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.     

航天器视场遮挡分析方法研究

敏感器视场遮挡分析是航天器构型布局设计的重要组成部分，针对大型在轨变构型航天器敏感器视场遮挡分析工作量大、出错率高、遮挡率无法量化等特点，本文提出一种基于敏感器第一视角的视场遮挡快速分析方法。该方法通过设置第一视角图像蒙版及图像映射，模拟方锥形、圆锥形、球形等各类敏感器视场，通过逐个像素比对，计算视场遮挡率和遮挡方位。使用此方法建立了空间站敏感器视场遮挡分析系统，结果表明新方法能够显著提高视场遮挡分析效率和准确率，并且为机构类部件运动过程对敏感器视场遮挡的分析提供了有效工具。     

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%。     

Alfvén gravity waves in viscous solar plasma: Effect of the background flow

We study the Propagation and damping properties of Alfvén gravity waves in the presence of the vertical magnetic field in the viscous solar plasma under influence of the background flow by deriving a fourth order dispersion relation in terms of the Doppler shifted frequency. We derive the dispersion relation under WKB and Boussinesq approximation. We study the damping of Alfvén gravity waves for the wave frequencies less than and greater than the Brunt-Väisälä frequency. We find that the Brunt-Väisälä frequency divides the frequency ranges where the weakly or strongly damped oscillations occur. The background flow exhibits a strong effect on weakly damped oscillations and a weak effect on the strongly damped oscillations. We also notice that the damping of both the strong and weakly damped oscillations depend on the Brunt-Väisälä frequency and wave number. The effect of the background flow is also being governed by the Brunt-Väisälä frequency and wave number. We also study the properties of gravity wave mode after filtering the Alfvén wave mode by minimizing the magnetic field and noticed that the background flow shows a very strong effect on the gravity wave mode.     

偏心撞击对撞击式喷嘴雾化特性的影响

为研究偏心撞击对撞击式喷嘴雾化特性的影响,建立了求解自燃推进剂冷态射流撞击雾化过程的数值模拟方案,计算了不同偏心度条件下的射流撞击雾化过程。采用树形自适应加密算法直接求解不可压Navier-Stokes方程组,由分段线性的流体体积(VOF)方法对流体界面进行捕捉。结果表明偏心撞击会导致雾场发生偏转,当无量纲偏心度E为1/8时,雾场偏转角度约为9.2°,应控制加工偏差小于该值。随着偏心度的增大,液膜的偏转角度增大,理论推导得到的液膜偏转角度要小于数值计算得到的液膜偏转角度。正心撞击时燃料与氧化剂流强峰值接近,雾场的流强分布呈单峰分布。当发生偏心撞击时,由于燃料与氧化剂部分射流未参与撞击导致流强峰值出现交错,雾场的流强分布呈双峰分布,混合比的空间分布发生较大改变。正心撞击时撞击点下游液滴的速度分布近似呈轴对称分布,而偏心撞击之后的速度分布则呈中心对称分布。偏心撞击导致的射流动量损失使得雾化性能变差,当无量纲偏心度E为1/8时,一甲基肼(MMH)的Sauter平均直径增大约4.8%,四氧化二氮(NTO)的Sauter平均直径增大约5.8%。      

基于HHT的航空直流串行电弧特征提取方法

由于飞机内部布线空间有限、电弧故障存在发生时间地点随机以及特征不明显等问题，导致检测困难。本文基于航空270 V高压直流（HVDC）系统开展直流串行电弧故障特征提取方法研究，采用希尔伯特黄变换（HHT）提取电弧电流交流分量的时域和频域特征量。选择HHT的固有模态函数IMF5瞬时幅值的峰峰值和标准差作为识别电弧故障的时域特征，与原始信号中提取的时域特征量对比，正常和电弧特征量的区分度更大；选择HHT的固有模态函数IMF1+IMF2、一定频带范围内的瞬时幅值计算得到的谐波功率和作为区分正常和电弧情况的频域特征量。与常用的快速傅里叶变换（FFT）方法相比，HHT三维时频谱能够反映信号的局部特征，HHT方法计算得到的正常和电弧特征量之间的区分度更大，电弧和正常特征量的比值最高可达346。基于HHT的电弧故障特征提取方法能够更好地区分正常和电弧情况，有助于提高电弧故障的检测率，降低虚警率，具有重要的工程应用价值。     

限带白噪声随机过程的雨流幅值概率密度函数模型

对17种不同带宽系数的限带白噪声随机过程进行了雨流循环计数统计,提出了一个限带白噪声随机过程的雨流幅值概率密度函数(Probability density function,PDF)模型。该模型是Rayleigh分布和Weibull分布的线性组合,其中待定系数均为随机过程谱参数的函数。采用该模型对这17种随机过程的雨流幅值概率密度函数进行了公式拟合,探究了模型中待定参数与随机过程谱参数之间的关系,确定了模型表达式。对照随机过程的雨流计数统计结果,将该模型与Dirlik模型的预测精度进行了比较,结果表明该模型的预测效果优于Dirlik模型。     

一种基于OPTICS聚类的仅测角导航目标检测算法

仅测角自主导航方法具有设备简单、复杂度低，功耗低的优点，在空间任务中具有广泛的应用前景.针对中远距离下空间目标特征少的特点，提出了一种利用基于OPTICS聚类算法的空间目标检测方法，可用于仅测角导航过程中的目标检测.对原始星图进行预处理提取星点及目标点，并结合星图识别的结果选择部分帧，使用经过改进的OPTICS聚类方法获得目标运动轨迹.最后，使用本文中的算法对软件仿真出的含有目标的高精度星图进行处理验证了算法的可行性.在卫星相对于空间目标抵近过程中，目标检测的水平误差及垂直误差小于0.15°的帧数分别占到了85.4%以及99.6%.相比AVANTI实验中的目标检测方法，减少了在轨任务中相关参数的调节，进一步提升了算法的自主性.     

机载综合无线电平台的中频数据传输总线优选分析

在综合无线电平台中，根据硬件平台通用化要求，需要选择一种总线同时满足CNI 不同波形的中频 数据传输对延时、带宽和误码率的要求。本文针对不加协议的GTX 和加上高速串行通信协议的Aurora、SRIO 进行测试，得到这三种高速串行总线在延时、带宽和误码率的对比分析，从而选择一种总线作为多波形综合的 中频数据传输总线。     

基于梯度提升决策树的量子科学实验卫星光学实验预测

量子科学实验卫星在轨运行期间完成4种光学实验，地面监测人员通过遥测参数阈值判断卫星是否进行光学实验、实验类型及实验结果.这种方法需要预先设定大量阈值，并且这些阈值需要根据在轨卫星重新设定，可扩展性较差.针对以上问题，提出一种基于机器学习的光学实验判别方法，将量子科学实验卫星的光学实验监测任务抽象为机器学习中的多元分类问题，构建分类模型，利用量子科学实验卫星的真实历史遥测数据对模型进行训练，并通过真实实验计划对训练得到的模型进行验证.实验结果表明，本文提出的方法在没有专家先验知识的前提下，判别准确率达到99%，可用于量子科学实验卫星光学实验的实时监测任务.提出的基于机器学习的判别方法具有较强的可扩展性，可应用于卫星在轨运行的其他监测任务.