基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit,APU)性能参数预测的精度,针对支持向量机(support vector machine,SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm opti-mization,PSO)算法实现对SVM惩罚参数和核参数...     

基于Nelder-Mead单纯形法的改进量子行为粒子群算法

针对PSO算法搜索精度较低,并且在复杂多模态函数优化中,容易陷入局部极值的问题,提出了一种改进的量子行为粒子群优化算法。研究了该算法的基本原理、给出了算法流程并采用正交试验的方式获得了一套通用性较强的算法参数。并以CEC’13的28个测试函数作为测试集,采用Wilcoxon符号秩检验将NM-QPSO算法分别与PSO算法和QPSO算法的误差进行比较试验。试验表明:NM-QPSO算法在统计意义上优于传统的PSO算法和QPSO算法,并且在高维函数优化中,具有显著优势。     

基于粒子群优化的数据分类算法

设计了一种基于粒子群优化的数据分类算法。新算法首先对数据样本预处理,利用粒子群优化算法通过训练数据进行分类规则的提取,根据提取得到的规则对数据进行分类识别。基于Bayes定理和随机状态转移过程对新算法的收敛性进行分析。通过对UCI数据集分类实验及遥感图像目标识别实验,验证了新算法是一种有效的分类方法。     

基于优化SVM的反渗透脱盐水故障诊断

针对反渗透脱盐水系统中的反渗透膜故障问题,提出了一种基于支持向量机(SVM)的故障诊断方法.为了解决SVM的参数优化问题,采用一种基于改进的混沌粒子群优化算法的支持向量机参数选择方法.将混沌理论引入粒子群优化算法中,提高种群的多样性和粒子搜索的遍历性,有效地提高了粒子群算法的收敛速度和精度,得到了优化的SVM模型.并将此模型应用于反渗透脱盐水系统的故障诊断中.仿真结果表明,改进的SVM分类器能有效地诊断出反渗透膜故障,并且取得了较高的准确率和诊断效率.     

基于改进PSO的电站锅炉低NO_X燃烧优化

燃煤锅炉NOx排放是造成环境污染的重要因素,影响NOx排放的因素众多而且复杂。首先建立了锅炉NOx排放支持向量机模型,并利用实炉热态数据对模型进行了校验。接着应用一种改进的粒子群优化算法,对锅炉运行参数进行了优化,并与一般线性粒子群优化算法进行了对比。结果表明,NOx排放量均有明显的降低,但改进的优化算法收敛性更好,为优化锅炉燃烧提供了更好的方式。     

一种基于证据理论的战时备件需求预测方法

为解决战时备件需求预测缺乏数据的问题,提出一种基于证据理论的战时备件需求预测方法。构建马尔可夫链模型,从备件需求历史数据中挖掘平时备件需求规律;进而设计一种基于战斗强度变化的战时备件需求马尔可夫链转移概率调整策略,用于模拟战时备件需求规律;最后结合专家经验,综合利用模糊理论和证据理论实现对战时备件需求的预测。仿真算例表明,该方法能够有效实现战时备件需求的预测。     

基于改进基本图像特征直方图的纹理分类算法

提出了一种改进的基本图像特征(basic image feature, BIF) 直方图纹理分类算法。首先在4个尺度上分别确定图像中每个像素点对应的BIF,然后在每个尺度上分别提取6维直方图特征及3维高阶统计特征共36维特征,最后使用支持向量机(support vector machine, SVM) 作分类器对实验图像进行训练和分类。实验表明,所提方法降低了算法的计算复杂度和运行时间,对噪声有较好的鲁棒性。     

基于SVM的图像分类系统设计

为实现基于语义的图像分类,其本质还是从底层特征出发,因此,高层信息的学习和建模也就必须来源于底层特征了。在底层特征提取的基础上提出了一个基于SVM的图像分类系统的设计,重点介绍了图像数据库的设计和分类引擎的设计,说明了其可行性和方便易用性。最后展望了基于SVM的图像分类引擎技术的发展方向和应用前景。     

基于SVM和PSO算法的飞机部件DMC预计方法

控制维修成本是飞机研制中的一项重要任务,而部件直接维修成本(DMC)的预计是控制过程中的关键步骤。鉴于现有的预计方法精度不高、波动性大或可操作性不强,引入了支持向量机(SVM)理论对不同单一模型进行非线性组合,并改进了粒子群优化(PSO)算法用于同时求解离散变量和连续变量,达到了模型选择和SVM参数的联合优化。实验证明,该预计方法算法简单、速度快,并且比以往的方法在精度和稳定性上都有显著提高。     

基于支持向量机的中文文本自动分类研究

提出了一种基于支持向量机的文本自动分类方法,并进行了实验研究。在详细介绍了进行文本分类的实验过程和在实验中使用支持向量机的方法的基础上,通过实验比较了支持向量机算法和传统的KNN算法应用于文本分类的效果,并针对支持向量机算法的缺点,提出了进行文本预处理时的改进方法。实验结果表明了支持向量机在处理文本分类问题上的优越性。     

民用飞机多地域航材支援网络模型研究

航材支援保障对于民用飞机安全可靠营运至关重要, 民用飞机运营在不同地区, 以客户需求为牵引的航材支援同时受到地域环境和运输方式的影响。为了实现民用飞机航材敏捷支持, 本文综合考虑多因素的影响, 提出了航材支援网络节点权衡的嵌套层次分析法(nested analytic hierarchy process, NAHP), 以及基于遗传算法(genetic algorithm, GA)的民用飞机多地域航材支援网络模型。结合民用飞机多地域运营特点, 对航材支援网络影响因素进行研究, 并运用NAHP对航材支援网络节点进行权衡分析, 对备选节点的重要性进行排序以得到航材支援网络目标节点, 从而构建以时效性为优化目标的多地域航材支援网络节点类型定位与多式联运路径优化模型, 并进行GA适用性设计以对模型求解。最后, 通过与人工规划航材支援方案对比, 对所提方法和模型的有效性进行验证。结果表明,所提方法能够合理确定航材支援网络节点的类型和辐射范围, 同时以最短时间完成航材支援任务, 可为民用飞机在多地域运营的航材支援网络搭建提供可行的方法和思路。     

基于动态进化算法的多阶段备件供应优化决策

由于实际备件保障工作中备件需求以间歇性需求为主,备件供应通常为多阶段的动态优化。针对以上问题,构建了多阶段备件供应数学模型。为求解动态优化模型,提出了一种元启发式动态进化算法。首先,在经典差分进化算法中增加了环境变化检测算子和环境变化响应策略,使得差分进化算法能够解决环境变化的动态优化问题。其次,提出了自适应莱维飞行策略,使得算法在环境发生变化时仍能保持良好的全局搜索能力和局部寻优能力。算例表明,所提出的动态自适应差分算法能够求得模型的最优可行解,且算法的分布性和收敛性均得到了很大的提升。     

基于超启发式算法的备件供应网络结构优化

为了通过对供应网络结构进行优化从而提高备件供应的效率和效益,分别对传统正向供应网络、应急横向供应网络以及考虑抢修任务的闭环供应网络3种备件供应网络结构进行研究。以供应成本最小和供应时间最短为目标,以备件满足度、库存等为约束,构建了带约束的多目标优化模型。提出了一种基于排序选择函数的超启发式多目标进化算法,同时可以对不同网络结构模型进行求解。在ZDT系列测试函数上将该算法与其他进化算法进行对比测试,验证了所提出的超启发式算法在收敛性和分布性上的优越性。算例表明,一方面,与传统前向供应网络相比,横向和闭环供应网络能够提高备件供应的时效性和经济性;另一方面,超启发式算法在求解模型时取得的解优于其他元启发式算法。     

基于限制优势关系的航天装备备件品种确定

航天装备备件品种确定是实现航天装备精确保障的重要基础。针对航天装备备件品种确定过程中决策信息不完备、犹豫性、模糊性等特点突出的问题, 提出基于限制优势关系的备件品种确定方法。引入犹豫模糊集和粗糙集理论, 建立备件品种确定的犹豫模糊决策信息系统, 基于限制优势关系实现决策属性的约简和决策规则的获取, 构建基于限制优势关系的备件品种确定模型, 最后以某航天测控装备为例进行了案例分析与应用, 证明了方法的可行性与有效性。     

基于体系保障度的装备备件三级库存方案优化

三级维修供应管理是部队较为常见的保障模式, 备件库存方案是影响装备系统可用度的关键因素之一. 装备保障性工程中的实际问题出发, 在考虑备件结构层级的情况下, 根据METRIC基本原理, 建立了系统备件的三级保障评估模型, 将三级体系保障度作为优化指标函数, 以保障费用为约束条件, 运用边际优化方法对备件方案进行优化. 通过实例给出了备件的最优库存方案结果, 得到了备件三级库存配置的一般规律, 并分析了影响备件库存分配的各种保障性因素. 优化结果符合具有三级供应保障机制下的备件配置规律, 能够为部队保障人员制定备件方案提供一定的决策依据.     

机载电子装备备件的非线性灰预测规划模型

针对机载电子装备备件问题,首先定义了模块和系统的有效度来衡量其可靠性。然后利用试验训练中积累的历史有效度数据建立GM(1,1)模型来预测模块在实战中的有效度,并建立关于备件数量的非线性灰预测规划模型。最后给出了一个算例,算例结果表明,基于机载电子装备备件有效度现实数据而建立的非线性灰预测规划模型合理有效。     

基于自由搜索的LS-SVM在墒情预测中的应用

为有效地利用墒情监测资料预测未来墒情,考虑支持向量机的结构风险最小化准则和自由搜索算法良好的全局优化特点,应用最小二乘支持向量机方法,构造了优化目标函数,引入自由搜索算法对该目标函数寻优从而辨识模型参数,建立了预测墒情的最小二乘支持向量机(LS-SVM)模型.实例分析表明,支持向量机方法对墒情序列的平稳性要求不高,且模型易于实现,与传统的时间序列模型以及基于粒子群算法和鱼群算法的LS-SVM模型相比,基于自由搜索算法的LS-SVM模型具有较好的模拟及预测精度,相对误差小于15%的模拟值及预测值分别达到了100%和94.4%.     

搜索能力自适应增强的群智能粒子滤波

针对传统粒子滤波的退化、样本枯竭现象及其导致的状态推理精度差的问题,提出了一种新型粒子滤波算法。利用群智能优化算法中的粒子群优化算法作为优化手段,改进粒子的先验分布。通过自适应地调节粒子的惯性权值增强粒子群的探索和开发能力,减少粒子群优化算法的早熟现象,使得采样后的粒子朝着高似然区域移动,从而有效地提高系统状态推理精度。利用Crame′r Raolowerbound定义了算法有效性的度量。通过仿真实验证明该算法是有效和稳定的。     

航空发动机组合维修策略的备件需求规律

以单台航空发动机系统在定时维修和失效更换相结合的维修策略下的备件需求规律为研究对象,假设航空发动机中的部件寿命服从一般分布,利用Phase-Type(PH)分布的稠密性将一般分布表示为PH分布形式;然后通过仿真获取整个发动机系统的备件更换时间序列;在仿真结果基础上,利用EM算法将单台发动机的备件需求点过程拟合为马尔可夫到达过程(Markovian arrival proccss,MAP),并根据MAP性质确定了多台相同发动机组成的系统的备件需求规律;最后通过一个示例说明了本文方法的有效性.文中通过仿真获取样本数据,再采用拟合算法确定需求规律的研究思路具有很好的通用性,对他人的研究工作有一定借鉴作用.