基于动态集成算法的航空发动机气路参数预测

针对单一学习机对航空发动机气路参数预测困难的问题,提出了基于动态加权核密度估计（DWKDE)组合方法的集成预测算法,该组合方法选择测试样本的近邻样本,通过评估学习机在近邻样本的局部性能动态确定各学习机的权值,并基于该权值利用加权核密度估计实现数据序列的集成预测。该组合方法不易受离群值和样本不对称分布的影响,将该组合方法用于AdaBoost.RT和AdaBoost.R2算法,获得了改进后的集成学习算法。实验证明:相比于神经网络和原始集成学习算法,改进后的集成学习算法较好地提高了航空发动机气路参数序列的预测精度,方均根误差（RMSE)指标至少可降低27%。      

单向分类随机模型方差分量的经验Bayes估计

对于在质量控制、生物育种以及计量经济等方面有着广泛应用的单向分类随机模型 其中y_(ij)为观测数据,ε_i～N(0,σ_1~2)为随机效应,ε_i～N(0,σ_2~2)是随机误差,通常要求考虑对其参数μ,σ_1~2,σ_2~2作出估计,特别是对方差分量σ_1~2,σ_2~2的估计。而在目前常见的估计方法中,大都有一个共同的缺点,即不能保证方差分量估计的非负性。本文采用经验Bayes方法,在平方损失下,利用密度函数及其偏导数的核估计构造出方差分量的一个经验Bayes估计,这个估计是非负的。并证明了这种估计是渐近最优的,在一定条件下,其收敛速度可任意地接近于0(n~(-1/2)。     

Costas编码信号的循环谱特征分析与参数估计

研究了准确反映Costas编码信号特点的关键参数集合。基于循环谱相关密度估计方法,分析了Costas编码的循环谱特征及其与辐射源侍号参数的对应关系,提出了一种没有先验知识条件下Costas编码截获信号特征提取方法。通过对典型的Costas编码信号参数提取归一化均方根误差的计算,验证了该算法的有效性。     

混合变量系统基于MCMC的自适应重要抽样法

 系统关键故障的发生,会导致系统处于各种离散性能降级状态.针对传统的基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)的自适应重要抽样法只适用于连续变量系统的不足,提出考虑混合变量的基于MCMC的自适应重要抽样法,以支持系统性能可靠性的高效仿真.该方法首先将由关键故障产生的不同失效域组成失效空间,并通过初始样本点在失效空间中随机游走构造马尔可夫链模拟样本;然后综合考虑连续变量与离散变量,利用核密度估计构建混合核抽样密度函数;再根据该密度函数进行重要抽样仿真并计算系统的性能可靠性;最后对该方法的仿真效率进行理论分析.通过电液舵机(Electro-Hydrostatic Actuator,EHA)案例对方法的正确性和仿真效率进行验证.     

一般密度核估计的一致相合性

V．S．M．Campos和C．C．Y．Dorea在2001年提出了关于（E，ξ）上的σ-有限测度v的一般密度函数P（x）的核估计pn（x），其中ECR，ξ是E的一个σ-域，得到了一些结果，并且验证了所得结论包含经典的连续密度核估计的结论，还进一步延伸了离散分布核估计的结论。以上面的理论为基础，继续探讨这种密度核估计的性质．在核函数满足一定的条件下，得到pn（x）是p（x）的一致渐近无偏估计。同时应用有关经验分布的一些知识，得到了一般核密度估计pn（x）的一致弱相合性和一致强相合性。     

基于Gabor滤波器的航空图像居民区域提取

中低分辨率航空图像中居民区域的自动提取对地理信息系统更新和无人机导航具有重要作用.详细分析了Gabor滤波器参数对纹理提取的影响,提出了一种基于Gabor滤波器的居民区快速提取算法.算法包含4步:运用Gabor滤波器分析图像纹理,采用核密度估计生成居民区域置信图像,进而计算自适应阈值分割置信图得到候选区域,最后根据区域几何形状去除干扰得到居民区.算法平均运算时间为0.42s,实验结果表明了算法的高效性和准确性.     

基于概率滑行时间的航空器离场推出柔性控制

航班离场过程动态多变且高度随机，滑出时间不确定性导致推出时间难以科学配置。为此，研究基于概率滑行时间的航空器离场推出柔性控制问题。首先，采用随机森林回归和核密度估计方法，建立了基于机器学习的概率滑行时间预测模型、超参数调节策略及概率预测性能评价指标体系；然后，引入固定缓冲区概念，提出了离场航空器“推出时刻”柔性控制方法，明确了缓冲区长度对准时到达跑道头概率的作用特性；最后，应用随机规划中的机会约束理论，提出了离场航空器“推出时隙”柔性控制方法，设计了满足机会约束的可行推出时间范围界定规则。实验结果表明：所提方法可对离场航空器概率滑行时间进行科学预测，有效实现传统推出时间刚性控制向多视角柔性控制的灵活转化，可为增强机场离场管制的可预测性和灵活性提供理论方法支撑。