基于KPCA和SVM的火箭发动机试验台故障诊断方法

为了解决液体火箭发动机试验台的故障诊断问题,提出了一种基于核主元分析(KPCA)特征提取和支持向量多分类机(SVM)的故障诊断方法,该方法首先利用核主元分析对试验台标准故障样本进行特征提取,通过特征分析,建立适合于试验台故障状态识别的层次多分类支持向量机,并对其进行训练,然后将试验数据在主元上投影,输入到训练好的支持向量多分类器,对试验台故障状态进行识别.该方法充分利用了核主元分析强大的非线性特征提取能力和支持向量分类机良好的小样本泛化特性,解决了试验台故障诊断中的小样本、非线性模式识别问题.对试验台的试验结果表明,该方法是有效的、可行的.     

基于层次支持向量机的区域战略交通控制策略优化方法

针对传统交通控制系统中控制策略无法动态响应交通状态变化的问题,提出了一些评价区域交通状态的指标,并基于这些指标提出了一种基于层次支持向量机的区域战略交通控制策略优化方法,设计了两种层次支持向量机优化结构。最后基于VISSIM4.2和Matlab 7.01平台,开展了一些模拟试验来验证所提出方法的性能。仿真结果表明,基于组合二叉树的层次支持向量机的优化方法能够更有效地、准确地响应于时变交通流。