基于OPTICS聚类算法的流场结构特征分析方法

为了改进现有的基于聚类分析的流场结构特征分析方法,使之更加适用于结构风工程领域的风场特征识别与分析,依托聚类分析的思想,结合一种基于密度的OPTICS聚类算法,并引入相关距离的概念替换了原算法中的欧氏距离,提出了采用一种基于相关距离的OPTICS聚类算法进行流场结构特征分析.实例分析利用基于大涡模拟的计算流体动力学数值模拟,对低雷诺数下经典圆柱绕流问题进行了瞬态求解,获取了2000个圆柱尾流中顺流向涡的瞬态涡量场样本.然后,以识别圆柱尾流中的顺流向涡旋涡脱落状态和顺流向涡A模式展向分布为目标,对比了k-means、原始的OPTICS算法和基于相关距离的OPTICS聚类算法等流场结构特征分析方法.分析实例的结果表明,基于相关距离的OPTICS算法能够在合适的初始参数设置下有效识别顺流向涡脱落状态和其A模式展向分布间距,相对k-means算法降低了对初始参数的敏感度,聚类结果稳定且唯一.     

基于数据挖掘的设备状态知识获取方法研究

数据挖掘是知识发现过程的一个重要步骤,在大数据特征的工程问题中有着广阔的应用前景。通过分析设备的实时状态数据,建立一套基于时间序列的设备知识获取模型以及模型度量,运用相似性预测算法以及聚类分析中的k-means算法对设备实时数据进行挖掘,从而获取设备实时数据所蕴含的知识,为后续通过知识推理进行设备故障预警奠定了基础。最后通过对某数控机床实时采集数据的分析实验,验证了模型和算法获取状态知识的有效性,并提出了改进的方法。     

基于免疫聚类分析的特征提取及其在发动机故障诊断中的应用

以提高航空发动机故障诊断的快速性和准确性为目的，基于人工免疫理论中的克隆选择算法，结合聚类分析方法，提出了基于免疫聚类分析的故障特征提取方法。该方法通过删除对分类无关的特征以及压缩类间相关特征，得到最有利于分类的子特征集，提高了分类器的分类性能。并且该算法具有本质上的并行性、计算效率高和聚类能力强等优点。多类支持向量机的分类实验表明，经过基于免疫聚类分析提取的特征对发动机的故障具有更好的识别能力，为发动机的状态监测与故障诊断提供了依据。     

基于代理模型的高效全局气动优化设计方法研究进展

基于高可信度计算流体力学的数值优化设计方法，在提高飞行器气动与综合性能方面正发挥着越来越重要的作用。基于代理模型的优化算法（SBO），由于能够实现高效全局优化，逐渐成为了气动优化设计领域的研究热点之一。近20年来，代理优化算法研究已取得了长足进步，多种先进的新型代理模型被提出，优化理论和算法也不断完善和发展。以飞行器精细化气动优化设计为背景，综述了基于代理模型的高效全局气动优化设计方法研究进展。首先，介绍了基于变可信度代理模型的气动优化设计方法、结合代理模型和伴随方法的气动优化设计方法以及基于非生物进化的并行气动优化设计方法的研究现状和最新进展。然后，针对飞行器气动优化设计学科领域的前沿问题，介绍了基于代理模型的多目标气动优化设计方法、混合反设计/优化设计方法、稳健气动优化设计方法的研究进展，以及基于代理模型的多学科优化设计方法的研究进展。文献综述表明，代理优化算法在设计效率、全局性以及鲁棒性等方面性能优良，已经发展到可以解决100维（100个设计变量）以内的气动优化设计问题，具有良好的工程应用前景。最后，探讨了基于代理模型的高效全局气动优化设计在理论、方法及飞行器设计应用方面所面临的问题和挑战，给出了未来研究方向的建议。     

船舶柴油机智能控制技术研究进展

船舶柴油机智能控制技术是将人工智能算法引入到船舶柴油机控制领域,提高复杂时变非线性系统的控制性能。重点针对基于智能控制算法设计的柴油机子系统控制器研究和基于非线性模型预测架构的柴油机在线性能优化研究,对船舶柴油机智能控制技术的研究现状和进展进行了综述,并分析了此研究领域所涉及的主要理论和方法。根据船舶柴油机智能控制不同应用需求,重点介绍了智能控制方法在船舶推进柴油机新型燃烧、复杂气系统、转速跟踪等控制问题中的应用,分析了智能控制方法的优缺点,讨论了在船舶柴油机控制领域中智能控制技术的未来研究方向和面临的挑战。     

基于神经网络的航天器GPS/INS组合定姿系统

基于GPS和惯性技术的组合导航系统是近年来导航系统的研究热点和主要发展方向.目前基于卡尔曼滤波方法的算法在稳定性、计算量、算法鲁棒性以及系统可观测性等方面仍然存在问题.基于神经网络技术研究了一种新的GPS/INS组合定姿自适应卡尔曼滤波方法,理论分析表明,该方法不但对姿态信息具有较好的估计性能,而且对系统模型的精确性、噪声特性具备良好的鲁棒性.最后,利用模拟数据对所研究算法进行了分析计算,与传统的卡尔曼滤波方法进行了比较、分析,结果表明所设计组合算法在精度、稳定性以及鲁棒性等方面较传统卡尔曼方法具有良好的特性.     

二维图像拼接技术研究综述

图像拼接是指将具有重叠区域的小视角、低分辨率的多张图像，经过相应的图像配准与融合算法，拼接成一张具有高分辨率、宽视角的全景图像。针对二维图像拼接方法，综述了将二维图像拼接技术应用于图像处理领域的最新研究进展，重点介绍和总结了图像配准方法和图像融合方法。其中，图像配准方法涵盖了基于SIFT、SURF和Harris点特征的提取方法。分析了各种算法的主要进展、典型算法的原理和优缺点以及国内外研究发展现状。最后，通过各种方法研究与应用情况推测，展望了未来图像拼接技术的发展趋势。     

基于模糊聚类分析的电力客户信用评价算法

通过对模糊聚类算法的分析，针对电力客户信用分类的特征，提出了基于模糊聚类分析的电力客户信用评价算法。得到了不同客户群的聚类中心以及客户的隶属度矩阵，为客户群的特征分析提供了量化依据。试验对比结果表明，本文方法得到了满意的客户聚类及分类结果。     

基于状态观测器的波束形成算法及其航空应用

随着数字信号处理技术的发展,基于声传感器阵列的经典波束形成算法广泛地应用于航空气动噪声检测领域中.但是,经典算法计算量大,并且它的算法结构决定了其无法用作实时算法.本文给出了一种基于状态观测器理论的新算法,介绍了观测器算法的理论背景、算法稳定性的证明、麦克风阵列的设计准则以及基于阵列进行的仿真结果.这种新算法在形式上类...     

启发式算法在大飞机设计中的应用综述

主要介绍了神经网络系统、遗传算法、粒子群算法、模拟退火算法、支持向量机几种启发式优化算法(Heuristic Optimization Algorithm,HOA)在大飞机设计领域的发展和应用现状,对比分析了算法在航空工程设计上的优缺点,展望了启发式算法的发展方向,为大飞机设计提供了宝贵的理论和经验。     

基于慢特征密度聚类的气路异常检测方法

在结合核技巧、慢特征分析算法与密度聚类方法的基础上,提出了基于混合核慢特征分析和密度聚类的慢特征密度聚类算法,实现了基于民航发动机气路参数原始值的异常检测。核技巧的引入克服了慢特征分析法处理复杂数据时可能存在的维度爆炸问题,充分利用不同核函数的特点和慢特征分析的优势从气路参数原始值中提取出随时间变化最缓慢的特征作为密度聚类算法的输入,最终筛选出异常值。经实验对比发现,该方法针对某些异常拥有最好的聚类效果和最低的虚警率,尤其是检测可调放气活门系统异常时虚警数量不到样本总数量的0.5%,是一种有效的方法。      

航空滚动轴承振动特征的故障灵敏度分析与融合技术

针对工程中航空滚动轴承实时状态监测的需要，提出了基于标准化欧氏距离的多特征融合评估方法。首先，进行了航空滚动轴承故障模拟试验，引入了故障灵敏度的定量评价指标，对融合前后特征的故障灵敏度进行了分析；在此基础上，将所提方法与主分量分析、支持向量数据描述和支持向量分布估计方法相比较；最后，进行了轴承疲劳加速试验，将所提融合方法应用于航空滚动轴承状态监测。试验表明:相比于主分量分析、支持向量数据描述和支持向量分布估计，基于标准化欧氏距离的融合值的故障灵敏度更高；其对不同类型、不同阶段的航空滚动轴承故障更加灵敏，相比于有效值更适合作为航空滚动轴承状态监测的指标。      

基于异构特征信息匹配的车辆自主定位方法研究

针对车辆在GNSS拒止条件下的定位需求,提出了一种基于多源异构特征信息联合匹配的自主定位方法,并从数据库建立和匹配方法2个方面分别进行了分析研究。提出了基于众包数据的特征信息库建立方法,通过地磁、WLAN、蓝牙、蜂窝网等信息对众包数据进行分段与聚类,利用提出的DBSCAN算法进行地图重构;此外,还提出了基于HMM模型的异构特征联合匹配定位方法,可将多种传感器提供的观测量以特征方式进行联合匹配。试验结果表明,该方法可以很好地解决GNSS拒止条件下的车辆自主定位问题。     

基于簇特征加权的航空发动机状态监视方法

提出了基于簇特征加权模糊C-均值聚类算法(FWFCM)的航空发动机状态监视模型,该模型主要分为离线学习和在线监视两个部分,离线学习模块计算出模型参数输出到在线监视模块,在线监视模块根据模型参数对实时数据进行分类,实时数据又输入到离线学习模块中参与更新模型参数.结果表明:相比基于数据加权策略的模糊聚类算法(DWFCM)以及经典模糊C-均值聚类算法(FCM),该方法平均离线状态识别率和在线状态识别率分别提高了5.233%和8.358%.实验证明此方法性能好且有很好的鲁棒性和泛化能力,对于不确定性的航空发动机在线状态监视有较好的应用价值.      

演化策略用于高维故障样本集最优统计聚类分析

针对液体火箭发动机推进系统超高维故障样本数据的聚类问题 ,提出基于演化策略的最优统计聚类算法。为预防算法过早收敛 ,演化策略采用了父本适应值的动态调整值与共享函数 ,并针对超高维数据聚类提出了控制参数的适应性调整技术 ;为使算法能最终跳出局部最优死区 ,提出算法的局部调整策略。该算法用于液体火箭发动机典型故障仿真数据集分析 ,并取得了最优聚类结果。此外 ,还基于IRIS数据集比较了该算法与FKCN模糊自主聚类算法。仿真分析表明了算法在高维数据聚类分析中的优点。     

基于数据库的收缩型航迹聚类模型仿真研究

针对传统聚类算法只能选取少量数据源进行仿真分析,得到的聚类效果不能真实体现数据流的宏观特征的问题,考虑了海量航迹数据中的离群点检测以及离群点剔除,提出一种新的基于数据库的收缩型航迹聚类仿真模型,将三维空间网格化,建立K-means聚类和层次聚类双重交互算法,对网格中的离群点进行识别并剔除.解决了航迹聚类中的关键技术问题.通过对西北地区3 G海量二次雷达数据的聚类仿真分析,使航迹聚类仿真的耗时从h级降低至s级,并且得到的航迹分布特征清晰,验证了新模型对于海量数据宏观特征提取具有可行性和优越性,模型和算法对全国二次雷达航迹数据仿真具有借鉴意义.     

Fast data association using multidimensional assignment withclustering

We present a fast data association technique based on clustering and multidimensional assignment algorithms for multisensor-multitarget tracking Assignment-based methods have been shown to be very effective for data association. Multidimensional assignment for data association is an NP-hard problem and various near-optimal modifications with (pseudo-)polynomial complexity have been proposed. In multidimensional assignment, candidate assignment tree building consumes about 95% of the time. We present the development of a fast data association algorithm, which partitions the problem into smaller sub-problems. A clustering approach, which attempts to group measurements before forming the candidate tree, is developed for various target-sensor configurations. Simulation results show significant computational savings over the standard multidimensional assignment approach without clustering     

一种基于潜在语义索引的谱聚类方法研究

传统的文本聚类算法存在文本向量维度过高,算法易陷入局部最优问题。针对上述问题,提出了一种适用于文本的基于潜在语义索引的谱聚类方法,该方法应用了潜在语义索引和谱聚类方法的优点。不仅分析了词与词之间的语义关系,而且适用于任意形状分布的样拳数据聚类。针对航空安全报告的聚类实验表明,该方法取得了较好的聚类效果。     

GA—HCM混合聚类算法及其在液体火箭发动机故障检测中的应用

针对HCM聚类算法对初始值和学习参数具有较强依赖性的缺点，提出了GA－HCM混合聚类算法。应用改进的基因算法为HCM算法选取初始种子解，使滑动数据窗上的聚类算法以功能层次分明的“导师一学生”制智能结构出现，从而实现了“精”与“初”相结合的解空间搜索算法，使HCM聚类算法能较快收敛到问题的最优解。同时针对液体火箭发动机系统动力学的特殊性，利用我们提出的一种适用于离线或在线系统故障检测与诊断的算法框架，基于实际试车数据对GA－HCM混合聚类算法进行了准实时的数字仿真。仿真结果表明该算法基本上克服了HCM算法的缺点，能有效地用于液体火箭发动机的事后故障分析或在线故障诊断。该故障诊断框架能区分干扰噪声、永久性故障或间歇性故障所引起的异常数据现象，并能形成当前系统的故障特征模式。对缓变故障的早期检测能力使该算法框架极富应用前景。     

基于平衡核函数聚类的飞行航迹数据分析方法

目前,使用数据挖掘的方法对目标的飞行航迹进行分析来确定航迹类别具有许多应用价值。飞行航迹数据具有维数高、交连多、可分类性能差等特点,要做到尽可能精确的聚类和分类十分困难。文章立足提高飞行航迹数据聚类分析的准确性,在航迹特征数据的预处理阶段,提出了一种平衡核函数的K-均值聚类方法,可以解决高维特征数据带来的奇异性,还能提高交叠样本的聚类性能;设计了一种模糊支持向量机的算法框架实现航迹的分类。通过实际飞行航迹数据集测试了设计框架下航迹聚类和分类识别的有效性,在实际工程上具有广泛的应用前景。