共查询到19条相似文献,搜索用时 62 毫秒
1.
2.
3.
利用两台初速雷达测试弹丸炮口初速的试验中,当一台雷达的数据出现缺失时,通过建模预测出缺失的数据成为一项必要的工作。预测初速主要采用GM(1,1)模型,但是该模型并不完全适合预测初速,所以预测精度不理想。通过深入分析两台雷达之间的关联性,选择把两台雷达的数据进行融合,同时根据弹丸初速自身的特征,选择建立遗传算法优化LSSVM对缺失的数据进行预测。实验验证时,选择ARIMA模型、GM(1,1)模型、支持向量回归机、BP神经网络作为对比模型,两次验证的结果表明,遗传算法优化LSSVM的预测精度最高,误差远小于1‰,达到了初速雷达测试弹丸初速的误差标准,是预测弹丸初速的最佳模型。 相似文献
4.
基于LS-SVM的装备研制费用建模与分析 总被引:2,自引:1,他引:1
应用最小二乘支持向量机原理建立基于最小二乘支持向量机的装备研制费用预测模型,利用LS—SVM方法对装备研制费进行预测步骤包括样本数据准备、模型训练学习、训练结果评估等循环过程,然后应用实例进行预测与分析。结果表明采用最小二乘支持向量机进行装备研制费用预测,所需样本量少、预测精度高、泛化能力强。 相似文献
5.
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。 相似文献
6.
在系统分析武器装备备件预测方法研究现状和导弹备件消耗特点的基础上,提出把粗糙集(RS)、熵权(EW)法、自适应粒子群优化(APSO)算法与加权最小二乘支持向量机(WLS-SVM)的组合预测模型应用于导弹备件消耗预测的构想。阐述了粗糙集、信息熵、自适应粒子群优化算法和WLS-SVM的基本原理,并改进了APSO的搜索方式和最小二乘支持向量机(LS-SVM)的加权方法;建立了基于RS、EW法和自适应粒子群优化WLS-SVM的导弹备件消耗预测模型,并分析了其实现过程。实例结果表明,所建立的组合预测模型在进行导弹备件消耗预测时具有较高的精度和重要的实用价值。 相似文献
7.
针对弹药装配工艺复杂、装配工序质量影响因素多、装配效率低的实际问题,提出基于粒子群优化(PSO)算法—最小二乘支持向量机(LSSVM)的弹药装配质量预测方法。通过灰熵关联分析方法,提取影响弹药装配质量的关键质量特性,并将其作为预测模型的输入向量,降低预测模型复杂度和运算工作量。将PSO-LSSVM作为建模工具,利用PSO算法优化LSSVM参数,建立基于PSO-LSSVM弹药装配质量预测模型;以预测某型号弹药对接装配工序中跳动量为例,与LSSVM预测模型和BP神经网络预测模型进行对比分析。实验结果表明,提出基于PSO-LSSVM弹药装配质量预测方法具有可行性和有效性,能够很好地实现弹药装配质量的预测。 相似文献
8.
9.
基于最小二乘支持向量机的航材备件需求建模 总被引:1,自引:0,他引:1
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. 相似文献
10.
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。 相似文献
11.
12.
13.
为了提高装备保障能力的预测精度,针对当前预测算法及其组合模型存在的问题,提出了一种改进的并联预测模型。利用文本挖掘选择预测指标及权重,改进了区间标度算法并构造了不等距、多尺度区间的模糊时间序列模型。改进了粒子群优化方法中微粒速度和位置及惯性权重值的算法,使用该方法优化了支持向量机参数并建立预测模型。依据改进的模糊时间序列和支持向量机预测模型建立了改进的并联预测模型,通过计算预测权重值并将预测值与预测权重值组合形成并联模型的预测值。通过案例证明了该预测方法具有更高的精度。 相似文献
14.
15.
为了预测无人机发动机飞行参数值,建立一种多参数关联的向量求和自回归移动平均模型(vector auto
regression integrated moving average,VARIMA)。模型以无人机飞行数据作为输入,利用模拟退火算法对VARIMA
模型参数进行优化,构建多源飞行参数关联的数据模式,利用构建好的数据模式实现状态参数的预测。选取无人机
多次飞行的飞参数据进行实验。实验结果表明:优化后的VARIMA 预测模型预测性能好,比优化前的预测用时节省
了0.23 s。 相似文献
16.
17.
针对支持向量回归(SVR)方法对突变故障预测精度较低的问题,提出了一种改进的自适应增强算法(AdaBoost)提升SVR故障预测性能。该方法通过AdaBoost算法获取训练样本中突变点的权重并构造加权支持向量回归机增强突变点的训练,以提高对突变故障预测精度。利用自适应权重裁减方法剔除权重较小的样本点,来提高算法的训练速度。将本文方法用于发动机磨损元素的时间序列预测中,一步预测相对误差达到了0.025. 实验结果表明该方法在保证预测精度的前提下有效地提高了故障预测速度。 相似文献
18.
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 总被引:2,自引:1,他引:2
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。 相似文献
19.
对双滑块驱动无返回力矩钟表机构进行了理论分析,在VisualNastran软件环境下进行了该机构参数最佳匹配规律研究。采用正交试验和仿真研究该机构中双滑块质量参数最佳匹配、拉簧刚度和惯性簧刚度参数最佳匹配。仿真和试验结果表明:该机构可以有效区分导弹正常发射过载与勤务处理干扰环境力;能有效避免单质量块后坐保险机构的钟表机构在冲击试验中存在断齿的问题;该机构下滑块质量与上滑块质量最佳比为7.96、拉簧刚度与惯性簧刚度最佳匹配为2.75,此时在冲击和震动试验中上滑块位移响应和速度响应最小。 相似文献