【摘 要】
：
为提高导引头故障诊断准确率,提出了一种采用改进遗传算法优化的最小二乘支持向量机(LSSVM)构造导引头多故障分类模型的方法。该方法基于一对一策略及改进的投票法建立两层LSSVM多故障分类器,并利用一种自适应变步长搜索策略改进的遗传算法对LSSVM的核参数和正则化参数进行自动优选。通过对某型导引头实测数据的仿真并与标准SVM和BP神经网络诊断方法相比较,结果表明,该方法具有更高的诊断准确率和计算效率
【机 构】
：
北京航空航天大学仪器科学与光电工程学院,北京航空航天大学可靠性与系统工程学院,空军驻西南地区军事代表室
论文部分内容阅读
为提高导引头故障诊断准确率,提出了一种采用改进遗传算法优化的最小二乘支持向量机(LSSVM)构造导引头多故障分类模型的方法。该方法基于一对一策略及改进的投票法建立两层LSSVM多故障分类器,并利用一种自适应变步长搜索策略改进的遗传算法对LSSVM的核参数和正则化参数进行自动优选。通过对某型导引头实测数据的仿真并与标准SVM和BP神经网络诊断方法相比较,结果表明,该方法具有更高的诊断准确率和计算效率。
其他文献
以分类为基础提出了一种基于条件熵的决策表属性并行约简算法。该算法通过条件熵的计算在属性约简的同时将原决策表逐层分解为相对于决策属性来说尽量均匀的子决策表,从而实现了属性约简的并行计算。随后对该算法的时间复杂度进行了分析,实验表明,该算法在效率方面优于传统算法。
提出一种基于小波分解的网络流量时间序列的分析和预测方法。将非平稳的网络流量时间序列通过小波分解成为多个平稳分量,采用自回归滑动平均方法分别对各平稳分量进行建模,将所有分量的模型进行组合,得到原始非平稳网络流量时间序列的预测模型。在仿真实验中,利用网络流量文库的时间序列数据建立了预测模型,并对其进行独立测试检验。仿真结果表明,本预测方法提高了网络流量时间序列的预测准确率,是一种有效、稳健的网络流量预
为了丰富克隆选择算法的理论研究并将遗传算法与克隆选择算法的收敛属性进行比较,采用与研究遗传算法类似的方法研究一般克隆选择算法概率性收敛属性,得到了克隆选择算法以一个预先定义的概率δ找到全局最优解的进化代数上界,该上界是独立于优化问题的。另外,在概率性收敛的情况下,得出了克隆选择算法与遗传算法的进化代数上界的比较结果以及相关结论。
为了克服长寿命、高成本、高可靠性设备失效数据获取困难和监测维护策略不合理的缺点,基于漂移布朗运动,利用设备的周期性能监测数据,对设备的退化失效过程进行建模,评估设备服役期内的可靠性、剩余有效寿命,并综合考虑设备的监测维护成本和可靠性的要求,以单位时间期望监测维护成本最小为目标,提出了确定最优监测间隔的方法。使用某型号惯性平台存储时月监测数据及提出的方法,得到了其关键部件陀螺仪的可靠性和剩余有效寿命
针对基于滤波方法的最大似然参数估计步长序列过于单一、算法收敛缓慢并很容易收敛于局部最优解的问题,提出了基于似然权值的在线EM参数估计算法(LWOEM)。通过粒子滤波方法实时估计系统的状态值变化,结合最大似然方法计算静态参数的点估计,然后通过计算更新参数的似然值来动态更新步长序列。与在线EM参数估计算法(OEM)的实验结果比较,表明该算法具有更好的适应性和收敛效果。
针对云平台无法从单变量负荷序列中获取完整预测信息的问题,提出了一种基于主成分分析的多变量局域预测模型并应用于云计算底层资源的预测中。利用主成分分析法综合考虑多种底层资源间的影响关系,确定多变量相空间的嵌入维数,并与局域预测法相结合,由此建立多变量局域预测模型。仿真实验表明,基于主成分分析的多变量局域预测模型的预测精度高于单变量局域预测模型,是面向云计算底层资源预测的一种有效方法。
为提高地震预测精度,提出并建立了基于软距离计算的聚类方法。给出了基于软距离聚类过程、软距离计算方法以及具体的基于软距离计算的聚类算法。以现实的强震样本点作为聚类数据源,采用该聚类方法以及其他传统聚类方法对该样本数据进行聚类分析。分析结果表明,采用该聚类方法获得的聚类中心点更接近地壳应力场演变的客观真实情况,该聚类分析方法为预测地震的断层带下次发生强震的精确计算提供了很好的计算依据。
针对方程式重排序算法信息隐藏量低、水印嵌入和提取过程复杂的缺点,提出了一种基于变进制规则的方程式重排序软件水印算法。算法以程序中可安全交换方程式的初始系数序列作为密钥向量,无须借助远程认证中心,利用变进制转换规则和方程式系数循环右移操作实现了水印的嵌入和提取。实验分析表明,算法进一步提高了水印的数据率,增强了水印的隐蔽性,对BLOAT等扭曲攻击具有很强的抵抗能力。
针对无线传感器网络中因节点的任意部署导致出现覆盖空洞的问题,采用了移动节点进行修复的思想,提出了一种基于向量代数的分布式方法来确定节点的移动方向和通过感知半径来确定节点的移动距离的节点移动方案。仿真实验结果表明,该策略提高了网络的覆盖率,减少了所需移动节点的个数和移动节点的能量消耗。
通过计算某一点与其左右两相邻点斜率的比值确定出变化点,连接这些变化点,就得到一种基于斜率变化阈值的时间序列分段线性STC表示算法。来自航天器不同分系统的真实数据集实验表明,使用STC算法作为航天器测试时间序列的模式表示方法,与其他分段线性表示算法相比,该方法具有算法简单、拟合程度高和适应能力强的特点。