒流抛光可有效去除表面黏粉、球化现象,改善表面台阶效应;通过优化计算获得了磨粒流抛光的最优工艺参数,经试验验证,喷嘴内流道表面粗糙度Ra由9.10μm降至2.70μm。     

基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSOLSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSOLSSVM算法能获得最优的LSSVM参数,且采用PSOLSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。