基于最小二乘支持向量机的航材备件需求建模

基于最小二乘支持向量机(LS-SVM)的航材备件需求预测模型,根据航材备件需求的保障任务、航材性能、环境及人事等影响因素建立.假设系统为单输入单输出,定义其输入输出时间序列集.采用LS-SVM算法,确定NARMAX函数.最后利用系统在正常输入输出时的数据对LS-SVM进行离线训练,得到系统需求模型.     

基于最小二乘支持向量机的机枪加速寿命建模

加速寿命试验可以在短时间内对产品寿命进行有效评定。针对以往机枪加速寿命模型预测能力较差的问题,提出了基于最小二乘支持向量机（LS-SVM）建立加速寿命模型的方法。以机枪寿终射弹量为寿命特征,以试验环境温度、枪管最大温度、射击间隔时间以及最大膛压为加速应力建立了机枪加速寿命模型。由于LS-SVM的参数选取是决定建立模型优劣的关键因素,因此采用遗传算法对LS-SVM参数进行优化选取。通过分析比较LS-SVM与常规变换方法和BP神经网络建立的机枪加速寿命模型精度,结果表明利用LS-SVM方法建立的模型明显优于其他2种方法,验证了LS-SVM在机枪加速寿命预测应用中的有效性。     

基于减量学习的鲁棒稀疏最小二乘支持向量回归机

针对最小二乘支持向量回归机缺乏鲁棒性和稀疏性,提出采用自下而上的学习方式和循环逐一删除样本框架的鲁棒稀疏算法。为增强鲁棒性,采用基于留一误差的鲁棒3σ准则检测并删除异常样本。为提高稀疏性,采用基于最小绝对留一误差的剪枝策略删除不重要样本。为降低计算量,采用快速留一误差和减量学习更新模型。实验结果表明:新算法有较强的鲁棒性,同时在模型泛化性能略有下降的情况下,支持向量数目大幅减少。     

基于最小二乘支持向量机的导弹不确定量估计

针对实际导弹系统存在气动系数不确定量和外界干扰的问题,提出了采用最小二乘支持向量机(LSSVM)对汇总不确定量进行估计和补偿的方法。采用输出重定义技术克服了导弹过载输出的非最小相位特性,利用容易测量的过载和角速度相组合重新定义了新输出量。设计了基于LS-SVM的滑模控制器使导弹过载控制系统的跟踪误差最终收敛到零。以某型超声速反舰导弹为研究对象进行了仿真分析,仿真结果表明,基于LS-SVM的滑模控制器具有很好的控制效果,LS-SVM实现了对汇总不确定量的准确估计。     

基于粒子群算法优化最小二乘支持向量机的电路故障诊断方法

针对数／模混合电路故障的特点,采用将粒子群算法与最小二乘支持向量机相结合的故障诊断方法,在保证诊断过程准确率的基础上,实现多类故障的快速诊断。在诊断过程中,支持向量机的参数寻优过程存在随意性、盲目性和效率低等问题,采用改进的粒子群算法优化支持向量机的参数,建立基于支持向量机的故障分类模型。实验结果表明,与其他方法相比,该方法提高了故障诊断的精度,具有明显的实用价值。     

最小二乘支持向量机在惯导系统传递对准中的应用

为解决系统阶次较高时Kalman滤波实时性较差的问题,提出将LS-SVM应用于舰载机惯导系统的传递对准.利用Kalman滤波的输入、输出作为LS-SVM滤波的样本值进行训练,得到了滤波的输出值,实现了惯导传递对准中的滤波功能.仿真结果表明将LS-SVM用于传递对准,有效地降低了系统的解算时间,提高了系统的实时性.     

基于贝叶斯估计的加权最小二乘分布式融合

针对不同观测矩阵加权最小二乘算法没有考虑到模型参数本身信息的共同缺点,提出基于贝叶斯估计的带不同观测矩阵的加权最小二乘分布式(Bayes Estimation Weighted Least Square,BEWLS)融合Kalman滤波算法。该方法首先采用推广的离散卡尔曼滤波对非线性系统线性化,然后在考虑模型参数本身的先验信息条件下,采用基于贝叶斯(Bayes)估计方法对Kalman滤波算法的观测方程进行加权最小二乘融合。BEWLS融合算法减少了计算负担,提高了融合精度,便于实时应用。理论和仿真证明:BEWLS融合具有优越性。     

基于最小二乘支持向量机时域背景预测的红外弱小目标检测

针对信噪比较低时,如何有效地抑制自然背景对目标检测的影响,提出了一种基于最小二乘支持向量机(LS-SVM)时域背景预测的红外弱小目标检测方法。首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用参数经粒子群优化的最小二乘支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值;然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标。文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较。结果表明所提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法。     

基于改进樽海鞘群和最小二乘支持向量机算法的新型弹药质量评估方法

针对新型弹药产品质量评估样本数据少、试验消耗大、未有效利用制造过程质量数据等问题,提出一种基于改进樽海鞘群和最小二乘支持向量机（LSSVM）的新型弹药质量评估方法。以新型弹药靶试数据为输入,对批次弹药发射成功率进行贝叶斯估计。利用LSSVM建立弹药批次制造质量数据与弹药发射成功率之间关系的评估模型,使用精英质心和反向学习策略改进的樽海鞘群算法对LSSVM进行优化,有效提升评估模型的准确性,并以某新型弹药为例对评估模型有效性进行验证。验证结果表明：与传统LSSVM、粒子群优化的LSSVM及樽海鞘群优化的LSSVM模型相比,该模型具有较高的准确度和较强的鲁棒性,对新型弹药产品的质量评估有一定借鉴意义。     

基于非线性最小二乘法的姿态优化算法

在无陀螺捷联惯导系统中,在一种适合高自旋弹丸运动姿态测试的十二加速度计配置方案下,针对由十二加速度计的输出直接解算出角速度的方法中没考虑加速度计的安装误差问题,提出一种提高角速度解算精度的优化算法。该方法基于非线性最小二乘法从姿态角的一组初值出发开始在每一点处进行线性替代的迭代计算,搜索出满足极值点必要条件的最优角速度,从而实现对姿态角的优化解算。实验证明:该方法能有效抑制安装误差,精度高,是可行的。     

基于粗糙集的支持向量机回归建模及应用

为提高船舶费用建模的精度,找出影响船舶费用建模的相对重要因素,减少各因素之间的相关性对费用模型的影响,提出用粗糙集理论改进支持向量机的建模方法。对数据进行一般约简,去除冗余信息,再进行支持向量机建模预测,建立费用预测模型。实例计算表明,粗糙集改进支持向量机方法的建模精度高,通用性强。     

火药水分检测的偏最小二乘法回归分析与建模

针对扁球状火药颗粒1%~3%的含水量和0.1%的检测精度要求,采用变介质电容式传感器和自平衡交流电桥测量电路,研制了电容式火药水分检测系统。在分析影响含水量的温度、湿度、重量和电压幅值等因素的基础上,建立了偏最小二乘法多参数多元线性回归模型。经实验验证,该模型下的水分检测系统测量最大误差为0.12%,且最大误差出现在含水量为0.3%~1%之间,在含水量1%~3%之间误差均小于0.087%,满足0.1%的测量精度要求。     

基于最小二乘法的硅二极管I-V 特性建模

为研究硅光电器件的性能,对基于最小二乘法的硅二极管伏安(I-V)特性建模进行研究.分析二极管的I-V特性,采用多项式回归分析算法对实验测量的非线性数据集进行拟合,通过最小二乘法推定系数来构造其矩阵,求取反应硅二极管I-V特性的数学模型参数,通过预测值与实际测量值之间的误差分析来验证算法拟合经验公式的准确性.结果表明,该算法和程序可广泛应用于非线性数据集的多项式回归分析中.     

基于D-S证据理论的导弹制导控制系统的联合最小二乘支持向量机预测模型

针对导弹制导控制系统电子设备密集、各性能特征参数间相互耦合关联性强、使用传统最小二乘支持向量机（LS-SVM）预测精度不高的问题,通过分析特征参数的时间相关性与空间相关性,对传统LS-SVM进行了改进,并利用D-S证据理论在数据融合中的优势,将传统与改进的LS-SVM进行融合,建立了联合最小二乘支持向量机（ULS-SVM）预测模型。以导弹制导控制系统为例,实现了关键参数预测。结果验证了模型的合理性与有效性。     

陀螺误差在线建模的递推最小二乘法系统辨识

针对MEMS陀螺不确定性误差建模方法只能离线进行的问题,提出了陀螺不确定性误差时间序列法在线建模中的迭代递推最小二乘法系统辨识方法。该方法首先通过少量实测陀螺输出数据采用最小二乘法估计出系统参数的粗略值,随后利用新测量到的实时数据采用可重复迭代的递推算法使现有系统参数估计值向其真值逐步逼近。实验室验证结果表明:采用该方法的陀螺不确定性误差模型输出与陀螺真实输出的残差高度近似于白噪声,从统计学角度来说该误差模型能够精确描述陀螺不确定性误差输出特性,该方法可以实现陀螺不确定性误差在线建模。     

时序模型实时参数估计的模糊加权递推最小二乘算法及其应用研究

时序模型的参数估计是时序模型建模的核心,当数据长度增加到一定值后,传统的递推最小二乘法会出现数据饱和现象,使模型参数远离真值,为此,本文在分析用于传统时序模型参数估计的递推最小二乘法基础上,给出了模糊加权递推最小二第六法的基本理论、递推算式和加权方法,并在军用工程车辆行驶地面随机不平度的仿真与分析中进行了应用。     

基于递推加权最小二乘法的寻北抗干扰算法?

针对定向设备寻北过程中易受阵风、人员走动等随机干扰影响降低寻北精度的问题,提出了基于递推加权最小二乘估计的定向设备寻北抗干扰算法。该算法以定向设备惯性敏感器输出数据为观测量,实时辨识数据的有效性和精度,并计算加权系数,通过递推算法进行数据滤波,提高了动态条件下惯性器件输出测量数据的估计精度。试验结果表明,该算法能够确保定向设备在5级阵风、发动机和载车取力发电干扰条件下的寻北精度。     

基于非线性最小二乘的双基地声纳定位优化算法

双基地声纳定位是一种重要的定位方法,采用优化算法来提高定位精度是其重要的研究内容。本文采用了将双基地声纳定位方程转化为非线性最小二乘(NLS)问题的技术方法,并后置最优化方法LMF算法,研究了基于多基地接收源的目标定位性能和定位精度的几何稀释(GDOP),给出了定位误差分布。通过数值仿真,研究了不同基线长度时双基地声纳的定位精度,并将NLS拟和算法的多接收源定位性能与纯时间估计定位性能进行了比较。研究表明,本文的基于多基地接收源的目标定位方法相对于纯时间估计定位方法提高了定位精度,特别是在相对短的基线(7.4 km基线长度)情况下,可提高30%的精度。该研究为最优化方法在水声定位中的应用提供了依据。     

基于V-支持向量机与ε-支持向量机的非线性系统辨识

介绍了V-支持向量机与ε-支持向量回归机的原理,并针对函数辨识问题作了仿真和比较,分析了其异同与优缺点.探讨了利用支持向量机进行非线性系统辨识的方法,仿真结果表明了V-支持向量机的有效性与优越性,并分析了V-支持向量机中参数V的变化对辨识结果的影响.