Influence of leading edge with real manufacturing error on aerodynamic performance of high subsonic compressor cascades

To investigate the influence of real leading-edge manufacturing error on aerodynamic performance of high subsonic compressor blades, a family of leading-edge manufacturing error data were obtained from measured compressor cascades. Considering the limited samples, the leading-edge angle and leading-edge radius distribution forms were evaluated by Shapiro-Wilk test and quantile–quantile plot. Their statistical characteristics provided can be introduced to later related researches. The parameterization design method B-spline and Bezier are adopted to create geometry models with manufacturing error based on leading-edge angle and leading-edge radius. The influence of real manufacturing error is quantified and analyzed by self-developed non-intrusive polynomial chaos and Sobol’ indices. The mechanism of leading-edge manufacturing error on aerodynamic performance is discussed. The results show that the total pressure loss coefficient is sensitive to the leading-edge manufacturing error compared with the static pressure ratio, especially at high incidence. Specifically, manufacturing error of the leading edge will influence the local flow acceleration and subsequently cause fluctuation of the downstream flow. The aerodynamic performance is sensitive to the manufacturing error of leading-edge radius at the design and negative incidences, while it is sensitive to the manufacturing error of leading-edge angle under the operation conditions with high incidences.     

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.     

基于改进SSD的舰船目标精细化检测方法

以SSD为代表的主流深度学习方法在目标检测领域取得了显著的成绩，但由于该类方法只能以矩形框给出目标的概略位置，检测结果具有很大的背景冗余区域，特别是港口密集停泊的舰船在图像中会出现区域重叠，导致误检和漏检。针对以上问题，提出了一种具有旋转不变性的舰船目标精细化检测方法，该方法综合利用可变形卷积、可变形池化、旋转的边框回归和旋转的非极大值抑制等模块的优点，借鉴MobileNet架构对网络加速，通过学习密集区域目标的几何形变，有效预测目标的旋转角度，最终以旋转的矩形框给出目标的位置。实验结果表明，该算法可实现多类舰船目标类型区分和目标朝向判定的功能，有效地解决了实际应用中的目标精确定位定向难题，提高了自动目标识别的精确性，并满足工程应用的实时性要求。     

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%。     

Direct position determination using single moving rotating linear array: Noncoherent and coherent processing

To improve the resolution and accuracy of Direct Position Determination (DPD), this paper investigates the problem of positioning multiple emitters directly with a single moving Rotating Linear Array (RLA). Firstly, the geometry of the RLA is formulated and analysed. According to its geometry, the intercepted noncoherent signals in multiple interception intervals are modeled. Correspondingly, the MUltiple SIgnal Classification (MUSIC) based noncoherent DPD approach is proposed. Secondly, the synchronous coherent pulse signals are individually considered and formulated. And the coherent DPD approach which aims for localizing this special type of signal is presented by stacking all array responses at different interception intervals. Besides, we also derive the constrained Cramér-Rao Lower Bound (CRLB) expression for both noncoherent and coherent DPD with RLA under the constraint that the altitudes of the emitters are known. At last, computer simulations are included to examine the performance of the proposed approach. The results demonstrate that the localization accuracy and resolution of DPD with single moving linear array can be significantly improved by the array rotation. In addition, coherent DPD with RLA further improves the resolution and increases the maximum emitter number that can be localized compared with the noncoherent DPD with RLA.     

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。     

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.      

改进BA优化的MKSVDD航空发动机工作状态识别

为了提高航空发动机工作状态识别准确率和效率，避免人工识别中存在的误判和耗时耗力问题，提出了基于混沌脉冲蝙蝠算法（CRBA）优化的多核支持向量数据描述（CRBA-MKSVDD）智能识别方法。研究了多核支持向量数据描述（MKSVDD）改进策略，引入混沌脉冲发射率提高了蝙蝠算法（BA）的收敛速度和收敛精度，得到了CRBA；通过CRBA优化MKSVDD的惩罚因子和核参数，同时对飞参数据进行了特征提取；基于特征飞参数据训练了CRBA-MKSVDD分类器，并对某型发动机一个飞行架次的工作状态进行了识别。结果表明，该方法识别准确率达到97.547 9%，可用于与发动机工作状态的相关研究和应用。     

前向数据接入方式对导航星座网络通信性能的影响分析

对采用时分多址轮询建链体制的导航星座星间链路网络，为了指导星间链路网络地面前向数据接入的应用，分析了不同地面前向数据接入方式的星-星-地联合数据交互机制及其对网络通信性能的影响，并结合应用代价给出了综合评价和使用建议。以前向数据最快路径接入方式和固定节点接入方式为代表，分析了星间链路网络与地面间星 星 地联合数据交互机制的特点，明确了两种方式下星间链路网络拓扑路由规划策略的制定原则。通过构建Walker 24/3/1导航星座星间链路网络数据处理模型及典型星地运行场景，对两种地面前向数据接入方式仿真分析了星间链路通信容量和传输时延等网络通信性能，比较分析了通信容量及数据拥塞规律，得出前向数据最快路径接入方式相比于固定节点接入方式在通信性能上有较明显优势的结论。最后，综合给出了两种星 星 地联合数据交互机制的应用性评价,同时给出了在通信容量较低且通信时延要求不高、但可靠性要求较高的应用条件下，可适度采用固定节点接入方式的建议。