一种基于KPCA-SCSO-SVM的装甲车发动机状态评估方法

润滑油在发动机各部件间流动时,不仅发挥其应有的功能,同时也承载了丰富的关于发动机运行状况的信息,能够有效地反映发动机状态.以某型装甲车底盘发动机为对象,提出一种对润滑油信息进行分析以实现发动机状态评估的方法.该方法基于核主成分分析(KPCA)和沙猫群优化(SCSO)算法优化的支持向量机(SVM),使用KPCA对收集的油液数据进行降维处理,得到的降维数据作为SVM的输入.随后,应用SCSO算法优化SVM的关键参数,建立状态评估模型.通过实际数据的实验验证及与其他几种状态评估模型的比较,结果显示该方法准确率达到了97.35%,能有效评估发动机状态,从而为发动机的维护提供重要参考.

装甲装备观瞄系统状态评估的方法研究

装甲装备观瞄系统构造机理复杂,独立信号极少,多数信号相互作用且存在相对性的情况,为了改变单一信号在评估工作的困难性以及多信号在评估过程中的叠加现象,建立了基于层次分析融合灰色理论的状态评估模型。以某装甲装备观瞄系统为研究对象,对观瞄系统故障指标进行层次分解并根据定性指标和定量指标的性质不同进行指标分类,借助灰色理论将各信号指标分别建立灰色关系,解决因为多信号叠加产生的灰色关系;对测试数据进行统一标准化后利用改进的层次分析法客观准确地计算出各层信号指标的权重,最后通过灰色评估权重对观瞄系统运行状态进行评估。通过实例分析发现,在同等条件下与传统状态评估方法进行对比,改进后的观瞄系统状态评估方法更加科学、客观。