基于EMD和PSO-SVM的通用航空飞机燃油流量预测

提出了一种EMD与SVM的组合预测模型,对通用航空飞机燃油流量进行预测。首先对数据缺失值与异常值进行处理,应用经验模态分解算法对燃油流量数据进行分解,得到各分量IMF,然后采用支持向量机对每一个分量进行预测。在预测过程中,采用PSO算法对支持向量机的参数进行优化,最后叠加各分量得到预测数据。采用通航飞机实际飞行数据进行验证,结果表明：该组合模型可以有效地预测燃油流量,准确率较高,其MSE可以达到0.254,高于传统的单一预测模型。     

基于神经网络的直流电机模型辨识及应用

为了提高控制系统的控制性能,实现自适应控制,提出了一种基于神经网络模型的参数辨识方法.首先,为一台未知参数的直流电机设计了基于DSP(数字信号处理器)的控制器,再通过采集卡获取大量的实时观测数据,然后对数据进行预处理,将预处理后的数据按照神经网络辨识的原理完成模型辨识.通过比较直流电机实际阶跃响应与模型阶跃响应,对辨识模型进行检验,最后设计了该系统的PI校正装置.结果表明该方法可操作性强、辨识精度高、应用性强.     

基于时间序列分析的车载MEMS陀螺仪异常测量数据的辨识与修正(英文)

针对目前车载MEMS陀螺仪含有较多异常测量数据的情况,提出了一种基于时间序列分析的辨识和修正方法.根据MEMS陀螺仪测量数据的自相关函数和偏相关函数特征初步确定自回归移动平均(ARI-MA)模型,再引入AIC准则确定最优模型,并采用最小二乘估计法对模型参数进行估计.当此模型的有效性检验通过时,即用该模型对测量数据的变化趋势进行预测.当某个测量值与其预测值之差大于设定的阈值时,则判定此测量值为异常数据并用预测值进行修正.为了验证所提算法的效果,对MEMS陀螺仪测量的横摆角速度数据进行了实验.结果表明,所提方法可以有效地识别出车载MEMS陀螺仪的异常测量数据,并能进行合理的修正.     

基于集成学习算法的高职生心理健康预测方法

针对高职院校学生存在的心理健康问题现状,提出一种利用集成学习算法——Adaboost进行心理健康预测的方法。该方法首先抽取心理健康测试数据特征,经过数据清洗和规范化处理后,以决策树为分类器对数据进行挖掘分析,运用Adaboost算法对决策树分类器进行多轮迭代训练以提高分类器的分类效能,建立起一种心理健康预测模型。利用该模型对某高校2015级2 780名学生的心理健康测试数据进行了分析。实验结果表明,该方法能够实现对敏感心理问题的有效识别,从而为高职院校心理健康教育提供规划和决策依据。     

基于GA的字符串型测试数据自动生成方法研究

实现了一种基于GA的字符串型测试数据自动生成方法．该方法设计采用了混合适应度函数,并且自动生成的测试数据是在实际应用中使用相当普遍但目前测试数据自动生成方法研究中涉及较少的字符串型数据．实验表明：该字符串型测试数据的自动生成方法有较好的效果．它可以有效地帮助做毕业系统设计的计算机专业学生和软件开发人员自动生成字符串类型的测试数据,提高软件测试的效率．     

基于实验数据的航空发动机动态建模

针对基于部件级航空发动机动态建模过程中完整、准确的航空发动机部件特性数据往往难以获取、建模时间长等现象,提出使用实验数据进行辨识建模的方法。为了建立航空发动机的动态模型,通过对某轻型飞机实验台的飞行实验数据进行分析整理,提出使用BP神经网络对发动机重要参数进行建模,同时使用粒子群优化算法(Particle swarm optimization,PSO)对BP神经网络的权值和阈值进行优化,使用改进粒子群优化算法(Improved particle swarm optimization algorithm,IPSO)对传统粒子群优化算法进行改进,仿真结果表明IPSO-BP网络建立的发动机模型精度和稳定性更高。     

飞机回波的自仿射分形分析与目标分类研究

作为一类复杂目标,飞机的非刚体颤动、姿态角变化以及机上活动部件的旋转都将对低分辨雷达回波产生复杂的非线性调制,对回波进行分形建模可以对产生回波结构的动力学特征进行精细刻画.在介绍自仿射分形理论的基础上,采用自仿射分形表示方法对实测低分辨雷达飞机目标回波数据进行了建模,并对自仿射分形特征在常规低分辨雷达体制下目标分类和辨识中的应用进行了研究.实验结果表明,自仿射分形表示方法可以对低分辨雷达飞机目标回波进行有效建模,且自仿射分形特征可以有效地用于飞机目标的分类和识别.     

变荷载下基于运行宏应变形状的宏应变模态识别（英文）

为了发展宏应变模态识别技术并提高其在土木结构健康监测中的适用能力,提出了运行宏应变形状的概念及相应的获取方法,并进一步识别了宏应变模态,以适用结构处于不断变化的未知激励环境.所提新技术的核心是基于宏应变传递率函数在系统极值点独立于激励源并收敛的独特性质.通过对一个三跨连续梁结构模型进行力锤激励,对所提方法进行了试验验证,同时将识别结果与未知激励条件下最常用的峰值拾取法(PP)和随机子空间法(SSI)以及数值结果进行了对比分析.结果表明,该方法联合了多次测试数据,在不同加载工况下,其识别结果在精度和稳定性方面具有独特优势,同时也表明分布式应变传感系统在运行结构宏应变模态识别及结构健康监测领域应用前景好     

线圈电流信号提取下的机床切削颤振控制技术

由于传统技术在实际应用中起到的控制效果不佳,机床切削振幅和切削误差仍然比较大,提出了线圈电流信号提取下的机床切削颤振控制技术。利用电流无线传感器获取机床电机原始数据信息,通过小波分析,从原始数据中提取线圈电流信号,辨识早期机床切削颤振状态,利用磁流变效应对机床切削颤振生成阻尼力,控制机床切削颤振。经实验证明,应用设计技术后,机床切削振幅较小,切削误差也比较小,该设计技术在机床切削颤振控制方面具有良好的应用前景。     

基于最小二乘法的无人机液压刹车系统辨识

由于完全通过理论分析机理来建立无人机液压系统的数学模型存在很多障碍和不确定性因素.本文基于最小二乘辨识算法选择最优的模型或修正机理模型.通过对无人机液压刹车系统进行辨识,并将辨识拟合曲线和实验数据进行对比,实验结果表明,该曲线拟合良好,辨识的模型与实际系统基本符合,表明了该方法的有效性.     

二维经验模态分解法在漏磁图像处理中的应用

采用图像方法可以更加直观地对管道漏检测中的缺陷进行判断,但在图像数据的采集过程中噪声是不可避免的。采用二维经验模态分解(BEMD)与均值滤波法相结合的方法对漏磁图像进行去噪处理,将图像信号分解为有限个二维固有模态函数(BIMF)和一个残余分量,将残余分量保留,对BIMF分别进行均值滤波,再将处理后的BIMF分量与残差一起重构图像,所得重构图像在保留原图像基本信息的基础上,消除了大量噪声信息。文中还直接采用均值滤波方法对漏磁图像进行去噪处理,通过信噪比的比较,表明BEMD方法用于漏磁图像去噪效果明显。     

基于视频图像技术的简支梁动静载试验分析

采用视频图像技术对带传感器和不带传感器的简支梁的振动进行模态分析,采用Matlab软件把简支梁的振动视频分解成图像,对分解得到的图像裁剪出感兴趣区域并进行灰度化和二值化处理。为了精确,对得到的整像素边缘进行了亚像素化处理,得到梁下边缘的亚像素级别的时域信号,对这些信号数据进行模态分析得出前三阶频率和振型,并与Midas建立的有限元模型、传统的动载试验处理得到的结果三者相比对,对比表明,基于视频图像技术的动静载检测有更高的精度和可操作性,可以弥补传统检测的不足。     

基于长短期记忆的煤炭含水率智能预测与实验研究

考虑影响煤炭含水率变化的温度、湿度和风力等主要天气因素,以神华黄骅港为例,研究港口煤垛堆场的煤炭含水率预测方法。该方法首先基于长短期记忆(Long Short-Term Memory, LSTM)神经网络建立煤炭含水率预测模型,然后通过对采集到的港口实时天气数据和煤堆不同煤种的含水率数据融合处理,使用LSTM网络对训练数据集进行训练,并用来测试数据集,最后确定煤炭含水率预测模型,从而实现对堆场的智能洒水。研究结果表明,该模型对煤港堆场含水率预测的准确率在85%以上,据此模型建立智能洒水策略,能有效抑制煤堆起尘。上述方法对节约港口用水和减少污水量,以及对煤炭绿色开采和绿色生态港口建设具有参考价值。     

跨音速风扇叶尖间隙对叶片颤振特性的影响

为了研究跨音速风扇叶片叶尖间隙大小对叶片颤振特性的影响,以NASA rotor67转子为例建立了单排全环流动模型。求解定常和非定常流场使用雷诺平均Navier-Stokes方程(RANS),结构动力学方程的求解使用模态叠加法,利用时间推进法模拟颤振的整个非定常过程直到达到收敛条件,对得到的模态位移曲线进行拟合得到对应状态的气动阻尼值。定常计算和颤振计算使用自行编制的HGFS计算程序,间隙范围从0.15%¹.26%span。数值计算结果表明,叶尖间隙的大小与气动阻尼为非线性关系,存在一个中间叶尖间隙使气动阻尼最大,气弹稳定性最优。     

基于迁移学习的交通标志识别系统设计

针对自动驾驶领域对交通标志识别的需求,设计了一种基于迁移学习的交通标志识别系统。该系统采用了预训练的MobileNetV3(去掉输出层)作为特征提取网络,然后添加两个自定义的全连接层以实现信号的分类和输出。由于采用迁移学习方法,深度学习网络中需训练的模型参数大幅减少,训练所需时间大为缩短。该系统使用经典的中国交通标志数据库(CTSDB)中的数据作为交通标志的训练数据和测试数据,训练结果表明,损耗低至0.024 3,准确率高达99.88%;测试结果表明,可以对58类交通标志进行识别,准确率为55.3%。     

基于VxWorks的永磁同步电动机控制系统设计

针对难以精确地用数学语言描述永磁同步电动机机理特性的问题,设计了基于VxWorks实时操作系统的硬件在环永磁同步电动机对拖实验平台。利用VxWorks实时操作系统实现控制系统控制信号及采集信号的实时性;使用频率变化的正弦信号激励出永磁同步电动机特定频率范围内的模态,采用功率谱密度函数模型辨识方法建立其数学模型,并将辨识出的数学模型用于系统速度环的控制器设计,并通过仿真及平台进行了实验。实验结果表明,辨识模型可以较精确地描述实验平台的快速性、相对稳定性等动态特性。该方案将重点放在模型建立和控制器设计上,门槛低,灵活性大,可大大缩减实验时间。     

一种基于聚类的入侵检测新方法

根据目前应用于入侵监测的算法中普遍存在的对输入顺序敏感,无法自适应地确定参数以及需要大量的训练数据等问题,且k-means算法存在初值选取的问题,因而提出一种新的聚类算法进行入侵行为的监测.该方法的优点是对输入数据顺序不敏感以及能够比较准确地选择聚类的初值.实验中采用了KDD99的测试数据 ,结果表明该方法可以比较有效地检测真实网络数据中的已知和未知的入侵行为.     

对高阶对象的一种模型辨识方法

由于工业生产中的被控对象模型往往都是未知的,这对于系统整体的控制以及控制器参数的整定都带来极大不便,所以得到被控对象的精确等价模型尤为重要。提出了一种针对高阶对象的模型辨识方法,通过获取对象的输入输出数据,采用一定的变换方法得到对象的一阶加纯滞后或二阶加纯滞后模型。从被控对象模型和辨识出的模型Nyquist图以及单位阶跃响应方面,利用Matlab仿真对模型辨识度进行验证。仿真结果表明,该方法辨识出的被控对象模型拟合度高。     

基于EMD的运动想象脑电特征提取与识别

针对运动想象脑电特征的提取与识别,提出了一种采用经验模态分解(EMD)提取脑电信号能量特征与幅值特征的分类识别方法。首先用时间窗对脑电信号进行细分;然后利用EMD方法对细分后的数据进行分解,取前三阶的固有模态函数分量(IMF),提取能量和平均幅值差作为特征向量;最后,使用支持向量机对左右手运动想象进行分类识别。多次仿真试验数据表明,分类准确度达到88.57%,证明了该方法有效、适用。     

出水COD模糊预测的烟花算法优化

针对复杂的污水处理过程中化学需氧量(COD)难以实现精准、经济测量这一难题,提出一种出水COD浓度预测的模糊建模方法.基于活性污泥法搭建关于出水COD的模糊预测模型,用模糊C均值聚类算法(FCM)对模型进行结构辨识,采用最小二乘法对模型进行参数辨识,并用烟花算法(FWA)对模型的结构和参数进行优化学习.将污水处理仿真基本模型(BSM1)提供的数据在MATLAB平台进行仿真实验,结果表明,采用烟花算法优化后的模糊预测模型对出水COD的预测精度更高,预测效果更好.