高效、高精度的气动热预示是高超声速飞行器设计的关键。然而,随着高超声速飞行器外形的日益复杂化和设计周期的不断缩紧,现有方法已很难满足高效精准的气动热预示。本文基于边界层理论和支持向量机发展了一种数据驱动的当地化气动热预示建模方法。首先,通过求解Euler方程获得边界层外缘信息,采用RANS方法计算热流分布样本;然后,通过设计的特征选择方法确定边界层外缘特征;最后,利用支持向量机构建气动热预示模型,实现边界层外缘特征与壁面热流的映射。对双椭球和二级压缩面的热流预示结果表明,该模型考虑了非均匀分布壁面温度等边界条件,具有较高的预示精度和良好的外推与泛化性能,典型位置热流预示结果和RANS计算结果的相对误差均小于5%。同时,以双椭球上表面中心线热流预示为例,对比传统POD降阶方法,发现该模型的预示精度更高,...

在滚动轴承性能退化评估中,不同工况会影响振动信号特征对故障程度的敏感性,在早期有限样本中选择适用于状态评估的有效特征是实现在线评估轴承性能退化程度的关键。首先提出一种基于均方根的早期有限样本判定方法 Limited Feature Select Sample（LFSS）,其次提出一种针对性能退化评估特征选择的改进Binary Bat Algorithm（BBA）算法——Feedback Seeking Binary Bat Algorithm（FSBBA）,将其应用于滚动轴承早期有限样本中进行故障特征选择,克服了原始BBA容易陷入局部寻优的缺点。基于LFSS与FSBBA算法,构建了滚动轴承在线状态评估模型,并将其运用于两例滚动轴承全寿命数据特征选择,性能退化评估指标分析结果表明了所提出方法的有效性。

为了解决支持向量机中多特征样本的特征选择问题,鉴于多参数高斯核中的多参数的不同取值可以区分和体现样本中各个特征的重要性差异,在深入分析核极化的几何意义和多参数高斯核特点的基础上,提出了基于核极化梯度优化多参数高斯核的特征选择算法。首先,利用核极化的梯度迭代算法来寻求多参数高斯核的最优多参数值,然后,以优化的多参数大小为基准,进行样本特征的重要性程度强弱标定,进而,采用特征重要性指标来执行SVM的特征选择。最后,将选择出的样本特征子集应用于SVM分类器中。UCI数据的实验结果表明,相较于PCA-SVM、KPCA-SVM和经典SVM方法,所提出算法的分类正确率更高,验证了核极化与多参数模型特征选择算法的有效性。

针对现有基于机器视觉的轴承表面缺陷类型识别中分类特征选择这一薄弱环节,提出一种综合运用相关分析、标量特征选择和特征向量选择的实用特征选择算法。首先,通过相关分析剔除相似特征;然后,用标量特征选择算法作进一步筛选;最后,用特征向量选择算法选出最终分类特征。对比试验表明：该算法可实现有效的特征选择,识别率高达99.5%,且避免了大规模运算。

液压泵的性能状态参数包括振动、压力、流量、温度和油液等信息，如何从这些状态参数中选择能够影响和表征液压泵寿命的特征因子是进行液压泵性能评估与寿命预测的难点。基于此，研究了特征选择策略，提出了基于支持向量机的液压泵寿命特征启发式搜索策略，以液压泵寿命特征参数特征集的交叉验证错误率为评价指标，学习识别与选取能够表征液压泵寿命的特征因子，解决了液压泵寿命特征因子选取难的难题。应用实例表明该方法能够选择出反映液压泵性能的寿命特征参数。