基于LS-SVM的飞机重着陆超限事件预测

为提高飞机重着陆超限事件预测的准确性,提出了基于最小二乘支持向量机（Least Squares Support Vector Machine,LS-SVM）的建模预测方法。根据样本数据的均方根相对误差确定嵌入维数,对重着陆超限事件样本进行相空间重构,建立了基于LS-SVM飞机重着陆超限事件预测模型,并采用遗传算法优化选择LS-SVM参数。基于某航空公司的飞行品质监控重着陆超限事件月报数据,采用LS-SVM模型对重着陆超限事件进行了预测实验。实验结果表明,基于LS-SVM的飞机重着陆超限事件预测模型精度高、泛化能力强。     

民用飞机重着陆响应及诊断研究

分析了飞机着陆阶段起落架受力原理,探讨了重着陆的成因及响应,并以此为理论依据,综合现行的民用飞机重着陆判别方法,对飞机重着陆事件的诊断进行了研究.针对以往根据单一参数判别重着陆事故,提出多元参数诊断重着陆事件的方法,确立用于判别重着陆事故的多飞行参数.工程实例的诊断效果证明了该方法具有较高的精度,能够更为科学地诊断重着陆事件及其响应.     

民用飞机重着陆响应及诊断研究

分析了飞机着陆阶段起落架受力原理,探讨了重着陆的成因及响应,并以此为理论依据,综合现行的民用飞机重着陆判别方法,对飞机重着陆事件的诊断进行了研究。针对以往根据单一参数判别重着陆事故,提出多元参数诊断重着陆事件的方法,确立用于判别重着陆事故的多飞行参数。工程实例的诊断效果证明了该方法具有较高的精度,能够更为科学地诊断重着陆事件及其响应。     

某型号飞机重着陆检查程序优化分析

飞机重着陆是一种比较常见的民用飞机特殊事件,发生后影响到飞机多系统,多区域,其航后维修程序的检查项目需全面,安全,有效。本文基于某新型号飞机给出了一种重着陆后检查项目的分析方法,对飞机维修手册的中的检查程序进行了优化。     

基于LS-SVM的柴油机润滑油中磨粒含量预测

介绍了最小二乘支持向量机(LS-SVM)回归算法的基本原理,并以490BPG型柴油机润滑油中磨损磨粒为研究对象,使用LS-SVM对磨粒的浓度数据进行了回归拟合并预测,并与基于人工神经网络的预测模型的预测结果进行了比较.结果表明,LS-SVM的预测模型的精确度较高,泛化能力强,是用于润滑油中磨粒浓度预测的一种有效的方法.     

基于最小二乘支持向量机的某控制系统故障预测研究

介绍支持向量机(SVM)的一种拓展算法——最小二乘支持向量机(LS-SVM),并将LS-SVM算法应用于某控制系统的预测。根据实测数据,建立了基于LS-SVM算法的某控制系统预测模型,同时与BP神经网络的预测模型进行分析比较。结果表明,LS-SVM算法在控制系统的预测中具有较好的可行性、有效性及较高的预测精度,更适合于解决该控制系统的数据建模。     

民用航空发动机低压振动-转速特性的数据挖掘研究

为了优化航空公司对飞机运行数据的利用,本文讨论了一种基于QAR(Quick Access Recorder)飞机运行数据的民用航空发动机低压振动-转速特性的研究方法。应用聚类和回归分析理论,建立了基于发动机QAR运行数据的监控参数预测模型,对低压端易发生振动超限的转速区间的振动值趋势进行了预测;并对飞机左、右发的数据预测进行了趋势对比分析。研究表明,该方法对发动机性能趋势预测和发动机排故端口前移都具有指导意义。     

基于LS-SVM的高速切削温度预测

提出一种基于最小二乘支持向量机(LS-SVM)的高速切削温度预测方法。为验证其可行性,首先,构建了基于LS-SVM的高速切削温度预测模型并选取影响切削温度变化的主要加工参数(切削速度、进给量、轴向切深和径向切宽)为模型输入;其次,采用Box-Beknhen实验设计方法在尽可能多地获取的切削温度变化数据的同时减少实验次数。然后,构建了基于MCV850加工中心的高速切削温度测量系统,验证了所建立模型的预测精度。结果表明:模型预测误差1%;以随机设定的两组不同于实验方案中的切削参数组合为测试数据,预测值偏离测量值百分比分别为0.83%和0.51%,表明所建立预测模型应用于主要加工参数情况下高速切削温度预测的可行性。     

混沌最小二乘支持向量机的短期风功率预测

结合混沌的相空间重构理论和最小二乘支持向量机(LS-SVM)的优点,提出了一种基于混沌LS-SVM风功率预测方法,利用误差评价函数形成反馈机制,通过误差反馈建立参数合理的风功率预测模型。通过对实际数据的仿真,结果表明,该文所提出的混沌LS-SVM预测模型有较好的非线性拟合能力,有较高的预测精度。     

基于OE-CM算法的机床主轴热误差建模与补偿分析

针对机床热误差建模过程中,误差信息不透明、数据特性不全面等不利因素,根据机床主轴热误差实验数据,分别采用GM(1,n) 模型和最小二乘支持向量机(LS-SVM)模型建立主轴热误差预测模型并进行线性叠加,然后采用预测有效度算法调整模型加权系数,建立了最优有效度复合预测模型（OE-CM）以获取最佳预测效果。在VXC-560型三轴数控机床上进行在线实验建模,实验结果表明：OE-CM具有预测精度高、鲁棒性好等特点,整体预测效果优于灰色GM(1,n)模型和LS-SVM模型,适合在复杂工况条件下对机床主轴热误差进行预测和补偿,为提高机床热误差补偿精度建立了理论模型。为了验证该预测模型的有效性,对所研究的机床主轴进行热误差在线补偿,机床主轴Z向最大误差从23.8μm减小到8μm,减幅达到66.4%,较好地提高了机床精度,具有一定的工程化推广前景。