最小二乘支持向量机在蓄电池剩余容量建模中的应用研究

蓄电池容量是表征蓄电池工作性能的重要指标,但铅酸蓄电池剩余容量难以建模。将蓄电池检测系统测量的电压、电流、密度作为输入,荷电状态为输出,并基于最小二乘支持向量机对蓄电池充放电过程剩余容量进行了建模仿真,实现了对蓄电池剩余容量的实时预测。分析了最小二乘支持向量机参数对建模的影响,并对几种建模方法进行了比较。结果表明:该方法具有预测精确度高、推广能力强、运行时间短等优点。最小二乘支持向量机在小样本、非线性建模方面的应用表明:它在拟合精度和预测能力上都比传统方法有一定的提高,具有良好的应用前景。     

判决特征选择的快速人脸识别算法

为了在确保识别精度的条件下提高人脸识别的速度,提出了判决特征选择算法(SVM-DFS).针对多类分类问题,判决特征选择算法根据统计学习理论使用支持向量机来实现特征选择,根据全概率定理把特征选择和多类分类集成到一个统一框架.在UMIST和FERET人脸数据库上的实验表明:SVM-DFS算法可以用来挑选对分类最有用的特征,这些挑选出来的特征具有明显的物理意义.使用判决特征选择方法不但可以加快分类器的响应速度,而且不降低分类器的泛化能力.     

舰机时间协同对潜检查搜索样式

舰机一体化反潜是反潜作战最有效的形式,而舰机协同反潜搜索是其最重要的组成部分.从实际应用的角度出发,研究了舰机时间协同检查搜索样式,并给出了基于该样式的实际应用例子.     

模糊专家系统自动装弹机故障检测系统

针对步战车装弹机故障检测困难,设计步战车装弹机故障检测系统,自动高效地实现对步战车装弹机的故障检测。利用模糊专家系统解决模糊问题的基本方法,阐述了系统的总体设计和硬件设计,按照输入输出信号的特点,将系统分为模拟信号输入输出模块和数字信号输入输出模块,并详细介绍了系统软件的核心——模糊专家系统的设计,特别是对模糊专家系统中知识库、推理机、解释模块以及学习模块的开发进行了探讨。     

水下爆炸中自由场压力和船体壁压的测量与分析

对水下爆炸中自由场压力的水面截断效应及冲击裁荷与船体相互作用的船体壁压进行了分析,得出了自由场压力的水面截断效应及早期的船体壁压计算近似公式.测量结果表明,球形装药中心起爆后形成的冲击波一般不是一条光滑曲线,而是会有多个振荡峰;当自由场压力测点离水面较近时,测量的自由场压力会出现明显的水面截断现象;船板在水中爆炸冲击渡的作用下产生的运动和变形对水中压力场有很大影响,舰体壁压反射系数与冲击波的入射角度有关.     

具有在线测量功能的三工位紧塞具压入机设计研究

分析目前使用的药筒紧塞具压入设备的缺点和不足,研究在线测量药筒实际装药高度的方法,提出在线测量药筒实际装药高度,同时根据装药高度控制紧塞具实际压入深度的设计思想,设计了一种具有在线测量功能的采用并行工作方式的三工位药筒紧塞具压入设备。该设备具有自动化程度高和能够精确控制紧塞具压入深度等特点。     

基于访问特征负载预测的负载均衡算法

为了提高web集群负载均衡的效果,结合web服务用户访问静动态内容的特征,提出了一种基于访问特征负载预测的负载均衡算法。首先建立网络带宽负载和CPU、内存综合性能负载的小波包一支持向量机回归混合预测模型;然后根据用户请求的类型,结合负载预测的结果对任务进行分配和调度。仿真结果表明：与传统的基于负载预测的负载均衡算法相比,基于访问特征负载预测的负载均衡算法能达到更好的负载均衡效果,从而有效提高web集群的整体性能。     

变工况下轴承健康监测的相关向量机与自适应阈值模型方法

工况在旋转机械运行过程中通常是变化的。变化的工况和故障一样,也会引起机械振动特征发生改变,从而引起诊断误差。为此,提出一种用于变工况下轴承健康监测的新方法。该方法使用相关向量机拟合振动特征的统计量随工况参数的变化,得到特征统计量与工况参数之间的连续函数关系;基于不同工况下的特征统计,构建自适应阈值模型。将该方法用于不同转速下的轴承健康监测,结果表明,当转速超过某一个较小的值时,该方法有效。     

星际探测太阳帆行星和太阳借力轨道全局优化

以太阳帆在20年内飞行至距离太阳200 AU以远进行星际探测为目标,研究太阳帆通过行星借力和太阳借力的轨道全局优化问题。建立太阳帆时间最优转移轨道数学模型,分析行星借力和太阳借力的约束条件,并用这些约束条件构造目标函数,从而将轨道优化的四点边值问题转化为求解无约束条件下的多变量优化问题。通过选取合理的约束权重,采用遗传算法获得大范围的粗略解,代入到序列二次规划算法中获得高精度解。仿真结果表明,虽然太阳帆通过太阳借力已获得相当大的加速度,但加上木星借力仍然可以节省相当多的飞行时间。提出的轨道优化思路,可以为太阳系逃逸任务轨道初步设计提供参考。     

小生境粒子群支持向量机的网络故障诊断

针对支持向量机(SVM)在网络故障诊断中应用存在的参数设置和诊断模型复杂的问题,提出一种基于小生境粒子群优化的SVM解决方案。算法在进行参数寻优的同时考虑支持向量个数,实现对诊断模型复杂度的优化,并采用小生境粒子群算法进行求解,提高算法跳出局部最优的能力。在DARPA数据集上的实验表明本文提出的方法能够有效提高诊断模型的泛化性和诊断速度。