支持向量机用于液体火箭发动机的故障诊断

支持向量机（Support Vector Machine,简称SVM）是一种基于机器学习的模式分类算法,其在解决小样本、非线性及高维模式识别等问题中都表现出许多特有的优势。用SVM对液体火箭发动机的故障数据进行检测和诊断。通过对发动机仿真模型的9种故障数据的学习,能检测出18组故障数据中的17组,但有4组出现误报,对误报故障进行二次学习和再检测,能对这4种故障正确检测。经过对C75试车4种故障数据的学习,能正确检测其故障类型,进一步验证了该方法的正确性和可行性。     

基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制

提出了一种基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制方法.该方法通过给误差变量赋予不同权值因子提高LS-SVM的鲁棒性,采用修剪算法提高LS-SVM的稀疏性;该方法从某涡扇发动机输入输出空间中建立其正常模型,采用阈值判别法对传感器故障进行实时监视与诊断,并用模型输出值代替故障传感器测量值反馈回闭环控制系统,实现对发动机的自适应重构控制.仿真结果表明,该方法能及时准确地定位故障,并进行有效的自适应重构控制.      

一种航天器图像分类模型快速学习方法

为了有效分类空间目标,提出了一种航天器图像分类模型快速学习方法。分类模型的学习过程利用了分治思想,首先利用无监督聚类方法将图像数据集散列为类别桶,然后利用每个类别桶中的图像样本训练支持向量机完成学习过程。分类时利用支持向量机对待分类图像样本进行分类。实验结果表明,所提方法具有较好的实时性和准确率,能够为空间应用打下良好基础。     

欧洲新型运载火箭发展思路及特点分析

2014年12月2日,欧洲航天局成员国各部长在卢森堡决定建造新一代阿里安-6火箭,以便在2020年取代现有的阿里安-5火箭。阿里安-5ME的研制工作始于2008年的欧洲航天局部长级会议,并在2012年的部长级会议上得到了进一步的资金支持。与此同时,欧洲航天局决定开始阿里安-6的方案研究。欧洲希望通过研制新型运载火箭进一步完善其一次性运载火箭型谱,保持欧洲运载火箭的商业市场竞争力。     

基于支持向量机的飞机系统辨识方法研究

支持向量机系统辨识方法相比传统辨识方法具有诸多优点。本文将支持向量机引入飞机系统辨识,建立离散差分形式的飞机运动方程,并利用离散系统与连续系统转换方法获得飞机纵向模态特性。研究表明该方法正确有效,信号带噪声时辨识精度较好,具有一定的工程应用价值。     

可用于航天助推发射的高温超导磁悬浮技术

为了满足低成本、高安全可靠的可重复使用航天运载器发展需要,磁悬浮助推发射技术以其高地面起飞速度,提供了一种可能的技术途径。设计和研究了一种永磁导轨与高温超导体作用形成的磁悬浮系统。通过建立磁悬浮单元准静态力测试系统,分析了块状高温超导体在永磁导轨上方不同位置作用的悬浮特性。然后建立高温超导磁悬浮缩比研究试验平台,其包括4个磁悬浮单元和7米双永磁导轨。通过测试和分析试验平台在不同场冷高度和载荷条件下的悬浮特性,得出低场冷高度有利于提高磁悬浮发射装置的横向稳定性。     

基于Contourlet变换和支持向量聚类的遥感图像融合方法

Contourlet变换作为新的多尺度分析方法比小波变换更适合分析二维图像的边缘特征,而支持向量聚类算法所获得的聚类效果不受聚类形状限制,也勿需预先给定聚类数目等参数。据此提出了一种基于Contourlet变换和支持向量聚类的遥感图像融合方法。首先对源图像进行Contourlet变换,再对其高频系数利用支持向量聚类进行融合,最后进行图像重构得到融合结果。给出了实验结果,采用均方差、信噪比、信息熵、空间频率、清晰度和相关系数等评价指标对融合效果进行了定量评价,并与加权平均法、现有的基于Contourlet变换的图像融合方法以及基于支持向量聚类的图像融合方法进行了比较。结果表明提出的基于Contourlet变换和支持向量聚类的遥感图像融合方法能取得更优越的融合效果。
     

海基科技——与世界知名软件公司合作

“国防科技工业信息技术应用标准化论坛”于2007年1月30日在北京成功举办,针对此次论坛“信息技术应用标准化问题”在国防军工领域受到普遍的关注和重视。同时多年来致力于服务军工企业客户的几家知名软件公司也应邀本加了此次论坛。他们凭借先进的产品技术和服务理念获得众多军工企业用户的认可,以论坛为途径,他们不仅向更多的军工企业展示了自己的产品平台,而且还通过此次论坛了解到军工行业信息技术的发展方向。本次论坛上“企业先锋”栏目记者特别采访了其中五家企业的负责人。