大迎角下机翼后掠角对近耦合鸭式布局增升及流态的影响

在风洞中利用测力及油流显示技术对不同后掠三角鸭翼和不同后掠三角机翼构成的鸭式布局在大迎角时的增升及流态特征进行了研究。通过测力给出了机翼后掠角对近耦合鸭式布局升力系数增量在大迎角时的影响规律,并通过油流显示对其影响的机理进行了探讨和分析。研究表明,鸭式布局是否增升受迎角和机翼后掠角的共同影响。在研究的迎角范围内的特定迎角下,与小后掠机翼构成的鸭式布局相比大后掠机翼构成的鸭式布局具有更好的增升效果,原因在于小后掠三角翼前缘涡随迎角变化时易于破裂,鸭翼对破裂涡,特别是完全破裂涡流态有较好的改善作用。     

三维楔体诱导高超声速层流分离油流显示实验研究

在高超声速风洞中采用油流显示技术开展了三维楔体诱导层流分离现象的实验研究。研究模型为矩形平板/三维楔体、三角形平板/三维楔体。研究结果表明:高超声速（马赫数6.0）局部层流分离结构不仅受楔体压缩角影响,受前体外形的影响也很明显;对于三角形前体,由于楔体上游来流存在横向流动,使得楔体诱导的分离流动结构完全不同于矩形平板模型,且在不同迎角下,分离线形状也存在较大差异;受三角形前体与三维楔体综合作用,诱导层流分离呈现非常显著的三维效应。     

基于CiteSpace知识图谱的航空安全研究进展

为了解我国航空安全研究现状和前沿趋势，通过运用CiteSpace文献分析软件，对航空安全研究论文从产出时间、作者合作关系、机构合作关系、关键词聚类方面对航空安全领域研究进展进行知识图谱可视化分析。结果表明：我国航空安全研究论文航空航天科学与工程以及安全科学与灾害防治方向产出量较高，相对形成了航空安全研究领域期刊群；国内航空安全研究学者与研究单位方面基本形成相对稳定力量；航空安全领域关键词聚类分析得到“安全风险”、“飞行安全”、“人机工效”等为代表的航空安全研究主要内容；近些年，突变词“无人机”、“飞行程序”、“脑力负荷”的突变强度较大，引起航空安全领域较大关注。     

基于变分推理的网络舆情传播模式分类

随着网络社交媒体的快速发展，对舆情信息的传播模式进行分析成为研究热点。针对网络舆情传播模式分类任务中，小样本数据多路径生成分类正确率低的问题，提出了舆情传播领域知识图谱结构定义，建立了基于微博数据的舆情传播知识图谱与舆情传播分析任务数据集，使用GraphDIVA模型进行舆情传播模式分类，并在自建数据集中进行了舆情传播模式分类25样本测试实验。结果表明:模型在经过20轮训练后，分类正确率从76%提升到89.4%，说明GraphDIVA模型在减少训练次数、提升分类正确率方面具有更优的效果。      

基于领域知识图谱的卫星故障辅助诊断与处置方法

本文重点针对传统故障诊断方法能力不足的缺点，开展基于领域知识图谱的卫星故障辅助诊断与处置方法研究，突破卫星故障领域知识图谱构建关键技术，关联固化卫星系统多维专家知识，构建卫星故障领域知识图谱，进而实现结合卫星故障知识信息的卫星故障推理分析和辅助诊断处置，提升复杂故障场景下的卫星故障诊断效率与处置能力。本文提出的方法为保障大气环境监测卫星的在轨长期稳定运行，提供了一种新的故障辅助诊断与处置措施。     

基于知识图谱的遥感图像检索定位方法

为了快速、准确地在海量遥感图像库中检索出所需的遥感图像资源，提出了一种基于知识图谱的遥感图像检索定位方法。为了充分利用遥感图像中所蕴含的地理语义信息，方法中使用知识图谱节点代表遥感图像，根据图像间的相似程度和地理位置在节点间建立关系。通过知识图谱缩小图像检索空间，加快检索速度，准确地定位遥感图像所示区域的地理信息，并返回最相似的图像。将此方法应用于卫星自主导航领域中，与传统的线性检索相比，图像检索的时间缩短了50%，准确率也得到提高。     

作战效能评估研究的可视化分析

以CNKI数据库为数据源,选取1 200余篇作战效能评估研究领域的文献为对象,采用文献计量与科学知识图谱技术,进行分析和对比,并绘制该领域研究的可视化图谱。通过图谱分析,梳理该研究领域的演进历程,探讨该领域的研究热点和前沿,以提高对该领域的理解和认知,为该领域的研究提供重要参考。     

基于图对比注意力网络的知识图谱补全

知识图谱(KG)补全旨在通过知识库中已知三元组来预测缺失的链接。由于大多数方法都是独立地处理三元组，而忽略了知识图谱所具有的异质结构和相邻节点中固有的丰富的信息，导致不能充分挖掘三元组的特征。考虑基于端到端的知识图谱补全任务，提出了一种图对比注意力网络(GCAT)，通过注意力机制同时捕获局部邻域内实体和关系的特征，并封装实体邻域上下文信息。为了有效封装三元组特征，引入一个子图级别的对比训练对象用于增强生成的实体嵌入的质量。为了验证GCAT的有效性，在链接预测任务上评估了所提方法，实验结果表明，在数据集FB15k-237中，MRR比InteractE提高0.005，比A2N模型提高0.042;在数据集WN18RR中，MRR比InteractE提高0.019，比A2N模型提高0.032。实验证明提出的GCAT模型能够有效预测知识图谱中缺失的链接。