关于半鞅向量随机积分的一个注

建立了半鞅向量随机积分的一个结果,能方便处理可料过程在向量随机积分意义下对半鞅的分解随可料过程不同而不同的问题.作为其应用,给出了有关文献中定理的简洁证明.并利用其思想,得到了半鞅向量随机积分的一个重要性质.     

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。     

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。     

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。     

一种计算任意形状封闭区域面积的新方法

在图像模式识别中 ,面积是很重要的特征。提出一种计算面积的新方法 ,利用Freeman链码矢量分析 ,对边界像素标注综合处理 ,再进行边界像素坐标加权求和计算 ,求得目标面积 ;该方法与原有计算面积的方法相比 ,该方法实现简单 ,计算量小 ,结果准确     

基于串联铁耗模型的感应电机矢量控制分析

在分析感应电机铁耗基础上,给出了感应电机的串联铁耗模型,并提出了一种改进的矢量控制方案。该方案与传统矢量控制方案相比,减小了由于未考虑铁耗所导致的磁链定向误差。最后,通过仿真证明了基于串联铁耗模型的矢量控制方案的有效性。     

模糊性测量及测量性质

运用Rough集方法定义有关认识上的模糊性 ,列举关于模糊性测量的方法 ,给出一个模糊向量的模糊性测量 ,并讨论这种测量的性质     

基于模糊支持向量机的发动机故障诊断方法

发动机的故障样本少,用神经网络进行故障类别的学习和分类往往会出现过学习、泛化能力不高以及局部极小点等问题。针对这一缺陷,将基于小样本理论的支持向量机学习方法应用到发动机的故障诊断中。同时讨论了3种多故障分类器的优缺点,并用引入模糊隶属函数的方法解决了“一对多”方法在构建多故障分类器时存在的分类盲区,提高了分类器的分类精度。用该方法对发动机常见的8种状态模式的样本进行训练和识别,训练样本和测试样本都有较好的识别率。     

高空风场条件风速概率分布与正态分布差异分析

在飞行器多学科优化设计中,高空风场是有重要影响的不确定性因素,需要准确获取其统计特性。高空风场条件风速的概率分布是特定的,为了便于将高空风场概率模型用于不确定性设计,减少计算量,提出了高空风场条件风速概率分布与正态分布差异的分析方法,给出了将高空风场条件风速概率分布简化为正态分布的适用条件。数值仿真结果表明:在纬度为24.3°N～42.2°N范围内,不同地区高空风场条件风速概率密度与正态分布概率密度的差异在海拔2～30 km范围内呈喇叭形分布,在海拔15 km附近,高空风场条件风速概率密度与正态分布概率密度最接近,高空风场条件风速的概率分布可近似假设为正态分布。综合以上工作,给出了在飞行器不确定性设计中考虑条件风速不确定性时,生成随机样本方法的选择建议。