基于改进LS-SVM的雷达故障诊断技术

针对传统雷达系统故障诊断流程复杂、诊断时间长且准确率仍有上升空间的问题,将改进最小二乘支持向量机算法引入到雷达系统故障诊断中,建立雷达故障诊断模型。该方法很好地解决了分类和函数估计问题,加快了诊断速度,改善了最小二乘支持向量机的鲁棒性和稀疏性,并提高了诊断准确率。通过对某型雷达故障诊断实例仿真,对比改进最小二乘支持向量机和传统神经网络在雷达故障诊断上应用的效果,仿真结果验证了该方法较传统神经网络,具有更好的雷达故障诊断效率和准确率。     

舰艇编队海上运输补给物资需求预测方法

按照是否与任务、事件相关,将物资需求分为两类,对于任务、事件相关物资需求的预测,将任务进行合理的分解,并根据物资消耗与任务、事件之间的关系,给出了预测的一般模型;对于与任务、事件联系不紧密的物资需求的预测,则根据历史经验及该物资固有的消耗规律,提出了经验预测模型。为了解决舰艇编队海上运输补给物资需求预测所存在的问题,利用案例推理的方法生成了预测所需的样本数据,以最小二乘向量机(LSSVM)模型为预测模型,并以岛屿进攻作战的防空弹药需求预测为例进行了实例分析。结果表明:案例推理生成的样本数据可用,选用LSSVM模型的预测结果与其他预测模型表现出了一致性,但LSSVM相对误差较小;该方法在某种程度上解决了样本数据有限的问题,适用于作战物资需求的预测问题。     

一种基于GPU的数字信道化处理方法

为了减少数字信道化接收机的开发成本,提高吞吐量与处理速度,对被动雷达截获信号数字信道化接收机的结构进行了研究,提出了一种基于GPU的数字信道化接收机的实现方法。该高效结构不仅节省了硬件成本,缩短了开发周期,而且加快了处理速度,达到了准实时性。实验结果表明:基于GPU的运算平台与CPU平台相比较,处理速度提高一倍左右。     

基于KKT条件的SVM增量学习算法

为了解决支持向量机(SVM)在增量学习时,由于支持向量选择不完全,导致增量学习过程无法持久进行的问题,提出了最大似然边界SVM增量学习算法。该方法在深入分析分类面变化趋势的基础上,充分利用KKT条件,选择包含支持向量的边界向量参与SVM增量学习。实验表明,该算法可以完全覆盖支持向量,与经典支持向量机算法的结果完全相同,并且节省了大量时间,为今后大样本分类和增量学习的可持续性提供了条件。     

基于区间支持向量回归的空战目标威胁评估

针对空战目标威胁评估问题,提出了一种新的基于区间支持向量回归的评估方法。首先对空战目标威胁评估方法中常用的距离威胁模型进行了分析,在此基础上对距离威胁模型进行了改进。然后构建了基于区间数方法的威胁评估指标权重的确定方法。最后建立了基于区间支持向量回归的空战目标威胁评估模型,并进行了仿真实验。仿真结果表明,提出的方法具有较高的预测精度,能够准确、快速地完成多个空战目标的威胁评估。     

基于瞬时转速分析的坦克柴油机失缸故障诊断方法

针对柴油机失缸故障检测排除工作效率低的问题,利用瞬时转速分析方法实现柴油机失缸故障快速检测。通过坦克实车故障模拟试验,测量了柴油机气缸失火时的瞬时转速信号,采用非线性插值方法对瞬时转速序列进行整周期调整。利用小波包分解方法对瞬时转速信号提取了转速波动信号,分析提取了瞬时转速信号的复杂度和时域、频域特征,建立了基于支持向量机的故障诊断模型,实现了气缸失火故障诊断,并利用瞬时转速波动率作为判定参数,实现了故障定位。     

基于重构相空间AD-SVM的短期电力负荷预测

利用重庆市九龙坡区电网2009年7月1日000-10月8日4：00 99 d共2 380个历史电力负荷数据,分析其特点和规律.将构建混沌理论的平均位移（AD）法和支持向量机（SVM）相结合,提出了一种新的短期电力负荷预测模型.通过仿真计算,将结果与神经网络法预测结果进行对比,可得新方法能较好反应数据变化趋势,并且具备较好的拟合能力,能够提高负荷预测精度.在实际短期电力负荷预测中,可优先选用平均位移法与支持向量机相结合的新方法.     

一种武器系统经济性智能优化论证设计方法

针对武器系统经济性优化论证设计问题以及传统方法的不足,提出了一种智能优化论证设计方法.该方法将系统论证设计过程分为系统辨识模型的建立和系统优化控制2个阶段,采用粒子群( particle swarmoptimization,PSO)算法优化支持向量机(support vector machine,SVM)建立系统辨识模...     

R^3,1中具有平行平均曲率向量的类时曲面

用可积系统方法给出了4维Minkowski空间R^3,1中具有平行平均曲率向量的正则类时曲面的表示。与类空曲面不同,这些类时曲面由Klein-Gordon方程ωxy＋｜H｜sinhω=0,ωxy-｜H｜coshω=0,ωxy＋1/2｜H｜eω/2=0所决定,表明这类曲面在R3,1中是丰富的。     

基于类别可分性准则的金属磁记忆信号小波能量谱特征提取研究

为了解决金属磁记忆信号小波能量谱特征存在的相关性和冗余性问题,利用类别可分性准则,在提取金属磁记忆信号小波能量谱的基础上,将能量谱特征进行变换提取最优特征向量。将能量谱特征向量、最优特征向量和低频特征向量作为支持向量机的特征输入量分别对不同检测区域的金属磁记忆信号进行识别。实验结果表明：最优特征向量能够减小小波能量谱特征的相关性和冗余性,有效提高支持向量机识别的准确率。