基于滑动时窗策略自适应优化支持向量机的航空发动机性能参数在线预测

针对传统航空发动机性能参数时间序列预测方法存在的不足,提出了基于滑动时窗策略自适应优化支持向量机(Support Vector Machine,SVM)在线预测模型。该方法解决了训练样本动态适应性差的特点和老旧数据信息影响预测模型精度的问题。在该方法中,滑动时窗策略实时更新时窗数据训练样本,最终误差预报准则(Final Prediction Error,FPE)自适应地确定嵌入维数,遗传算法(Genetic Algorithm,GA)则实时自适应优化SVM建模参数。应用航空发动机排气温度偏差值(Delta Exhaust Gas Temperature,DEGT)数据进行实例验证,结果表明基于滑动时窗策略的自适应GA优化的SVM (GASVM)在线预测模型比传统的GASVM预测模型预测精度有显著提高。进一步分析了预测模型不同时窗宽度对短期预测精度的影响,展示了1步～10步预测的效果,结果表明在线预测模型在不同时窗宽度下短中期(5步以内)预测效果良好且稳定。文中提出的在线预测模型可用于航空发动机性能参数的预测,实现对航空发动机未来性能变化的预警。     

基于改进支持向量机回归的非线性飞机结构载荷模型建模

为进行飞机结构载荷安全监控并为飞机结构疲劳寿命评估积累相关数据,需建立与飞行参数相关的 飞机结构载荷模型。针对飞机结构载荷与飞行参数之间的非线性关系,采用改进停机准则的 SMO 算法及粒 子群模型参数优化算法对支持向量机回归方法进行改进,并通过飞行动力学理论分析结合皮尔逊相关系数的 方法对参与建模的飞行参数进行选取。以飞机跨声速俯仰机动为例,建立机翼某一测载剖面结构剪力模型,并 对该建模方法进行仿真验证。结果表明:采用改进支持向量机回归方法所建立模型精度优于原始支持向量机回归方法建立的模型,即采用改进支持向量机回归方法可提高建模精度及泛化能力。     

基于优化最小二乘支持向量机的襟翼趋势预测

将最小二乘支持向量机(LS-SVM)应用于飞机襟翼状态趋势研究。首先,通过分析飞机襟翼故障与襟翼动作耗时参数的关系,提出了利用动作耗时趋势来确定该系统未来状态的方法。然后,使用最小二乘支持向量机建立耗时回归预测模型,采用最终预报误差(FPE)准则确定回归模型嵌入维数,提出了自适应网格搜索法,优化最小二乘支持向量机的建模参数,从而实现比现有方法精度高,泛化性能好的预测模型。训练和测试样本取自飞行数据记录系统(QAR)中译码襟翼参数值。与神经网络模型的比较实践表明,该方法具有实用价值。     

天空飞行与地面风洞实验动态气动相关中的雷诺数影响

近10余年来,在3个动态气动专题领域内,地面风洞自由飞实验与对应的天空飞行器的绕流雷诺数虽然相差1~2个量级,但风洞自由飞实验结果多次预测或再现了天空飞行器出现的对飞行安全、飞行性能产生严重影响、其它地面风洞实验方法难以预测或再现的这3个专题领域内的动态气动特性,这至少为3个专题领域内天地动态气动相关中的雷诺数影响,提供了一个新的理解。     

贴壁方柱湍流场TR-PIV实验研究

采用时变粒子图像速度场测试技术(TR-PIV),对低速循环水槽中贴壁二维方柱绕流湍流场进行了细致的测量.通过对实验得到的30000个连续瞬态速度场进行分析,得到了时均速度场和流线图谱,以及流向、法向速度分量的脉动强度场和涡量场.此外,对脉动速度时序信号进行谱分析,得到了流场中低频大尺度相干结构脱落频率.通过对瞬态速度场的分析,揭示了贴壁方柱绕流的旋涡脱落及其发展过程.     

超声相关加权合成断面成像检测方法研究

本文首先介绍了合成孔径聚焦超声成像的基本原理。针对提高成像的分辨率和信噪比问题，研究了原始采样信号的相关性，提出了一种基于信号相关度加权的合成新算法和原始数据预处理方法。利用改进方法对试样进行了断面成像实验，实验结果表明：与传统的延时一叠加合成孔径算法相比，新方法提高了图像的横向分辨率和信噪比，改善了图像质量。     

航空、航天类中文核心期刊《实验流体力学》征稿简则

1.《实验流体力学》(双月刊),是中国空气动力学会主办的综合性学术兼技术刊物。主要传递实验流体力学及其相关领域的新信息、新成果和新动态。主要的读者对象是:从事实验流体力学及相关学科的研究、设计、制造与应用的广大科技人员和院校     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

三维大规模地形的实时显示与渲染

利用真实地形数据，基于四叉树的LOD算法，即利用视点相关和地形本身的起伏度相关技术确定地形应有的细节程度来绘制大规模三维地形。并根据真实航片和地形高程值分别生成真实和模拟的地貌纹理，计算出地形阴影贴图，产生阴影效果。在保证渲染速度的前提条件下，有效地提高了场景的视觉真实程度。     

基于支持向量机的分类器设计

在支持向量机理论的基础上,打破了支持向量机的二类辨识传统,提出基于支持向量机的一类辨识理论,以它为基础设计基于一类辨识的一类分类器。