过程支持向量机及其在卫星热平衡温度预测中的应用研究-机械设计及理论专业论文.docxVIP

Classified Index: TP183 U.D.C: 621.391 Dissertation for the Master Degree in Engineering PROCESS SUPPORT VECTOR MACHINE AND ITS APPLICATION TO SATELLITE THERMAL EQUILIBRIUM TEMPERATURE PREDICTION Candidate: Supervisor: Academic Degree Applied for: Specialty: Affiliation： Date of Oral Examination: Degree-Conferring-Institution: Wu Jiahui Prof. Zhong Shisheng Master of Engineering Mechanical Design and Its Theory School of Mechatronics Engineering June, 2008 Harbin Institute of Technology 哈尔滨工业大学工学硕士学位论文 哈尔滨工业大学工学硕士学位论文 - - II - - 摘要 在卫星热平衡试验中，热平衡温度随时间变化的过程实际上是一个随时 间累积的过程。过程神经网络虽能很好地体现这种时间累积效应，但其泛化 能力不强。传统支持向量机具有较好的泛化能力，但难以精确反映上述时间 累积效应。本文针对卫星热平衡试验的实际需求，在对过程神经网络和传统 支持向量机的优缺点进行分析的基础上，提出一种新的学习机器——过程支 持向量机，对其机理进行深入研究，并将其应用于卫星热平衡温度预测。 本文首先对过程神经网络的泛化问题进行研究，给出提高泛化能力的方 法。在对支持向量机回归理论研究的基础上提出了过程支持向量机模型。过 程支持向量机的输入是时变函数，其核函数的内积运算是两个函数的乘积， 运用积分算子将函数乘积转化为数值，并用正交基函数来简化积分运算。从 而过程支持向量机能够对时变系统建模，并用仿真案例来证明过程支持向量 机能够更好的体现时变系统中的时间累积效应，能够提高预测精度。 核函数是过程支持向量机的核心。核函数通过将输入映射到高维特征空 间，实现线性处理。本文对过程支持向量机的核函数性质和构造方法进行了 研究，给出了输入是时变函数情况下的不同核函数的具体形式和核函数的选 择方法。核参数、正则化参数和不敏感系数是影响过程支持向量机泛化能力 的主要因素，本文提出粒子群优化算法对上述参数进行组合寻优，以得到具 有较好泛化能力的过程支持向量机。本文还提出最大速度非线性递减策略， 来提高参数寻优精度。 卫星的空间环境及其累积效应是影响卫星性能和寿命的主要因素，为保 证卫星运行的可靠性，在发射前应在地面对其进行充分的热平衡试验。为缩 短热平衡试验周期，降低卫星研制成本，应大力开展卫星不稳定热平衡试验 方法研究，即开展卫星热平衡温度预测研究。为此，本文在上述理论研究的 基础上，提出一种基于过程支持向量机的热平衡温度预测方法，应用结果表 明：由于能够更好的体现热平衡温度变化过程中的时间累积效应，因而与传 统支持向量机相比，本文所提出的方法具有更高的预测精度；而与过程神经 网络相比，本文所提出的方法具有更好的泛化能力，更适合用来解决实际工 程问题。因此，本文的研究具有一定的理论意义和较高的实用价值。 关键词 过程支持向量机；卫星热平衡试验；预测；核函数；泛化能力 - - PAGE IV - - Abstract The change of the thermal equilibrium temperature in the satellite thermal equilibrium test is actually a process of the accumulation with the time. Process neural network (PNN) can well embody this time accumulation effect, but its generalization ability is poor. Traditional support vector machine (SVM) has a good generalization ability. However, it is hard for the SVM to embody the time accumulation in the real satellite thermal equilibrium test effectively. According to the actu