Classification using least squares support vector machine for reliability analysis

In order to improve the efficiency of the support vector machine （SVM） for classification to deal with a large amount of samples, the least squares support vector machine （LSSVM） for classification methods is introduced into the reliability analysis. To reduce the coraputational cost, the solution of the SVM is transformed from a quadratic programming to a group of linear equations. The numerical results indicate that the reliability method based on the LSSVM for classification has higher accuracy and requires less computational cost than the SVM method.     

Investigation of the turbulent model for pressure fluctuations with spectral theory

The pressure fluctuations in turbulent shear flows are investigated with the theory of spectral analysis.An expression for pressure spectra is analytically derived in terms of velocity spectra.This derivation is based on a formal solution of the Navier-Stokes equation and quasi-normal assumption to express the third and fourth order velocity correlations in terms of double velocity correlation.Then,a turbulent model for the computation of pressure fluctuation intensity with Renolds stress and mean flow velocity gradients is established.The turbulent constants in the model are calculated from the assumptions about the general behaviour of velocity spectra in high Renolds number flows.Comparison with direct simulation of turbulent boundary layer is made.It is found that the turbulent-turbulent,cross correlation,and turbulent-shear source terms for mean square value of pressure fluctuation are about the same magnitude.     

基于支持向量回归机的陀螺漂移预测模型

为了预测某导弹陀螺漂移趋势,以该陀螺漂移角速度时间序列为对象,建立了基于支持向量回归机的预测模型。针对该预测模型的特点,提出了支持向量预选取的模型优化方法。基于ε不敏感损失函数的支持向量回归机具有稀疏性,其结构由支持向量决定。因此从训练样本集中预选出有可能成为支持向量的样本,精简样本规模是提高该类支持向量回归机训练和预测效率的有效方法。针对该类支持向量回归机从分类和回归两个角度分析了支持向量的几何特征,提出了核函数空间免疫聚类的支持向量预选取方法并用于某导弹陀螺漂移预测模型的数据预处理。仿真结果表明优化后的预测模型运算量小、建模速度快,精度高。     

基于支持向量机的导管泄爆容器压力峰值预测

为了预测导管泄爆容器压力峰值,根据文献提取出影响导管泄爆容器压力峰值的因素,将这些因素作为输入变量,采用支持向量机算法对压力峰值与各因素的内在关系进行了研究,建立导管泄爆容器压力峰值预测模型,对模型的有效性及预测能力进行了验证。将预测模型与现有经验公式进行比较,表明支持向量机模型具有较好的预测能力,且预测能力优于经验公式。     

基于一类SVM的综合导航系统信息故障检测方法

为了提高舰艇综合导航系统的可靠性,并考虑到系统准确建模和大量故障数据获取的困难性,提出了一种基于一类支持向量机的信息故障检测方法。该方法主要包括两个过程:第一个过程是根据实测数据,并利用一类支持向量机的分类原理和主元分析法对导航信息进行离线建模;第二个过程是结合主元分析法将该模型应用到实时的信息故障检测中。该方法不依赖于系统模型而且只需要正常的小样本数据对模型进行训练,具有简便易于实现的优点。仿真试验表明,该方法对导航系统的硬故障和软故障都具有较好的检测能力和较短的检测延迟时间,而且该方法对径向基核函数参数的变化具有较低的敏感性,避免了复杂的调参过程。     

Developing a new mesh deformation technique based on support vector machine

Mesh deformation technique is widely applied in numerical simulations involving moving boundaries, and the deforming capability and efficiency is the key of it. In this paper, we present a new point-by-point mesh deformation method based on the support vector machine. This proposed method, to certain extent, is similar to the radial basis function (RBF) interpolation method with data reduction, but the new approach selects key boundary points automatically without specifying an initial set, and the function coefficients are obtained by solving a simple quadratic programming problem. Therefore, it is more efficient than the RBF method. Typical 2D/3D applications and realistic unsteady flow over a pitching airfoil are simulated to demonstrate the capability of the new method. With proper setting, the quality of the deformed meshes after using the new method is comparable to that of the RBF method, and the performance is improved by up to 7 ×.     

一种基于多尺度和改进支持向量机的光纤陀螺温度漂移建模与补偿方法

为了提升光纤陀螺温度漂移模型建模的准确性及补偿的效果,提出了一种基于改进支持向量机的多尺度建模和回归方法。首先分析了造成光纤陀螺温度漂移的关键因素,给出了建模的属性参数和温度试验。然后根据经验模态分解得到的本征模态函数排列熵的变化趋势,得出了回归精度和熵之间的变化关系,进而提出了基于信号分解的多尺度回归方法。为了提高上述多尺度回归算法的适应性,在传统支持向量机的基础上,提出了基于组合核函数的支持向量机回归算法,以适应不同特性的回归数据集。为了进一步提高回归精度,基于降低回归数据复杂度的分段回归思想,在上述多尺度回归的基础上提出了双-多尺度回归,并验证了方法的有效性。最后,将提出的算法以实际的光纤陀螺温度漂移数据进行验证,结果表明,相比于传统的支持向量机和反向传播神经网络具有更好的回归精度,温度漂移模型也更加精确,以均方误差指标为例,回归精度提升了两个数量级。     

结构可靠性分析的支持向量机响应面法

针对隐式极限状态可靠性分析问题,提出了一种支持向量机响应面法,该方法采用了与经典响应面法类似的迭代思想,由支持向量回归机替代经典响应面法中的固定多项式函数来构建响应面,并结合一次二阶矩法形成迭代过程.在此基础上,还对训练样本提出了一种改进的选取方法,从而进一步提高方法的效率.文中将所提方法与多种经典可靠性分析方法的计算结果对比分析,改进的支持向量机响应面法精度较高,调用结构分析程序的次数最少.     

基于网格搜索的支持向量机砂土液化预测模型

在使用支持向量机对砂土液化进行预测时,不可避免地会遇到惩罚因子和核函数参数如何选取的问题,目前还没有确定这两个参数的选择模式,解决这一问题比较常用的办法有经验公式法、遗传算法和网格搜索法.对此本文基于网格搜索方法,使用LIBSVM软件包,寻找砂土液化训练样本的结构风险最小值所对应的支持向量机最优参数;使用最优参数,建立了支持向量机砂土液化预测模型.研究结果表明:预测样本的正确率可达87.5%,而且预测结果稳定;同时通过比较BP神经网络的砂土液化预测情况,可知支持向量机有更好的泛化能力,收敛速度也更快.     

基于小波最小二乘支持向量机的加速度计温度建模和补偿

针对环境温度影响加速度计测量精度的问题,给出了温度对石英挠性加速度计零偏和标度因数的影响机理,提出采用小波最小二乘支持向量回归建立石英挠性加速度计零偏和标度因数的温度模型的方法。为了验证模型的有效性,进行了多个温度点下的参数标定试验,所获取的各温度点下的石英挠性加速度计零偏和标度因数作为小波最小二乘支持向量机模型的训练数据;将石英挠性加速度计固定在某一位置进行了升温试验,通过对比未进行温度补偿、最小二乘温度补偿和小波最小二乘支持向量回归温度补偿下石英挠性加速度计的输出,计算结果表明采用小波最小二乘支持向量机补偿后的石英挠性加速度计的测量精度最高。     

MEMS陀螺随机误差趋势项的支持向量回归机预测补偿算法

为了适应低成本快速响应卫星的发展趋势,越来越多的卫星采用了MEMS陀螺系统与信息融合方法相结合的设计方案。为提高传统的基于自回归滑动平均(Auto-Regressive and Moving Average,ARMA)模型和支持度的信息融合方法的精度,抑制随机误差趋势项对卫星稳定控制的不利影响,提出了一种基于支持向量回归机(Support Vector Regression,SVR)的预测补偿算法。该算法对各个MEMS陀螺输出数据进行滤波,并提取相应的随机误差趋势项,通过相空间重构获得训练样本并进行SVR建模,用以实时补偿。然后使用低成本商用器件搭建了MEMS陀螺系统,并在单轴气浮转台上进行了实验。实验结果表明,预测补偿算法使得MEMS陀螺系统输出数据的方差降为原先的31.39%,融合精度得到了显著的提高。     

环境温度影响下基于支持向量机与强化飞蛾扑火优化算法的结构稀疏损伤识别

结构处于自然环境中常会受到环境温度变化的影响,引起实测动力响应出现较大误差,进一步影响对结构健康状况的判定.另外,基于优化算法的损伤识别在反演损伤位置及量化损伤程度时,易出现局部最优解,且计算效率低下.针对以上难题,本文提出一种结合支持向量机与强化飞蛾扑火优化算法的损伤识别方法,用于对环境温度影响下的结构稀疏损伤进行识...