基于模糊层次分析的航材仓库保障效能评估

通过分析航材仓库保障工作具体情况,查找相关国军标规定,构建了航材仓库保障效能评估指标体系;通过层次分析法确定指标权重和隶属函数,进而建立了基于模糊层次分析法的评估模型。结合实例分析,验证了该方法的有效性,为进一步提高航材仓库保障效能提供了帮助。     

民用飞机健康诊断大数据应用研究

该文对面向飞机健康诊断的几种大数据技术进行了综述。并行聚类分析方法可以抽取飞机维护系统并行计算机的基本特征,形成飞机各系统历史数据的抽象计算模型;而针对全机状态监控参数中如何从大量飞机参数中挖掘出有价值的信息问题,参数场域挖掘技术发挥了很大的作用;然而在实际应用过程中,经常会遇到多种复杂的故障,这些故障通常具有复杂的非线性关系,而要确定这些非线性相关规则,需要依托大数据技术确定相关的关系;而对于由某一部件失效形成飞机级联故障的链式效应,可利用可视化数据挖掘技术,描述故障数据,结合人类视觉感知能力,加强数据结果处理。     

基于FQFD的太阳能无人机设计指标排序方法

为解决太阳能无人机（UAV）总体设计中任务需求表达模糊、技术指标重要度排序决策困难的问题,提出了基于模糊质量功能展开（FQFD）的太阳能无人机总体设计指标排序方法。该方法在传统质量功能展开（QFD）质量屋的基础上,引入三角模糊数,表征任务需求的不确定性和模糊性;在模糊隶属度函数未知的情况下,采用α加权修正水平截集去模糊化方法计算技术指标重要度,获得技术指标重要度排序,为总体设计优化决策提供依据。最后以长航时太阳能无人机的总体设计为例,对任务需求—工程特性—技术指标的两级质量屋模型进行计算分析,得到续航能力、巡航高度、动力系统效率、巡航速度和气动效率是太阳能无人机最重要的5个技术指标的结果。此方法客观性较强,可处理复杂的系统不确定性,为太阳能无人机总体方案设计及决策应用提供参考依据。     

通用航空机队设备可靠性动态识别模型

通用航空机队设备可靠性是通航单位安全运行的前提条件,是影响运营单位经济效益的重要因素之一。根据通航单位机队设备可靠性数据统计、分析及实际使用情况,采用ATA100章节名称作为指标源。综合可变模糊识别方法和权重阶梯朴素贝叶斯分类器模型的优势,构建了通用航空机队设备可靠性动态识别模型。为了避免主观给定指标权重导致的不合理,应用熵权法客观获取指标权重。最后利用实例测试样本验证了权重阶梯朴素贝叶斯分类器的合理性,并基于该方法对待识别样本进行了可靠性状态识别。实例分析表明：基于权重阶梯朴素贝叶斯分类器的通用航空机队设备可靠性状态识别模型具有较强的可行性和合理性,为通用航空机队设备可靠性状态提供了一种科学的识别方法。     

考虑维修力量影响及载荷动态分配的k/n系统模糊可靠性分析

工程实际中,维修活动开展前往往存在一定时长的准备期,且由于环境时变性、系统长期运行后的劣化累积等因素导致部件状态性能水平存在不确定性,使得系统可靠性建模较为困难。对此,运用模糊数表征系统部件的失效转移率、修复转移率及修理工维修准备率的同时,以Power Law规则刻画部件间的故障相关关系,认为部件承担载荷超过某阈值时才会引发故障相关现象,并考虑了修理工数量与故障件数量之间关系对系统可靠性的影响,研究了载荷动态分配条件下带维修准备期的多修理工n中取k模糊多状态系统模型,建立了状态转移微分方程组,提出用逆向逐层分析的思路建立系统稳态概率系数的递推关系,应用α水平截集及Zadeh扩张原理确定了模糊状态概率的截集区间,得到了系统模糊稳态指标,最后通过算例给出了修理工数量及部件参数模糊程度对系统稳态指标的影响,验证了模型的适用性。     

基于FCM聚类的示温漆图像分割算法

根据示温漆(TIP)图像特征及相关实验结果,提出了一种基于模糊C均值(FCM)聚类的示温漆图像分割算法。该算法以FCM聚类算法为核心,应用双边滤波器平滑图像,提高图像分割质量。通过颜色空间转换,提高图像聚类的迭代效率。实验表明:该算法增强了示温漆温度判读需要的特征信息,可以提取人眼无法识别的等温线,同时消除了等温线崎岖等现象,测温误差为±10℃。算法应用效果良好,满足工程要求,已用于示温漆自动判读软件开发。      

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。      

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.      

基于负载特征聚类的节能资源调度算法

基础设施即服务(IaaS,Infrastructure as a Service)平台提供商为用户提供高性能服务的同时,必须考虑如何在不违反服务级别协议(SLA,Service Level Agreement)的前提下,节约云平台的能耗成本.采用基于负载特征聚类的方法,提出一种IaaS云平台上保证SLA的资源调度算法,最终实现降低SLA违反率和节约能耗的目标.具体采用能耗相关的负载特征提取和改进K-means聚类分析的研究方法,进行资源调度算法研究,对物理资源进行有效分配,以保证IaaS平台节约能耗的要求.实验验证方面,通过扩展CloudSim模拟实验平台,对本研究算法与改进BFD(Best Fit Decreasing)算法进行比较,得出本研究算法在SLA违反率和节能方面更优.