高速主轴回转误差动态测试与分析

应用双向法设计测试系统,对主轴的回转误差进行动态测试.该系统由高精度标准棒、非接触位移传感器和LMS TEST,LAB采集器组成.阐述了回转误差的测试原理,针对机床主轴测试中标准棒的安装偏心问题,提出了有效解决方法,并进行了实验研究.     

核极化的多核LSSVM及其在分类中的应用

为了解决最小二乘支持向量机对于选择核函数盲目性的问题,将核度量标准核极化和多核学习引入最小二乘支持向量机中,提出了基于核极化的多核最小二乘支持向量机算法。算法首先利用核极化确定每个基本核函数的权系数,再根据多核学习原理组合多核函数,然后,建立多核最小二乘支持向量机模型,并进行模型的学习训练和预测。UCI数据上的试验结果表明,所提出的算法比SVM、最小二乘支持向量机和其他的多核学习方法具有更高的分类准确率。     

高寒生态脆弱区自然资本动态评估及驱动因素研究 — —以拉萨市为例

拉萨市地处高寒地区,自身生态环 境脆弱,文章通过改进的三维生态足迹模型 测度拉萨市2009—2018年自然资本的动态变 化,并用偏最小二乘回归法对变化的驱动因 素进行分析,为拉萨市正确处理资源利用与 经济社会发展之间的关系提供科学依据。结 果表明：一、2009—2018年,拉萨市人均生 态足迹呈先下降后波动上升的变化趋势,人 均生态承载力持续下降,拉萨市自然资本供 需矛盾增加,逐渐由盈转亏;二、足迹深度与 足迹广度表明流量资本已经无法满足生产生 活需求,拉萨市发展对存量资本的依赖性增 强;三、从用地类型来看,草地、水域与建筑 用地处于流量资本占用状态,耕地是资本存 量消耗的主要方式,林地处于两者之间的过 渡阶段;四、社会投资、消费水平以及产业结 构中的第三产业发展对自然资本的利用有显 著的驱动作用。     

制造过程加工误差流及其模型的研究

为适应现代制造系统加工过程质量的监视、控制和质量保障技术的发展,引入了“加工误差流”的概念。基于迭代映射和突变论构造了两类加工误差流动态模型,提出了加工误差控制的原理、策略和方法。同时,还介绍了利用最小二乘法回归多工序加工误差以及利用神经网络预报的验证结果     

基于SOA-LSSVM的SLS成形工艺参数优化研究

为提高选择性激光烧结(SLS)成形精度,解决工艺参数优化试验成本高等问题,选择激光功率、预热温度、扫描速度、扫描间距以及分层厚度5个工艺参数设计正交试验以获得样本数据并建立统一目标函数。采用人群搜索算法(SOA)优化最小二乘支持向量机(LSSVM),建立基于SOA-LSSVM的SLS成形件精度预测模型;预测不同工艺参数组合下制件的统一性能,并与采用传统BP神经网络和LSSVM模型获得的预测结果进行对比。结果表明：SOA-LSSVM模型针对小样本预测问题具有良好的泛化能力,预测值与实际值的最大相对误差仅为1.11%,可为SLS加工参数组合的选择提供参考。     

基于最小二乘法的月球探测器自主导航

对于地月转移轨道的月球探测器,其受力复杂,轨道动力学方程难以精确建立,因此难以应用已有的基于轨道动力学方程的滤波方法对其进行自主导航.文中提出了以太阳和恒星的天文信息为观测量,采用迭代最小二乘法进行纯几何解析定位来实现月球探测器自主导航的方法.最后还对定位结果的优化的进行了研究.通过数学仿真分析了敏感器精度、观测星个数等因素对定位精度的影响,结果表明这种方法简单可靠,可以作为深空探测自主导航的滤波方案的初值.     

状态封包检测中的连接管理和调度策略-LASF

网络带宽的增长和频繁的网络攻击给状态封包检测等网络安全系统的性能带来了很大挑战。通过分析TCP连接建立延迟时间分布特性和连接逗留时间分布特性,设计了一个两级连接状态表,很好地解决了检测系统中的连接状态表急剧增长问题。然后,基于经典排队论和高速骨干网的TCP连接特性提出了一个流调度策略LASF(Least Attained Sojourn First)。通过实验证明,该策略能够在系统负载过重时显著提高系统的连接吞吐率等性能。     

基于鲁棒最小二乘支持向量机的气动参数拟合

最小二乘支持向量机（LS－SVM）比标准支持向量机具有更高的计算效率,但是却散失了标准支持向量机的稀疏特性,而且当考虑异常值或者误差变量的高斯假设不成立时,会导致不稳健的估计结果。为了克服这两个缺点,在飞行器的气动参数拟合计算中引入了一种鲁棒最小二乘支持向量机（RLS－SVM）,该方法通过加权的支持向量机来获得鲁棒估计,并通过对支持值谱进行剪枝最终得到稀疏解。仿真结果表明：RLS－SVM方法简单,学习速度快,拟合精度高,鲁棒性强,是一种在飞行器轨迹计算中值得推广和采用的方法。     

RBF网络的微分进化正交最小二乘算法

研究用于径向基函数（RBF）网络训练的一种微分进化正交最小二乘（DEOLS）算法。把微分进化（DE）算法的种群作为正交最小二乘（OLS）算法的候选径向基函数集合,利用OLS对DE的种群个体进行评断,以确定RBF网络的隐结点的数目、中心和宽度。该算法融合了DE的强大搜索能力和OLS的高效评断能力,隐结点的选择比OLS要合理,同时避免DE的复杂性。最后使用实验验证了该算法的优越性。     

基于优化经验模态分解和最小二乘支持向量机的边坡位移预测

我国库岸滑坡灾害频发,采用高精度优化算法对边坡位移时间序列进行预测对防灾减灾具有重要意义。边坡位移时间序列通常表现出高度非线性特征,传统模型难以对其进行准确预测。为此,本文提出一种基于优化经验模态分解和最小二乘支持向量机的边坡位移时间序列预测模型。该模型采用基于软筛分停止准则的经验模态分解（SSSC-EMD）,可自适应地将边坡位移时间序列分解为多个本征模态分量和1 个残余分量。将残余分量定义为趋势项;通过K-means 聚类方法对分量进行聚类,将其定义为周期项和随机项。采用最小二乘法对趋势项进行预测;建立最小二乘支持向量机回归（LSSVM）模型对周期项和随机项进行预测。将各预测值累加求和,即得到累计位移预测值。以山口岩大坝为例,采用SSSCEMD-LSSVM 模型对厂址边坡位移时间序列进行预测。结果表明：模型能够有效预测位移时间序列,精度优于传统BP 神经网络和LSSVM 模型。