极值搜索算法的研究与进展

回顾了极值搜索算法的发展历程,分析了单变量和多变量极值搜索算法、滑模极值搜索算法、斜率搜索算法等算法的优缺点,着重描述了变参数滑模极值搜索算法和退火回归神经网络极值搜索算法等,并且通过重构系统的损失函数方法将极值搜索算法的应用推广至一般系统,拓展了其应用范围。通过其应用实例说明,极值搜索算法能够解决航空控制、工业生产中的一些关键技术问题,因而有必要深入研究极值搜索算法。     

样本量为2的极小样本相容性检验方法

在航空航天领域由于成本、时间周期等原因进行疲劳寿命及可靠性评估时样本量通常极少（m=1或2）,利用相容性检验方法可对样本量进行扩充。常规的Wilcoxon秩和检验和K-S（Kolmogorov-Smirnov）检验适用于小样本情形,而极小样本相容性检验方面研究较少,且缺乏对方法合理性的详细说明和对不同方法检验功效优劣的比较。航空航天产品疲劳寿命多服从正态分布,因此本文主要以正态分布作为研究对象。利用Monte Carlo仿真发现从某一正态分布N（μ,σ²）中随机抽取两个样本x₁、x₂计算均值μ₁和标准差σ₁后构建新正态分布N（μ₁,σ₁²）,其±σ₁、±2σ₁和±3σ₁范围内的点落在原正态分布N（μ,σ²）±3σ范围内的概率依次为99.80%、98.13%和97.37%。在此基础上针对现场试验数据样本量为2的情况,本文提出利用3σ原则对先验信息数据进行相容性检验从而扩充样本量的方法。将该方法与两种文献方法对比后发现其误差率明显更低并呈现出检验性能随先验数据增加而不断提高的优势。     

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。     

受多种约束时航天器再入走廊的计算分析

给出了一种求解同时受升力、气动加热（率）和动压约束时，航天器再入走廊的近似计算方法。文中采用格林函数法，导出了再入过程中三种典型约束（气动加热率、升力和动压）条件之间关系的近似定量描述，在该三种约束取极限的条件下求得了再入走廊的上下边界。文中还介绍了上下边界近似解及相应控制规律的结构。     

基于PCA和WPSVM的航天器电特性识别方法

针对航天器电特性监测系统识别过程中存在测试数据量大、特征维数高、样本少、计算速度慢和识别率低等问题,提出基于主成分分析(PCA)的特征提取和加权近似支持向量机(WPSVM)的在线故障诊断方法.实现了对信号故障特征的主成分分析、选择和提取,并对高维特征数据实现了降维,提高了航天器电特性在线故障诊断的准确性和速度.针对PCA中的结果选取问题,提出运用数据贡献度阈值进行数据截取的方法,有效地保证了数据的有效性与一致性.结果表明:该方法充分利用了航天器电特性监测系统的有用数据特征,有效提高了识别的精度,且计算时间较短,效率较高.      

基于小样本的试验系统可信度评估方法

针对小样本试验数据信息匮乏、难以利用概率统计方法进行可信度评估的问题,将重抽样方法与小样本区间估计方法相融合,提出了小样本试验系统新型可信度评估方法。利用重抽样理论,获取多个具有相同样本量的相似小样本。根据灰色系统理论,提出了改进的灰色置信度及置信区间的定义及计算方法。并在此基础上通过求公共区间的方式计算原小样本数据的灰色置信区间。该置信区间在相同的置信度下,区间宽度更窄,精度更高。通过算例仿真,验证了上述方法的合理性、有效性,对工程试验中的小样本数据系统评估提供了一定的方法指导。      

小样本下基于孪生神经网络的柱塞泵故障诊断

针对目前基于深度神经网络的柱塞泵故障诊断方法在小样本条件下精度低、模型欠拟合问题,提出一种小样本条件下基于孪生神经网络的柱塞泵故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同健康状态下的壳体振动信号;使用由卷积层和池化层组成孪生子网络自适应地从原始振动信号中提取低维特征,使用欧式距离判定输入样本对的特征相似度;通过相似度对比的方法扩大训练样本数量并训练孪生神经网络模型;最后,对测试样本进行健康状态识别。实验结果表明：与传统深度神经相比,所提方法在小样本情况下具有更高的准确率。同时,多通道数据融合实验表明：所提方法能够从不同通道的信号中学习到有关故障信息,多通道数据融合可以进一步提高诊断准确率。     

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。     

顾及样本优化选择的机器学习云检测研究

针对云层日变化、云类型、云相态、云光学厚度等特征差异带来的光谱差异,导致传统阈值算法对云识别精度不高的问题,文章提出了一种顾及样本优化选择,耦合物理阈值方法和机器学习的云检测算法模型,利用“葵花8号”卫星（Himawari-8）数据进行日间云检测。通过样本优化选择,使样本中尽可能包括不同情形下的云特征,为机器学习模型提供良好的样本基础,增加模型泛化能力;同时输入特征除了考虑反照率、亮温、亮温差以及天顶角等因素外,还加入了基于反照率和亮温差的物理阈值方法云识别结果;最后基于极限随机树模型进行云检测。结果表明：模型云检测交叉验证精度为96.41%,总漏检率和总虚检率分别为2.08%和0.91%;通过云-气溶胶激光雷达与红外探路者卫星观测（CALIPSO）产品数据进行对比分析,结果显示云检测总体精度为97.1%。     

一元函数极值教学中培养创新能力的探讨

通过一元函数极值的教学,初步探讨了学生实践能力与创新能力的培养。