基于LVQ神经网络模型的飞机故障分类诊断

为了能够快速诊断出飞机故障产生的原因,判断故障发生的准确位置,把LVQ神经网络模型和分类诊断理论运用到了飞机的故障诊断中,以飞机电子设备和发动机故障诊断为实例,验证了此方法的故障诊断能力.实践表明:基于LVQ神经网络模型的飞机故障分类诊断方法能够为机务工作者提供有力的辅助决策参考.     

航天器寿命数据的定义、范畴及其分类研究

系统地介绍了航天器寿命的涵义,分析了开展航天器寿命数据管理和积累的重要意义,研究提出了航天器寿命数据的定义、范畴与分类,并以寿命试验数据为例设计了分类寿命数据采集卡,为建立航天器寿命数据管理和评估系统及规范寿命数据管理工作提供了基础。     

用MUSIC法确定声源频率和方位时误差的校正方法

为确定多个平面波窄带声源的频率和方位本文在阵列信号处理理论的基础上,提出用均匀线阵接收信号数据,并采用多信号分类法（ＭＵＳＩＣ法）对其进行频率,方位参数的分离估计,利用其正交性的谱估计来判断声源的频率和方位,在此基础地实际阵列中存在的阵元位置扰动,通道特性不一致和阵元之间的耦合这三种模型误差,提出了一种基于辅助源的校正方法,并得模型误差不影响声源的频率,只影响声源方位的判断,声学实验证实,通过校正     

一种基于u检验的空海目标分类方法

阐述了对于机载雷达,测高精度不高,特别是对远距离目标的测高精度更差,因而利用机载雷达提供的高度信息进行空海目标分类存在很大的不确定性。为了能有效地利用目标高度信息进行空海目标分类,把空海目标分类问题看成是一个u检验问题。首先,给出了用于空海目标分类的判别函数;然后,给出了一种决策规则,并推导出决策门限的计算公式和空中目标误判为海面目标的概率的计算公式;最后,通过仿真表明该算法的简易性和有效性。     

一种基于指数损失函数的多类分类AdaBoost算法及其应用

 提出一种新的多类分类AdaBoost算法——使用多类分类指数损失函数的前向逐步叠加模型FSAMME（forward stagewise additive modeling using a multi class exponential loss function）。该算法是基于原始的两类分类AdaBoost算法归结为使用两类分类指数损失函数的前向逐步叠加模型的统计学观点,将两类分类的前向逐步叠加模型自然扩展到多类分类情况下得到的,并采用多类指数损失函数和前向逐步叠加模型对FSAMME进行了详细的理论证明。该算法大大降低对弱分类器的精度要求,只需每个弱分类器的精度比随机猜测好;算法简单明了,不用把多类问题转化为多个两类问题,而是直接求解多类分类问题,大大减小计算复杂度和计算量。通过对基准数据库的测试分类及航空发动机故障样本的诊断,结果表明:FSAMME算法一方面可达到较高的分类诊断准确率,其准确率明显高于AdaBoost.M1,略高于AdaBoost.MH;另一方面可大大减小计算成本,满足在线快速分类诊断的要求。     

基于预分类机制及GRNN的直升机飞行状态识别

针对某型号直升机的16个典型飞行状态进行状态识别方法研究.首先根据飞行状态参数偏航角、无线电高度与指示空速三种监测参数对直升机飞行状态进行初步划分,即分别将其差分绝对值与方差大小作为限定条件,并结合概率密度函数方法,将直升机状态分为平飞、上升、下降、转弯、非转弯、稳速、增速与减速等状态.其次,在初步状态划分基础上,根据...     

卡拉杰克模型在航空制造领域的研究及应用

针对航空制造领域供应商管理的特点,以卡拉杰克矩阵为基础,建立CRI(成本、风险和影响)三维度品类分级模型,并结合供应商业绩评价结果,对供应商进行分类,为航空制造企业优化采购管理资源,以及对供应商进行差异化管理奠定技术基础,可以提高供应商管理的效率。     

对当前过程建模方法的分类评注

对当前存在的各种软件过程建模方法作了详细讨论，提出了几种分类，并对各种建模方法做了评注，最后对过程建模的发展趋势提出了自己的看法。