基于相关向量机的SAR图像飞机目标分类方法研究

作者： 张维坤   叶伟   李国靖   来源： 电子测量技术 年份： 2017 文献类型 ： 期刊 关键词： 支持向量机   相关向量机   飞机目标   SAR图像  

描述： 、分类时间、泛化能力和鲁棒性方面全面考察其性能。与支持向量机(SVM)相比,相关向量机没有多余的参数调整,核函数不需要满足Mercer条件,可以获得更多的稀疏模型。仿真结果表明,在对3种类型的飞机仿真目标进行分类的情况下,使用RVM方法总体分类性能略高于SVM。

基于支持向量机的飞机重着陆预测模型

作者： 常文兵   张佳宁   周晟瀚   来源： 飞机设计 年份： 2017 文献类型 ： 期刊 关键词： 支持向量机   重着陆   飞参数据   预测模型  

描述： 研究以建立一种重着陆预测模型为目的,筛选飞机着陆过程中部分飞参数据,有针对性地提出一套飞参数据处理与分析方法,基于处理后的飞参数据建立一种支持向量机的重着陆预测模型,通过特征选取与参数优化,对

基于多维特征量的航空串联故障电弧检测

作者： 崔芮华   王绍敏   来源： 科学技术与工程 年份： 2017 文献类型 ： 期刊 关键词： 支持向量机   粒子群优化   多维特征量   航空故障电弧  

描述： 的线性负载线路电流进行数据采集。根据电弧电流的特点,提出了一种融合波形畸变特征、间谐波特征和能量分布不确定性特征的多维特征量检测方法。引入支持向量机和粒子群优化算法进行参数寻优,用训练得到的分类模型对测试集进行分类预测。结果表明,该串联故障电弧分类模型最高分类准确率可达到98.83%。

基于相关向量机的SAR图像飞机目标分类方法研究

作者： 张维坤   叶伟   李国靖   来源： 电子测量技术 年份： 2017 文献类型 ： 期刊 关键词： 支持向量机   相关向量机   飞机目标   SAR图像  

描述： 、分类时间、泛化能力和鲁棒性方面全面考察其性能。与支持向量机(SVM)相比,相关向量机没有多余的参数调整,核函数不需要满足Mercer条件,可以获得更多的稀疏模型。仿真结果表明,在对3种类型的飞机仿真目标进行分类的情况下,使用RVM方法总体分类性能略高于SVM。

基于支持向量机的飞机重着陆预测模型

作者： 常文兵   张佳宁   周晟瀚   来源： 飞机设计 年份： 2017 文献类型 ： 期刊 关键词： 支持向量机   重着陆   飞参数据   预测模型  

描述： 研究以建立一种重着陆预测模型为目的,筛选飞机着陆过程中部分飞参数据,有针对性地提出一套飞参数据处理与分析方法,基于处理后的飞参数据建立一种支持向量机的重着陆预测模型,通过特征选取与参数优化,对

基于多维特征量的航空串联故障电弧检测

作者： 崔芮华   王绍敏   来源： 科学技术与工程 年份： 2017 文献类型 ： 期刊 关键词： 支持向量机   粒子群优化   多维特征量   航空故障电弧  

描述： 的线性负载线路电流进行数据采集。根据电弧电流的特点,提出了一种融合波形畸变特征、间谐波特征和能量分布不确定性特征的多维特征量检测方法。引入支持向量机和粒子群优化算法进行参数寻优,用训练得到的分类模型对测试集进行分类预测。结果表明,该串联故障电弧分类模型最高分类准确率可达到98.83%。

基于模糊粗糙集和SVM的航空发动机故障诊断

作者： 曹愈远   张建   李艳军   张丽娜   来源： 振动.测试与诊断 年份： 2017 文献类型 ： 期刊 关键词： 支持向量机   航空发动机   故障诊断   粗糙集   模糊聚类  

描述： 随着航空产业的发展,航空发动机故障诊断逐渐向智能化、精确化方向发展,针对这一趋势结合模糊聚类、粗糙集以及支持向量机理论,提出了一种航空发动机故障诊断方法。首先,运用模糊C-均值聚类算法将连续数据

基于模糊粗糙集和SVM的航空发动机故障诊断

作者： 曹愈远   张建   李艳军   张丽娜   来源： 振动.测试与诊断 年份： 2017 文献类型 ： 期刊 关键词： 支持向量机   航空发动机   故障诊断   粗糙集   模糊聚类  

描述： 随着航空产业的发展,航空发动机故障诊断逐渐向智能化、精确化方向发展,针对这一趋势结合模糊聚类、粗糙集以及支持向量机理论,提出了一种航空发动机故障诊断方法。首先,运用模糊C-均值聚类算法将连续数据

航空发动机典型故障监测方法研究

作者： 刘宏伟   来源： 沈阳航空航天大学 年份： 2017 文献类型 ： 学位论文 关键词： 支持向量机   极限学习机   主元分析   核极限学习机   主燃油泵  

描述： 航空发动机主燃油泵作为航空发动机燃油系统的核心部件之一,其能否正常工作将直接影响到飞机的飞行安全。由于主燃油泵长期处于高压、高温等恶劣的工作环境中,使得主燃油泵极易发生故障且寿命较短。因此,如何准确监测识别出航空发动机关键部件主燃油泵所处的不同故障模式,对确保飞机飞行安全以及降低维修成本起关键作用,具有重要的军事与经济价值。本文以某型航空发动机关键部件—主燃油泵为具体研究对象,对其在飞行过程中遇到的典型故障进行了故障监测技术研究。首先在某型真实航空发动机试验平台上,经长期试验,获取了航空发动机不同健康状态众多参数的原始数据。并对其进行预处理,进行主燃油泵数据有效性方法的研究,获取可以表征主燃油泵健康状态的特征参数。经综合分析后,将航空发动机主燃油泵健康状态分为正常工作状态、主燃油泵轴承损伤故障、主燃油泵调节器故障,以及当油门杆由慢车状态推至中间状态时航空发动机主燃油泵出现排气温度和转速超出限制值现象的故障这四种故障。最后,分别构建了基于SVM、基于ELM和基于KELM的故障诊断模型,并采用所构建的诊断模型对主燃油泵进行故障识别技术研究。研究结果表明,基于SVM故障诊断模型的准确率为87.5%,基于ELM故障诊断准确率为92.5%,KELM故障诊断的准确率为97.5%,因此本文所设计的状态监测算法可以对航空发动机主燃油泵的故障模式进行较好的故障诊断,均达到了预期的研究目标。

基于模糊粗糙集和SVM的航空发动机故障诊断

作者： 曹愈远   张建   李艳军   张丽娜   来源： 振动.测试与诊断 年份： 2017 文献类型 ： 期刊 关键词： 支持向量机   航空发动机   故障诊断   粗糙集   模糊聚类  

描述： 随着航空产业的发展,航空发动机故障诊断逐渐向智能化、精确化方向发展,针对这一趋势结合模糊聚类、粗糙集以及支持向量机理论,提出了一种航空发动机故障诊断方法。首先,运用模糊C-均值聚类算法将连续数据