联通公有云平台下军校多源数据融合清洗技术

通过对军队院校多源管理数据融合清洗,提高院校多源管理数据的动态调度能力,提出基于联通公有云平台调度的军队院校多源数据融合清洗技术。构建以科研管理数据、教学管理数据、学生画像数据以及师资分析数据等为一体的大数据挖掘模型,采用基于物联网模型的数字孪生技术建立智慧校园动态管理数据的可视化调度模型,采用冗余数据滤波技术实现对多源管理数据的滤波处理和强化跟踪数据,根据多传感信息感知和模糊C均值聚类处理,实现对公有云平台下军队院校多源数据融合清洗。构建以多模态院校管理资源数据为核心的军队院校数字化信息处理平台,测试结果表明,采用该方法进行军队院校多源管理数据融合清洗提高了数据的动态存储和调度能力,数据调度过程的抗干扰性较强,数据采集和检索的查准率较高。

最小二乘支持向量机结合红外光谱法测定润滑油酸值

在润滑油酸值进行红外光谱法测定中,采用最小二乘支持向量机(LS-SVM)建立了酸值的定量预测模型。用Kennard-Stone方法将30个样本划分为训练集(24个样本)和验证集(6个样本),进行定量预测,并与偏最小二乘法和径向基函数神经网络所建模型的预测进行比较。结果表明:LS-SVM所建模型的预测标准偏差(SEP)最小,仅为0.002;预测值的相对误差为1.3%~5.3%。由此认为LS-SVM所建模型的训练和预测结果均优于其余两种方法所建模型。对5个未知样品的分析结果表明:LS-SVM模型的预测值与化学法实测值之间的相对误差(1.2%~3.1%)也较少。

基于红外光谱和极限学习机的润滑油水分检测

采用极限学习机方法建立润滑油水分的定量预测模型。该方法利用Kennard-Stone方法对样本进行划分,以减少建模的工作量和提高建模速度。采用极限学习机方法对某特种车润滑油的水分进行定量预测,并与偏最小二乘法和BP神经网络方法进行比较。结果表明,采用极限学习机方法所建模型更加稳健,预测结果更加精确,可作为该润滑油水分含量快速检测的手段。

润滑油红外光谱去噪预处理方法

采用小波包变换软阈值去噪方法对润滑油的红外光谱进行去噪预处理,结合偏最小二乘法进行定量预测,并与常用的平滑去噪方法进行对比。结果表明,小波包变换能有效地去除红外光谱的噪声,以此为基础建立的润滑油酸值模型的预测精度高于常用的平均平滑法和Savitzky-Golay卷积平滑法这2种平滑去噪方法的预测精度。

基于GFSINS/COMPASS-M1的导弹组合导航技术研究

无陀螺捷联惯导系统与北斗二号卫星定位系统优势互补,组合导航具有一定的工程应用价值.首先设计了一种九加速度计配置方案,基于矢量力学理论,推导了角速度变化方程,利用智能加权和曲线拟合方法给出了其计算方程,并推导了系统误差方程,然后建立了组合导航系统状态方程和观测方程,应用Kalman滤波技术完成了系统参数解算.仿真结果表明,组合导航系统具有精度高、成本低、可靠性好的特点.