具备有限维修能力的舰船编队保障方案优化

以舰船编队维修保障资源优化为研究背景,在VARI-METRIC理论基础上,拓展了“无限维修总体”的假设条件,根据M/M/c排队论,建立了有限维修能力约束下的舰船装备可用度评估模型。以保障费用为优化目标,在装备可用度指标约束下,采用边际优化算法,对出航前舰船编队维修保障资源进行综合优化。通过任务想定,给出了优化结果,并对其进行了分析,结果较为合理。研究结论能够为装备保障管理人员制定保障方案提供决策支持。     

支持向量机控制与在线学习方法研究的进展

支持向量机以其模型结构简单、较好的推广能力和全局最优解等特点已经被用来进行智能控制的研究,主要包括采用支持向量机回归的非线性时间序列的建模与预测、系统辨识等建模方面的研究以及优化控制、学习控制和预测控制等方面的研究以及采用支持向量机的故障诊断的研究。由于现有SVMR基于二次规划的优化方法不适合控制过程的在线训练,因此出现了对SVMR在线训练算法的研究。分析了国内外这些研究内容的最新研究进展,旨在探讨归纳支持向量机在控制领域研究的主要成果和存在的问题,以便为进一步的研究提供一定的支持与帮助。     

模糊遗传滚动优化的LS-SVM预测控制研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习建立其预测模型;基于模糊遗传算法完成非线性预测控制的滚动优化过程。仿真结果表明基于该方法的非线性系统预测控制比基于RBF神经网络的预测控制具有更好的控制效果。     

基于ADAMS/ATV的履带装甲车辆托带轮分布方案优选

履带装甲车辆的履带与托带轮的垂向冲击是产生冲击噪音和导致履带疲劳与断裂的重要因素。基于ADAMS软件中的ATV模块对某型履带装甲车辆建立了动力学模型，针对各托带轮所受履带的垂向冲击力大小不均匀的问题，综合动力学仿真分析，优选托带轮的分布方式，改善其动力学性能。     

基于支持向量机的换档质量评价系统

车辆换档质量是自动档车辆最重要的性能之一,因此换档质量的评价一直是车辆性能研究的一个重点。以支持向量机理论为核心创建的换档质量评价系统,综合考虑了车辆换档的各种工况和影响因素,利用支持向量机良好的泛化能力,能够稳定的对换档质量进行动态综合的评价。     

一种基于最大保障时间的战时装备维修任务调度

针对目前装备优化保障研究中存在的约束条件过于简单,评价指标过于单一,不能突出我军装备维修任务调度的特点等问题,分析了战时维修任务调度的特点,建立了基于最大保障时间的维修任务静态调度模型,并给出了相应的模型求解方法。利用本方法在满足作战单元最大保障时间前提下,可使得装备维修效益最大。有效地解决了战时维修任务调度问题。     

一种新的支持向量机快速训练算法

针对大规模数据集的分类中支持向量机的训练,为解决选取样本集合边界向量时需事先判定样本集合是否线性可分的问题,提出一种基于密度法的支持向量预选取方法。该方法不需要事先判定训练样本是否线性可分,具有较强的抗击噪音点和孤立点干扰的能力,并且计算简单,易于实现。实验结果证明了这种方法是有效的。     

基于模糊支持向量机的小批量生产质量智能预测方法

在分析比较目前常用的智能工序预测技术及其特点的基础上,提出一种适合小批量生产过程的质量智能预测模型,并给出了相应的预测过程和算法.由于该模型中以模糊支持向量机(FLS-SVM)技术为智能核心,一方面较好的解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量进行预测时所表示出的过学习、泛化能力弱等缺点.另一方面,通过隶属度函数对样本进行模糊化,达到样本优化选择,实现历史数据“重近轻远”的预测效果.通过对具体加工过程的预测实验,并与其它几种常见预测方法效果进行对比,说明本文方法实现容易,建模速度快,小样本的泛化能力强,为实现小批量加工过程的在线质量预测与控制提供可行的思路.     

基于农民增收的我国农业国内支持的结构优化

基于“农业增效、农民增收、农村可持续发展”的目标，运用层次分析法，以农村经济可持续发展作为目标层，以增加农民收入、食物安全、提高农产品国际竞争力和生态环境保护为准则层，构建我国农业国内支持层次结构模型.结果显示，各种“绿箱”政策中作用程度所占权重较大的依次为咨询与推广服务、农业基础设施服务、培训服务、农业科研、投资援助提供的结构调整援助和病虫害防治，分别为0.1096、0.1071、0.1036、0.0787、0.0721和0.0709.各种“黄箱”政策中，价格支持，营销贷款，按产品种植面积给予的补贴，按牲畜数量给予的补贴，种子、肥料、灌溉等投入补贴及对贷款的补贴等政策措施的作用程度所占的权重分别为01817、00643、01495、03280、01379和01386.     

基于支持矢量机和循环累积量的调制识别算法

利用通信信号的循环平稳特性,在循环累积量域内构造信号分类特征矢量,采用支持矢量机将分类特征矢量映射到高维空间并构建最优分类超平面,实现对QAM调制信号的自动识别。该算法解决了样本在低维空间中的不可分问题,具有良好的泛化推广性能,并且可在多种调制信号环境下实现对感兴趣信号类型的识别。理论分析和仿真结果均证明了算法的正确性和有效性。