基于VMD和SVM的舰船辐射噪声特征提取及分类识别

针对复杂海洋背景下舰船声频辐射噪声特征提取困难的问题,提出一种基于变分模态分解、中心频率、复杂度特征和支持向量机的舰船辐射噪声特征提取及分类识别方法。对四类舰船辐射噪声信号使用变分模态方法分解,得到一定数量的固有模态函数。通过比较提取能量最大的固有模态函数中心频率和排列熵作为特征参数,并利用支持向量机方法对四类舰船信号样本进行分类识别。实验结果表明,该方法可以实现对舰船辐射噪声的特征提取,与已有方法对比,该方法具有较高的识别率。     

集对分析和LS-SVM相结合的装备研制风险综合评价法

为有效降低或规避武器装备研制风险,确保装备研制项目的顺利推进,提出一种基于集对分析理论与最小二乘支持向量机方法的装备研制风险综合评价方法。根据武器装备研制特点,建立装备研制风险评价指标体系。在此基础上,引入集对分析理论中的联系度和集对概念构建训练样本和测试样本。利用样本对最小二乘支持向量机进行训练测试,得到装备研制风险的评价模型,并给出评价结果。案例分析表明,所提方法过程简便,定性定量结合,形式易于理解,评价结果也更加贴近实际,对于提升装备研制项目风险管理和决策水平,具有重要的实际意义。     

基于小波包和支持向量机的舰用发动机故障诊断

舰用发动机是一个复杂的大系统,由于受到海洋恶劣气候的影响,其故障发生的概率大大增加,因此,对舰用发动机故障诊断进行研究具有重大实际意义。以舰用发动机的主泵轴承为例,提出了基于小波包和支持向量机的故障诊断方法。首先采用振动加速度传感器获取轴承的振动信号,然后对采集数据进行多层小波包分解,求各频带信号能量,形成各种故障模式下的特征向量。将形成的故障特征向量训练集输入到支持向量机,通过训练建立诊断分类器,并运用测试数据对建立的诊断分类器进行测试。实验结果表明,该方法可以很好地实现舰用发动机故障诊断效能,具有很好的工程应用前景。     

基于支持向量机的多目标分类和识别

支持向量机(SVM)算法广泛应用于模式识别等领域,但是SVM最初是针对二类别分类提出,在多分类识别中稍显逊色。对将SVM由二分类扩展到多分类的算法进行了研究,发现有向无环图(DAG-SVM)是其中用的最多的算法之一。因此,针对军事领域图像的多目标分类,选择有向无环图算法来实现军事图像中单兵、装甲、低空等多目标的分类识别。     

基于分层结构的故障诊断专家系统RDSC方案

针对军事指挥自动化系统中的硬件设备,运用分层结构专家系统技术实现对系统的远程故障诊断与维护支持,提出了远程维护和故障修复支持技术模型,并对该模型的专家系统技术进行探讨,给出了基于CLIPS专家系统的一个实现模型,最后阐述了专家系统中推理机与知识库的设计和实现.     

异步电机定子电阻的观测

介绍了一种基于神经网络技术的感应电机定子电阻观测方法;讨论了定子电阻样本规划,并设计训练形成了定子电阻神经网络观测器.试验表明,该技术方法能有效地实施定子绕组电阻在线观测.     

基于程序状态变迁的ASLR机制脆弱性分析方法

地址随机化ASLR是一种针对控制流劫持漏洞的防御机制。已有的漏洞自动分析与利用技术缺少对地址随机化机制影响的分析,导致生成的测试用例在实际环境中的运行效果受到极大限制。针对地址随机化的缺陷及其绕过技术的特点,本文提出了一种地址随机化脆弱性分析方法。该方法使用有限状态机描述程序运行路径中各关键节点的状态;针对常见的内存泄漏与控制流劫持场景建立约束条件;通过求解内存泄露状态约束与控制流劫持状态约束的兼容性,分析地址随机化机制在特定场景下的脆弱性。实验结果显示,该方法可有效检测通过内存泄漏导致的地址随机化绕过及控制流劫持攻击,实现自动化的地址随机化脆弱性分析,提高针对软件安全性分析的效率。     

涡轮泵状态监控及传感器故障识别的新异类检测方法

为了在故障样本稀缺、故障模式不完备的情况下监控涡轮泵状态,并剔除传感器失效故障造成的虚警,提出用于涡轮泵状态监控及传感器故障识别的单类支持向量机新异类检测方法。该方法以正常状态为目标类构建单类支持向量机检测器,用于检测涡轮泵是否出现异常;以传感器故障为目标类构建单类支持向量机检测器,用于判断检测到的异常是否属于传感器故障。对涡轮泵试车数据的分析结果表明了该方法的有效性。     

对抗战时期中国机器工业“繁荣”的思辨

抗战时期,中国的机器业获得了一个＂繁荣＂的发展。这是近代中国追求机器业发展几十年的结果,更是战争特殊环境直接推动的结果。然而,这种主要因战争而＂繁荣＂的假象是暂时的,在整个中国工业中的比重也很弱,它并没有将中国工业化推向深入。同时,就战争带给机器业的影响来看,它是一把双刃剑,无论就战争发动者与应对者,它带给人类的是祸大于福,任何寄希望于战争带动社会经济、大发战争财的做法迟早会作茧自缚。我们应反对战争、创造和平、珍惜和平,只有在和平环境中才能谋求真正的发展。     

基于支持向量机的多分类军事目标识别应用

针对现代战场信息化程度的不断提高,电磁环境日趋复杂,侦查目标难以准确地识别情况,提出了运用支持向量机多分类器对军事侦查目标进行有效识别.结构风险最小化地支持向量机分类方法是小样本情况下统计机器学习的经典,具有速度快、泛化能力强等特点.用该算法建模军事目标的识别问题,达到了较高的识别准确率.所以应用在对侦查目标的识别上具有良好的效果,在军事应用上有较广阔的前景.