基于时空轨迹信息的目标行为模式在线分类方法

在预警监视领域，及时地预测目标行为模式对于态势认知至关重要。首先，针对当前大多数目标行为分类器实时性不强、对离群轨迹不敏感等问题，提出了带有离群检测的归纳式一致性多类预测器（ICMP）。其次，针对目标行为分类算法仅考虑目标的空间位置信息，而忽略航向和速度信息的问题，基于轨迹的时间和空间2个维度的信息提出了时空Hausdorff距离（STHD），从而可以有效区分空间位置相似但运动速度和方向不同的行为。然后，基于定向时空Hausdorff距离和K最近邻思想构造了定向时空Hausdorff最近邻不一致性度量函数（DSHNN-NCM）；在此基础上，提出了带有离群检测的序贯时空Hausdorff最近邻归纳式一致性多类预测器（SSHNN-ICMP），能够在预警监视场景下对目标频繁出现的行为进行在线学习和分类。最后，分别在仿真军事场景和真实民用场景中进行实验分析，结果表明本文算法具备较好的准确性和实时性，在预警监视任务中有良好的应用前景。     

预测-五阶容积卡尔曼滤波方法

为适用于强非线性、非高斯过程噪声系统，结合预测滤波（PF）与高阶容积卡尔曼滤波（HCKF），提出一种预测-五阶容积卡尔曼滤波（P5thCKF）方法。通过预测滤波方法对系统模型中的过程噪声及其方差阵进行实时调整，进而将新模型代入到五阶容积卡尔曼滤波框架中进行实时递推状态估计。推导了五阶球面单形-径向积分准则，采用五阶球面单形积分准则处理球面积分，广义高斯-拉盖尔积分准则处理径向积分；描述了预测滤波方法并对模型误差调整量进行了推导。通过2个仿真实验验证了本文方法在强非线性、非高斯过程噪声系统中的可行性以及应用于工程实践的可能性。     

单级轴流压气机纯音噪声实验与数值分析

为了探索转/静干涉纯音噪声与静子前缘上洗速度之间的对应关系，使用已发展的风扇纯音噪声混合预测方法对一台单级、低速压气机实验台（TA36）节流过程中的转/静干涉纯音噪声进行了预测，并与实验结果进行了对比验证。为了准确获取作为转/静干涉纯音噪声声源的静子叶片表面非定常压力脉动，首先比较了不同计算网格与时间步长设置对叶片表面非定常压力脉动计算的影响。随后，比较了静子叶片来流上洗速度和纯音噪声随质量流量的变化规律。研究表明：设计转速下，静子前缘70%、80%以及90%叶高的3阶叶片通过频率处的上洗速度幅值随质量流量的变化规律与混合预测方法估计的进气管道壁面声压级的变化趋势一致，并且与实验测量值的变化规律也保持了良好的一致性。此外，管道外远场声压级指向性的结果也表明：该实验台远场声辐射具有明显的指向性，并且不会随着节流过程产生明显的变化。     

高超声速伸缩式变形飞行器再入制导方法

针对高超声速变形飞行器再入制导问题，提出了一种采用伸缩式机翼的高超声速变形飞行器外形方案，建立了含有展长变形量的气动模型和动力学模型。将该变形飞行器的展长变形量扩展为控制变量，分析了倾侧角、展长变形量和终端航程、高度之间的关系。在此基础上，利用倾侧角和展长变形量在线预测剩余航程和终端高度，通过数值方法校正2个控制量以满足航程约束和高度约束，通过航向角走廊确定倾侧角符号。仿真结果表明:该变形飞行器再入制导方法制导精度高，相比于传统固定外形飞行器终端约束能力更强、轨迹更加平滑，且在扰动条件下具有一定鲁棒性。      

基于知识图谱和自动机器学习的软件缺陷预测

不稳定和召回率低效的软件缺陷预测模型难以在行业领域应用，为解决稳定和高效各项性能评价指标的软件缺陷预测模型在工程实践应用的问题，提出了一种基于知识图谱和自动化机器学习的软件缺陷预测方法AutoKGGAS，首先获取软件缺陷预测模型数据，对知识建模、知识获取、知识融合、知识储存与知识计算等知识图谱构建技术研究，实现知识图谱推荐优质软件缺陷预测模型作为自动化搜索的热启动输入条件，根据不同的软件缺陷预测评价指标，优化不同最佳的模型结构.其次实证研究采用NASA开源数据集实验对象和六种性能评价指标，实验结果表明， AutoKGGAS自动化软件缺陷预测模型在不同数据集不同评价指标方面，性能优于知识图谱推荐的传统经典软件缺陷预测模型.自动化软件缺陷预测模型为航天软件缺陷预测辅助代码审查测试提供了原型，在工程实践应用方面具有重要的意义.     

一种基于元路径拥塞模式挖掘的移动对象位置预测方法

路网上移动对象位置预测是许多位置相关服务的基础。目前移动对象位置预测方法没有充分考虑到轨迹数据中所蕴含的道路拥塞信息,而路网上的道路拥塞状态对移动对象的位置更新会产生巨大影响。提出基于元路径拥塞模式挖掘的方法(Meta-congestion-pattern mining,MCPM)。在离线挖掘阶段,从历史轨迹的频繁路径(元路径)的紧集中挖掘当地的拥塞模式,并对运动模式进行建模,其中采用基于k均值的聚类算法解决数据稀疏性问题。在线预测阶段根据挖掘的拥塞模式和运动模式依概率进行预测。最后通过理论分析和实验验证得出了算法的有效性,与相同条件下的精度预测(WhereNext,WN)方法相比,平均预测准确性提高了近20%,预测时间平均缩短了近50%。     

余度舵机液压刚性力分析与表决门限试验

针对某型三余度舵机末端机械表决机构、液压刚性联接机构进行结构设计分析、力环境分析及刚性力计算,给出余度表决力门限值,并通过力门限、位移门限试验,验证了余度表决力门限值与计算结果是一致的,表明位移门限测量结果符合资料技术指标要求。     

宽弦风扇叶片颤振预测的工程研究

为研究宽弦复合弯掠风扇叶片的颤振问题,以及适用于工程设计的颤振预测方法,分别采用经验法和数值模拟方法,对大涵道比风扇性能试验件叶片进行颤振预测,并将预测结果与试验结果进行对比,考察颤振预测方法的准确性和实用性。对比过程中,分析了颤振发生的机理,提出了抑制颤振的手段。结果表明:两种方法都准确地预测了风扇转子叶片发生的颤振,与试验现象吻合,计算量在可接受范围内,具备工程实用价值。     

基于神经网络的磁平静期赤道电集流预测

利用BP神经网络技术分别对2008年后磁平静期印度扇区、秘鲁扇区以及CHAMP卫星的赤道电集流（EEJ）变化进行预测，其中神经网络训练数据为对应的2000—2007年磁平静期EEJ观测数据，输入参量为天数、地方时、太阳天顶角、太阳活动指数（F_10.7）、太阴时以及卫星地理经度，输出参量为EEJ.对EEJ预测结果进行了统计学分析，并且与实际观测结果进行对比.结果表明:BP神经网络对事件中EEJ的变化具有很好的预测能力，预测结果能够反映EEJ的重要分布特征；EEJ预测值与观测值之间具有很好的相关性，其中地磁台站观测值与预测值相关性系数可达85%以上.此外，将BP神经网络模型的预测结果与Yamazaki提出的经验模型结果进行对比，结果显示BP神经网络与其经验模型性能相当.研究结果表明，BP神经网络技术在平静期EEJ变化预测方面性能优异，具有良好的应用前景.