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...     

在相对论性激光-等离子体系统中模拟激光参数对等离子弧柱形态的影响

基于相对论性激光-等离子体动力学理论和PIC方法建立了激光入射等离子弧柱的模型,该模型描述了激光入射等离子弧后粒子的运动,并模拟了弧柱形态的变化。通过改变激光的平均功率、脉冲宽度以及重复频率,模拟等离子弧柱形态变化,得到的激光参数对等离子弧柱形态的影响规律。通过控制弧柱的直径可以提高材料的熔积性能。计算结果表明增大激光平均功率、脉冲宽度,可以更深地压缩等离子弧;但是,重复频率的影响则会出现波动现象。激光等离子复合加工更适合于精细加工。     

小样本不平衡设备数据下的机器学习策略研究

针对小样本数据样本容量不足与分布不平衡的设备寿命预测问题,构建基于改进SMOTE算法与改进KNN(K-NearestNeighbor)算法联合优化模型。首先,设置噪声比例系数β排除样本数据中的噪声,随后通过类B-SMOTE(Borderline-SMOTE)算法与传统SOMTE算法结合构建改进SMOTE(ISMOTE)算法对存在分布问题的少数类样本进行新增优化,避免因为样本分布不平衡以及样本数量较少引起的偏差。其次,针对分类过程中边界模糊的样本点,通过利用粒子群算法寻求每个样本种类中心点并计算样本距离均值建立分隔阈值■,对阈值范围内的样本点利用“投票法”判断样本种类,规避KNN算法在处理数据时因为不同种类样本混合而出现误差的问题。最后,通过利用美国卡特彼勒公司液压泵状态数据以及凌津滩水电站水导轴承振动数据进行仿真,算例证明上述两种改进算法在面对小样本不平衡设备数据时可以准确分析设备运行状态以及预测设备未来健康发展趋势。     

Stateflow在巡航导弹仿真中的应用

介绍了Stateflow的基础知识和基本用法以及基于Stateflow的巡航导弹仿真建模方法。Stateflow是一种基于MATLAB／Simulink和有限状态机理论的图形化离散事件仿真环境，巡航导弹分段弹道模型和制导引信系统都可以很方便的用Stateflow进行建模，使系统仿真更加直观，便捷。     

基于极限学习机的生化过程软测量建模

针对极限学习机方法隐层神经元数目过多的缺陷，提出一种改进的极限学习机方法。在单隐层前向神经网络的隐层中，增加一类分类神经元，从而形成了一种新的单隐层神经网络结构。针对不同类样本数不相同的问题，提出了处理方法，使得可以利用相同的隐层神经元对不同类的学习样本进行拟合，这使得网络的隐层神经元数目大大降低，从而简化了模型的结构，提高了神经网络的计算速度。将这一方法应用于诺西肽发酵过程，建立了菌体浓度的软测量模型，实现了菌体浓度的在线预估。     

基于支持向量机处理圆度误差

提出一种基于支持向量机计算圆度误差的方法.支持向量机的理论基础是Vapnik创建的统计学习理论.它采用结构风险最小化准则,在最小化样本点误差的同时,缩小模型预测误差的上界,从而提高了模型的泛化能力.该方法采用支持向量机对圆度误差评价,克服了传统圆度最小二乘法评价的局部收敛问题.仿真实验结果表明介绍的方法可以有效、正确地评价圆度误差.     

一种新的支持向量机树学习模型

针对特征空间维数较高时,混淆交叉支持向量机树中间节点的学习结果可能包含冗余特征信息的情况,考虑各维特征之间的相互关系以及各数据点之间的相互关系对数据的分类影响,提出一种基于有监督局部线性嵌入的支持向量机树学习模型.考虑每个中间节点上需要不同的特征信息进行局部决策,分别对每个中间节点(包括根节点)上的样例进行有监督局部线性嵌入学习.实验以手写阿拉伯数字识别问题为例验证和分析了模型的结构和分类识别性能,与其他学习模型的对比结果表明,该模型能在有监督局部线性嵌入学习的基础上,以更精简的结构获得与其他学习模型可比的识别精确率.     

机械波中能流的成因

分析了机械波中弹性媒质的形变,运用功能关系对机械波中能流的成因给出直观的解释.     

经编机摆动臂有限元分析及优化设计

以有限元分析与优化设计理论为基础,结合UG NASTRAN有限元分析软件,建立了经编机槽针床摆动臂结构的有限元分析模型,对其结构进行了静力学应力分析,利用应力分析结果作为优化设计的强度和刚度约束条件,建立了经编机槽针床摆动臂的数学模型,并对其进行优化。结果表明,在保证零件强度和刚度的前提下,通过改变主要设计尺寸参数,使结构的质量减轻了7.6%,从而有效提高了机构的运行速度。     

基于前馈-反馈复合控制的盾构土压平衡控制

为使盾构土压平衡控制系统既有较高的土压力控制精度又能及时消除推进速度波动对土压力产生的干扰,在现有土压平衡控制系统基础上,提出基于推进速度前馈-密封舱压力反馈的土压平衡控制系统.建立密封舱土压力数学模型,根据模型描述的推进速度、螺旋输送机转速和密封舱土压力之间的关系,通过推进速度前馈环节得到螺旋输送机转速相应的改变量,在推进速度波动对密封舱压力造成干扰之前进行补偿.同时,系统中的土压力反馈环节可以进一步消除其他干扰因素造成的土压力控制误差,提高系统稳态精度.利用在盾构实验台上采集的实验数据进行对比分析计算,验证土压力产生机理模型的有效性.结果表明,在前馈-反馈土压平衡控制系统中推进速度改变后螺旋输送机马达转速的响应时间约为0.5 s,而在反馈系统中约为2.5 s,前馈-反馈系统土压力控制最大相对误差为1.54％,而反馈系统为6.52％,因此证明当推进速度波动时,采用前馈-反馈控制的土压平衡控制系统具有更好的性能.