飞机研制的计量保障探讨

计量保障是飞机研制的重要技术基础,本文分析了飞机研制的计量保障需求,探讨了计量保障工作的思路和要点。     

基于改进的模糊C-Means航迹聚类方法研究

为指导飞行程序的改善和发现管制员的指挥模式,在分析历史飞行航迹特征基础上,应用最小描绘长度(MDL)原理对航迹特征点进行划分,运用融合了遗传算法和模拟退火算法的改进的模糊C-Means算法对特征点进行聚类,通过最长公共子序列(LCS)算法得到航迹相似性矩阵,利用矩阵得到航迹簇,最后形成中心航迹,算例仿真验证了新算法的有效性.     

基于激光的便携式飞机装配接缝质量检测仪及应用

介绍了一种基于激光的便携式接缝质量检测仪的工作原理及硬件组成。使用该检测仪对飞机缝隙和台阶阶差进行了测量,通过与人工测量进行对比验证,证明了该装置可实现对特征三维信息的快速自动检测,工作准确可靠。     

计算流体力学非结构混合网格高精度格式研究现状

介绍了航空CFD技术中的非结构混合网格高精度格式的基本理论和方法,国内外研究现状,几种非结构混合网格高精度格式。     

大数据理论在高精度惯性导航系统测试技术中的应用

当前我国高精度惯性导航系统研制已取得长足进展,但惯性导航系统的精度、可靠性和寿命等应用性能距离世界先进水平仍有差距,主要问题在于全寿命周期内的海量测试数据没有被充分挖掘、分析和应用,严重制约了惯性导航系统精度的提升、可靠性分析和寿命预估的准确性。因此,系统、准确、高效、合理地处理设计、生产、测试和使用过程中的海量数据是分析解决高精度惯性导航系统存在问题、提高生产效率、提升产品质量的有效途径。首先,详细分析了惯性导航测试系统数据采集和数据管理中存在的问题,提出大数据管理分析系统的需求和目标;其次,结合数据管理和分析中的关键技术,构建了惯性导航测试系统以数据采集层、数据支撑层和数据应用层为3大模块的大数据分析平台基本框架。为高精度惯性导航系统优化设计、提升精度、保障产品可靠性、合理预估系统寿命及适应未来战争提供了发展思路。     

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。     

基于正交设计的3-RPS并联机构精度分析与综合

为了分析3-RPS并联机构在整个工作空间内各个位姿参数对位姿误差的影响程度,并且使该机构在整个工作空间内都满足精度要求,利用正交设计的思想对该机构进行了精度分析与精度综合.根据正交设计的思想,把该机构的3个位姿参数看成对位姿误差有影响的3个因素,用位姿误差的极差值作为敏感系数,通过极差分析得到了位姿参数对位姿误差的影响程度.以敏感系数的比值为依据合理划分各个因素的水平数,使排列的正交表为精度综合提供更加合理的位姿,对表中的各个位姿进行精度综合,得到了给定精度要求下的21项几何原始误差的公差值.结果表明:用正交设计的思想可以分析清楚位姿参数对位姿误差的影响程度,精度综合结果使机构在整个工作空间内满足精度要求,为物理样机的研制提供了参考.      

城市道路交通流检测数据精度评价

目前各种检测方法采集到的路段速度数据普遍存在一定的误差,其准确性直接影响各种交通分析模型结果的精度.针对浮动车检测器、微波检测器以及线圈检测器的路段速度数据进行研究,利用GPS(Global Positioning System)设备实时记录试验车位置,分别在快速路和主干路进行了12次实验,对不同采集方式获取的速度信息进行了精度验证和评价.实验结果分析表明,浮动车数据获取的城市快速路和主干路的路段行程速度平均误差分别为13.6%和27.8%,且采集值与实际速度具有相同的分布.快速路微波检测器和主干路线圈检测器的速度数据与真实行程速度数据的误差分别为30%和56%.表明了微波检测器的断面速度值,用来表征所处路段的行程速度时虽然具有一定的误差,但是基本能表征路段的行驶状况.该研究结论为不同精度需求的交通模型选择合适的数据源提供支持,并为利用多源数据的冗余信息提高数据精度和完备性提供了理论依据.      

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift 算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。