美军旋转翼飞机预测性维修中的状态监测和数据分析技术

与基于时间的计划性维修完全不同,视情维修强调基于预测性状态指示器的故障探测。作为实施视情维修的重要手段之一,预测性维修的研究目标是在飞机维修数据分析中引入数据挖掘技术,建立高效的预测系统,使用先进的统计软件对部队级航空后勤系统（ULLS-A）的飞行日志数据、HUMS飞机传感器数据和试验台数据进行定量和定性分析,最终选取有用的数据,增强故障诊断和预测能力,提高视情维修水平。预测内容包括根据实际状况动态预测飞机的剩余使用寿命、预测部件故障以延长维修间隔、寻找剩余使用寿命与部件故障的关系以及维修行为对这一关系的影响、主动计划未来的维修行为等。     

基于实测星载原子钟数据的脉冲星守时方法

利用脉冲星估计星载原子钟钟差是实现卫星自主守时的途径之一。为充分分析基于脉冲星的自主守时系统性能，利用实测的星载原子钟钟差数据和中子星内部组成探测器(neutron star interior composition explorer, NICER)的PSR B1937+21脉冲星的观测数据，对比分析了星载原子钟和脉冲星的误差特性。设计了脉冲星守时系统框架和星载原子钟钟差估计方法。以实测的星载原子钟钟差数据为基础，计算分析了脉冲星守时系统的性能。计算结果表明，若脉冲星的脉冲到达时间（time of arrival, TOA）解算精度为1 μs/30 d，则原子钟钟差估计精度可达到优于1 μs的水平，初步验证了脉冲星守时系统的可行性。     

基于拟牛顿方法的非线性求解及应用

针对某测量任务中以两套一主三副测量体制联测距离和变化率为对象,给出了拟牛顿求解方法.通过测量梯度的变化,构造了一目标函数的模型使之快速收敛.任务实测数据计算结果显示:该法解决了非线性求解问题,为任务提供了有效的技术支持.     

实践四号卫星高能质子重离子探测器探测数据初步分析

在简要介绍卫星和探测仪器之后,着重介绍内外辐射带高能质子重离子通量、能谱等初步的和较为直观的部分处理结果。     

地磁暴前地面宇宙线强度变化Morlet小波特征分析

用Morlet小波变换对Oulu台站和Apatity台站(主要是Apatity台站)1998-2002年间宇宙线静日和地磁暴前的地面宇宙线强度变化特征进行分析，得到：在宇宙线静日期间普遍存在准24h周期变化特征，并且在当地时间0200，1400左右分别出现最小值和最大值；对12个例子的分析可以看到地面宇宙线强度在地磁暴之前l-2天均出现了不同于宇宙线静日期间变化特征，或有小尺度周期出现，或周期变化完全消失，或有异常24h周期变化，这种变化特征在一定程度上可作为地磁预报的先兆特征之一。     

拓扑数据分析在复杂脑网络分析中的应用

针对复杂脑网络分析中网络结构变化阈值选择中没有公认的标准确定合适阈值这一问题，基于拓扑分析中的持续同调性理论，本文提出一种多尺度大脑网络建模分析方法，该方法在大脑全尺度距离范围之内，通过不断增加阈值，运用Rips过滤算法捕获网络的动态持续拓扑特征，并用条形码和持续图对拓扑特征可视化，最后通过计算持续图之间的Bottleneck距离和Wasserstein距离分析持续特征的稳定性。实验结果表明，该方法能更准确地提取大脑网络的拓扑结构特征并提高诊断分类的准确性。     

大数据背景下“战略性阅读”的支撑研究——以HistCite引文分析为例

对大数据背景下科学研究模式新的变化进行了剖析,探讨了"战略性阅读"的由来及内涵,然后以"战略性阅读"的支持工具之一HistCite为例,以"数字图书馆"主题领域为宏知识来源,研究了如何运用引文分析工具来支持用户对海量数据进行深度分析。     

动态数据处理与振动分析系统（DVAS）

<正> 微型计算机动态数据处理与振动分析系统（简称DVAS）由A/D转换器、接口与微型计算机（IBM-PC/XT或兼容机0520）组成。具有数据采集、数据预处理、数据分析与处理、振动特征分析、时间序列分析、实与复模态分析、绘图与动画显示等多种功能。     

基于 LSTM的飞控系统状态监控

监测飞控系统状态参数是保证无人机飞行安全的重要手段。针对无人机飞控系统的组成特点和飞行控制律,设计并构建了基于长短期记忆网络(Long Short Term Memory Network,LSTM)的飞控系统状态监控模型。首先,利用无人机历史飞参数据训练模型,建立输入飞参数据与状态参数的回归映射关系;然后,利用训练好的网络模型,实时预测飞控系统的状态参数,通过对比实测值与预测值之间的差异,实现飞控系统的状态监控。选取无人机飞参数据进行实验,基于 LSTM的算法比反向传播神经网络(BPNN)、支持向量机(SVM)预测精度高,MSE平均值分别低 0.01和 0.26,MAE平均值分别低 0.05和 0.12。结果表明,所提出的方法能够有效监控飞控系统,为无人机飞行管理决策提供数据支持。