智慧温室群远程监控系统通信设计

温室监控系统是对温室环境中温度、湿度、光照度等环境因子实施监测与调控的农业设施,可确保农作物获得最适宜的生长发育环境。针对现有温室监控系统在通信上存在距离受限、组网复杂、能耗高且基本仅能实现单个温室控制的问题,设计了一种基于LoRa和NB-IoT相结合的智慧温室群远程监控系统通信模式。该模式以STM32F103C8T6单片机为核心控制器件,采用ATK-LoRa SX1278和NB-IoT模块自组无线通信网实现数据的远程交互。测试结果表明：采用该通信模式可实现温室群中各温室间距离在2km范围内的数据采集、处理和传输,其通信距离远、功耗低,数据传输可靠性符合现代化农业物联网的需求。     

有翼高超声速再入飞行器气动设计难点问题

有翼高超声速再入飞行器是近年来的研究热点,气动设计是飞行器设计的关键。为了更清楚地认识有翼高超声速再入飞行器气动设计的难点问题,对有翼高超声速再入飞行器的发展、优势及总体任务剖面进行了介绍,从5个方面详细介绍了该类飞行器气动设计的难点问题,包括多约束复杂面对称气动布局设计、高温真实气体效应对气动特性影响、天地差异与天地换算方法、反作用控制系统(RCS)喷流干扰对气动特性的影响以及气动数据不确定度等,简要阐明了这些难点问题对总体设计的重要性以及初步的解决思路,为有翼高超声速再入飞行器气动设计提供了一些参考。     

国产高档数控系统在航空领域的应用与性能分析

基于目前国产数控系统在航空结构件加工中的实际运行情况以及在使用过程中暴露出的问题,详细统计并分析了国产数控系统在航空结构件加工中的应用现状和综合性能。结合"工业4.0"发展理念,探讨了面向航空领域国产数控系统对航空企业实现智能化制造的意义和未来发展。     

终端区空中交通流到达模式识别

为了实现对终端区空中交通流到达情况更加准确的分析,针对目前常用的流量统计方法中所存在的问题,提出了交通流到达模式概念,并对基于聚类思想的到达模式识别方法进行了研究。在对交通流到达时序数据提取的基础上,利用基于免疫优化算法的聚类方法实现了对交通流到达模式的识别。对交通流到达模式特征进行了分析,并结合滑动时间窗算法提出了交通高峰小时及峰值流量计算方法。通过实例分析证明了方法的可行性与准确性。     

基于定位特征点的叶片锥束CT点云模型配准方法

针对实际生产过程中锥束CT检测空心涡轮叶片的点云数据与计算机辅助设计模型的配准问题,提出了一种基于定位特征点的叶片锥束CT点云模型配准方法。首先将点云数据与计算机辅助设计模型进行预配准;然后查找空心涡轮叶片的设计定位特征点坐标;最后根据定位基准点寻找点云数据上与之对应的基准点,并建立各自坐标系,根据坐标系进行几何变换,迭代直至满足要求,从而完成精确配准。试验结果表明,该方法很好地实现了锥束CT点云模型的配准定位,满足了实际生产要求。     

改进层次聚类法在复合材料敲击检测中的应用

伴随复合材料的迅速发展,其在航空航天方面的应用也日益普遍,但因复合材料的各向异性,在制造过程中会导致某些缺陷的产生。敲击检测作为一种实时原位的无损检测,在复合材料的检测中效果明显。由于敲击检测尚未找到合理的数据处理方法,所以其应用范围受到限制。从解决敲击检测数据处理方法的角度出发,提出将改进层次聚类法应用于敲击检测中,并在应用实例环节对该方法进行了应用,通过实验结果对比,表明改进层次聚类方法可以解决敲击检测数据处理的问题。     

基于非线性气动力的飞机飞行载荷计算

为了研究气动力非线性对飞机静气动弹性特性及飞行载荷的影响,发展了一种基于非线性气动力的飞机静气弹及飞行载荷计算方法。通过引入CFD计算结果,实现对线性方法中的气动力影响系数矩阵的非线性修正,采用模态法求解静气弹配平方程得到飞机非线性的气弹变形及飞行载荷。以某翼身组合体构型为计算算例,分别针对刚性模型和柔性模型,基于非线性气动力完成了飞机静气动弹性分析及载荷计算,并与线性结果进行了对比分析。结果表明,非线性方法可对大迎角范围内飞机静气弹变形及飞行载荷做出较合理的预测。     

遥测数据时间序列滑动窗口动态分割技术

经由传感器采集的航天器遥测数据是产品验证、算法检验、数据挖掘等学科和方向重要的数据来源之一。由于原始测量数据采集密度高、信息量大,通常采用滑动窗口技术进行逐段处理和算法应用。但当滑动窗口的宽度固定时,数据的局部信息不能被充分提取出来;为此,提出遥测时序滑动窗口的动态分割流程。仿真结果表明:提出的时序分割和窗口宽度计算方法,可以根据数据自身的特点得到更加准确合理的非等长窗口集合;在保持曲线线段曲率的基础上,滑动窗口动态计算方法可以极大地提取拐点信息,合理地给出窗口宽度,对数据进行了简化与提纯,降低了建模难度,为下一步聚类分析、曲线匹配等工作提供了技术支持,提高了遥测数据的诊断与分析效率。     

大数据高性能排序算法的设计与实现

针对大数据排序算法的需求,提出了基于任务驱动的并行排序算法。该算法采用任务驱动、AIO(Asynchronous Input/Output,异步输入/输出)和双缓冲区机制等技术充分利用系统资源;通过构造等价排序键,优化快速排序算法;并在算法实现上,采用多线程处理任务,通过控制线程个数控制并行度。综合利用这些技术,该算法使得大数据的排序性能接近理论极限值,在CPU(Central Processing Unit,中央处理器)资源充裕的情况下,利用异步压缩技术,还可以突破这一极限,最终实现的系统2 000s就可以对超过500Gbyte的磁盘数据做一次完整的排序。在数据库设计中充分利用此思想,将会实现连接和线程的分离,数据库将可以支持更大的连接数,从而提高数据库支持的并发度。     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。