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。     

商用飞机驾驶舱造型设计特征研究

介绍了国内外商用飞机驾驶舱设计的历史及现状,在分析多类飞机驾驶舱造型设计图片资料的基础上,探讨主要飞机制造商驾驶舱造型设计的特征。依据驾驶舱造型的相似性,对国际上12家商用飞机制造商的66款机型的驾驶舱进行聚类分析和多维尺度分析,挑选出10款有代表性的驾驶舱。在提取代表性驾驶舱造型特征线后,分析主要飞机制造商的驾驶舱造型设计特点及差异,为新型飞机驾驶舱造型设计提供参考。     

模糊聚类方法在PIO探测中的应用

用于驾驶员诱发振荡(PIO)探测的特征参数可以有效地反映出PIO时飞机在频域和时域的特征,利用模糊逻辑方法对特征参数进行辨识可以有效地识别出是否发生了PIO.模糊逻辑方法中的隶属函数直接反映了特征参数的特点,其设计决定了是否能有效地对PIO进行识别.为了设计有效的隶属函数,根据特征数据的特点采用球壳型模糊聚类算法对数据...     

密集烘烤过程中烤房叶间风速指标的灰色关联聚类分析

在烘烤过程中,密集烤房内部不同位点的风速之间密切又复杂.为确定风速指标间的关系,测定了密集烤房内405个风速值,对15个风速指标进行了灰色关联聚类分析.结果表明：当聚类临界值为0.8时,15个风速指标可被聚为2类;当聚类临界值为0.7时,15个风速指标可被聚为1类.通过分析,密集烤房内部同一平面不同位点的风速差异较小,可视为均匀一致,密集烤房能够保证装烟室同一层烟叶整体上均处于同样的变色和干燥环境下,从而能够在理论上保证其烟叶相同的烘烤质量.     

基于合成特征参数的雷达信号聚类分析

针对截获的雷达辐射源脉冲数据提出了一种基于特征参数合成的聚类算法。算法利用全脉冲数据的特征参数,通过对每一个特征参数的分选计算出该参数的加权系数。通过加权系数对每一个特征参数的加权得到合成的特征参数,并利用合成参数对脉冲进行聚类。仿真试验表明该算法能够实现对信号的聚类分选,采用编码的方式有利于降低噪声的影响。     

一种改进的Manifold数据降维方法研究

Manifold学习算法已经被广泛应用到很多领域,如信息检索、模式识别、人工智能和数据挖掘等。已有的Manifold学习算法对局部临近区域选择很敏感,并且降维后的数据可分割性比较差。本文提出了一种自适应临近区域选择、具有良好信息可分割性的Manifold学习算法。这种方法在每一个数据点根据数据可估算的本质维度和局部正切方向选择临近区域。与此同时,在映射数据的时候使用聚类分析法聚集相似样本点集。这种方式能确保降维数据具有良好的可分割性,获得更好的降维效果。实验结果表明,新的方法在人工生成数据集上具有更好的嵌入效果。     

区域内客运线路布局方法研究

以重要度法和交通区位论为基础,结合旅客运输特点,提出重要度联合区位布局法,用来对区域通道中的客运线路进行布局。分别探讨了布局过程中涉及到的规划区域内交通节点的选择及其层次划分方法和交通区位线的选择及其层次划分方法两方面的内容。     

基于Hamming神经网络聚类分析的进化策略

本文提出了一种基于Ｈａｍｍｉｎｇ神经网络聚类分析的进化策略，模糊自适应Ｈａｍｍｉｎｇ神经网络各类族的权重矢量纪录被进化搜索过的区域，并相应妄下该区域内最优个体和它的适应度，因此通过Ｈａｍｍｉｎｇ神经网络对进化个体的聚类分析，进化策略具有搜索记忆性，可以充分保证下一代遗传群体中个体遗传基因的丰富性，从而避免早熟现象的发生，这种进化策略还可以避免在被搜索过的区域内的无用搜索，进而加快进化策略的收敛速度     

基于证据理论的航空发动机早期故障诊断方法

在分析航空发动机早期故障特点和数据融合的基础上,将证据理论应用于发动机故障征兆级别的数据融合中,提出了构造基本信任指派函数的方法,从而得到了更准确的早期故障征兆.在此基础上,应用模糊聚类分析方法,依据最大隶属度原则得到发动机早期故障源.该方法考虑了发动机早期故障征兆不明确、不精确、不肯定等特点,应用模糊测度来表示征兆,更符合发动机早期故障的实际情况.     

应用聚类方法的多卫星无源时差定位算法

为了提高卫星定位系统的容错能力和鲁棒性,应用聚类方法提出了一种适用于多卫星的无源定位算法。依据三站时差定位原理,将每3颗卫星编成一组,用每组中的卫星分别对地面目标进行三站时差定位;再利用聚类方法融合估计目标的位置。仿真结果表明,此算法定位精度及稳定性优于传统的三站时差定位法和最小二乘法,可减少信息的不确定性,有助于提高系统的定位效果。