论文部分内容阅读
本文研究的内容来源于国家自然科学基金与中国工程物理研究院联合基金“基于核函数的结构特征参数辨识及其变化预测研究”(项目编号:11176027),该项目主要是对长期贮存的武器装备进行健康状态检测与变化预测分析。主要研究内容如下: (1)、首先对机器学习问题、支持向量机算法、最小二乘支持向量机算法等内容进行探讨和分析。重点研究了使用最小二乘支持向量机处理小样本、非线性、高污染的信号数据。 (2)、研究了核函数方法极其构造技术,重点分析了多尺度核函数的构造技术、复Gaussian小波核函数的构造技术,并将两类核函数结合起来,构造了多尺度的复Gaussian小波核函数。 (3)、在目前的遗传优化算法、粒子群优化算法基础上,改进了粒子群算法的线性递减策略,使用二次型的递减策略。在改进粒子群算法的基础上,加入了遗传算法的交叉和变异操作,建立了改进的遗传粒子群混合算法。 (4)、以本课题依托的项目为背景,完成了金属材料的腐蚀试验,机械连接件(铆接、螺栓连接)的腐蚀、蠕变破坏实验。根据本文研究的多尺度复Gaussian小波核函数处理方法,从不同的核函数、不同的回归预测方法,通过回归预测分析的准确率、样本数量、消耗时间等因素,进行了算法性能比较实验,验证了本课题研究方法的可行性。