稀疏贝叶斯相关向量机的模拟电路故障诊断

模拟电路故障诊断受制于传统的机器学习方法需要人为设定参数,分类效果依赖于参数设定是否成功,无法进行在线诊断。为此,提出一种基于稀疏贝叶斯相关向量机理论的模拟电路故障诊断模型,改进权值更新算法,设定阈值提前剔除非相关权值,减少算法运行时间,加快权值更新速度。在贝叶斯框架下对分类函数的权重进行推断,并得到各分类的后验概率,从而判断分类结果的置信度,辅助诊断决策。仿真结果表明,与支持向量机相比,该模型在精度相当的情况下,需要的相关向量更少,更具稀疏性和泛化性,分类时效性更高,适合模拟电路的在线检测。     

深孔水压爆破炮孔初始压力的数值计算

利用非线性动力有限元程序LS-DYNA建立了深孔水压爆破的数值计算模型,通过对多种不耦合装药模型的数值计算,以及与耦合装药爆炸炮孔初始冲击波的声学近似公式计算结果的比较,得出了深孔水压爆破可以节约装药量的结论.     

基于灰色关联度准则的TVARMA模型参数估计方法*

针对时变自回归滑动平均模型参数估计问题,基于时间基扩展思想,推导了两种不同的时变自回归滑动平均模型参数估计方法——非线性最小二乘方法和辅助序列法,并以灰色关联度作为观测序列和模型输出序列的相似性评价准则,给出相应的参数迭代估计过程。分别将这两种不同的迭代估计方法应用于某飞行器的结构响应非平稳时间序列的建模,应用结果表明,辅助序列法与非线性最小二乘方法相比,在参数估计精度、收敛特性等方面,前者均优于后者;辅助序列法更适于非平稳时间序列的建模。     

模糊核聚类相关向量机模拟电路故障诊断

针对模拟电路故障与特征间存在的模糊组及交叠,首先建立基于Fisher准则函数的最佳聚类数自适应估计方法,采用模糊核聚类选择最优可诊断故障集,然后提出一种基于稀疏贝叶斯相关向量机(RVM)理论的模拟电路故障诊断模型,提高了RVM模拟电路故障分类的效率和准确度;模型可以在贝叶斯框架下对分类函数的权重进行推断,而且得到各分类的验后概率,从而能判断分类结果的置信度,辅助进行诊断决策;仿真结果表明提出的模拟电路诊断模型在精度提高的情况下,比支持向量机需要的向量更少,更具稀疏性和泛化性,是一种有效的模拟电路故障诊断方法。     

基于共轭分布的飞行器试验贝叶斯统计方法

针对飞行器试验数据总体分布参数均未知,无法直接使用Bayes方法得到验后分布的情况,提出先采用随机加权得到历史数据验前分布,然后用Bayes方法估计出总体方差,最后运用共轭先验分布得到均值验后分布的方法。仿真结果表明:分布参数置信区间减小,估计精确度增加,避免了直接使用Bayes估计算法复杂、无法积分的问题,是解决验前信息不足、分布参数未知情况下进行飞行器试验数据Bayes估计的一种有效途径。     

基于共轭先验分布的贝叶斯网络分类模型

针对贝叶斯网络后验概率需计算样本边际分布,计算代价大的问题,将共轭先验分布思想引入贝叶斯分类,提出了基于共轭先验分布的贝叶斯网络分类模型.针对非区间离散样本,提出一种自适应的样本离散方法,将小波包提取模拟电路故障特征离散化作为分类模型属性.仿真验证表明,模型分类效果较好,算法运行速度得以提高,也可应用于连续样本和多分类的情况,扩展了贝叶斯网络分类的应用范围.     

一种TVARMA参数估计方法及在飞行器结构响应信号建模中的应用

针对某飞行器结构响应信号TVARMA模型参数估计问题.本文提出了一种TVARMA模型系数分步估计方法.首先,采用改进的Y-W方程对TVARMA模型时变自回归部分系数进行估计,并计算残差序列;其次,建立残差的高阶TVAR白化模型,并反演与白化模型等价的时变滑动平均模型系数;最后,通过曲线拟合方法对时变滑动平均模型系数进行拟合.该方法避免了非线性方程求解.降低了计算量,应用结果表明其有效性.     

一种改进的ARMA模型参数估计方法

针对自回归滑动平均(auto-regressive moving average,简称ARMA)模型参数谱估计容易出现谱峰漂移问题,提出一种基于组合目标函数和遗传算法的ARMA模型参数估计方法.通过最小均方误差准则获得ARMA模型参数初始估计,依据现代谱估计理论和连续函数极值存在的必要条件推导模型参数的频域约束方程,构造组合目标函数并采用遗传算法对模型参数初始估计值进行优化获得模型参数的最优解.将该方法用于车削状态下尾顶尖垂直方向振动加速度时间序列建模和谱估计,结果表明了方法的有效性.     

用多项式逼近理论的时变权重组合预测方法及其应用

提出一种基于一元多项式逼近和二元多项式逼近的时变权重组合预测方法,并将之应用于飞行器结构响应序列的建模与预测。充分考虑权重的无偏性和非负性,通过引入松弛变量将不等式约束转化为等式约束并基于惩罚函数构造新的组合预测目标函数;最后采用遗传算法获得未知变量的数值解及组合预测时变权重表达式。应用结果表明预测方法有效。