基于模糊ISODATA*的关联规则聚类算法

在对模糊ISODATA算法分析的基础上,提出了一种适用于关联规则聚类ISODATA^*算法。本文首先分析了距离聚类的不足,然后结合关联规则的表示形式,提出了基于属性权重实现规则聚类的思想,并给出了相应的实现算法。最后采用国际上的UCI数据库进行了实验。实验表明该算法能有效地对关联规则进行聚类。     

基于QAR数据的民航发动机排故方法研究

QAR系统是记录飞机运行参数,协助飞机系统故障诊断的重要工具。本文对实际排故中的经验和方法进行总结,重点研究利用QAR数据对飞机发动机常见故障进行排故的方法,并提出了利用QAR数据排故时机务管理部门和机务工程师的注意事项。实践表明:利用好QAR数据,可提高飞机发动机排故效率。     

基于模糊理论和灰色关联分析的飞机相似性评估方法

提出了基于模糊理论和灰色关联分析的飞机相似性评估方法,该方法主要由语义变量的三角模糊转换模型和灰色关联分析方法组成.本文选取了飞机的9个属性,用来评估新旧机型之间的相似性,并选取正处于研制中的某新型飞机X作为实例进行分析.分析表明,该方法的相似性评估结果符合生产实际.     

基于神经网络的飞机极限数据专家系统

利用神经网络专家系统的方法时飞机飞行参数的极限允许值进行计算，可以使推理过程变得简洁、清晰，避免了常规方法在软件实现上的诸多缺点。同时，本文采用一种模糊规则方法对神经网络专家系统的推理行为进行描述，使得神经网络专家系统能够回答有关why和how的询问。以最大允许马赫数的计算为例，本文设计了用于该参数推理的神经网络专家系统．并给出了简单算例。     

基于加权有向图的飞机装配顺序规划

合理的飞机装配顺序规划是确保飞机装配质量、缩短装配周期的有效途径。为此,提出了基于加权有向图的飞机部件装配顺序规划方法。以飞机零件间的装配几何关系、装配稳定性和装配工艺性为评价因子,对装配过程中零件间的装配依赖性进行量化,形成可表达装配依赖关系的加权有向图。在此基础上,通过模糊聚类和撕裂排序算法对装配零件进行装配顺序规划。最后通过某飞机机身中段装配顺序规划问题进行验证,规划结果表明该方法具有一定的可行性和有效性。     

深成份指数的灰色行业聚类关联与预测模型研究

本文应用系统工程理论,结合灰色趋势关联度,研究了灰色趋势关联系统及数学模型。作为该模型的应用,提出了灰色趋势关联聚类预测方法。以深成份指数为样本对各类行业进行了聚类分析,得到了一种符合实际的聚类预测结果,阐明了灰色趋势关联聚类预测方法的有效性、方便性和实用性。     

基于区间灰数信息的广义关联度模型(英文)

针对传统广义关联度模型在灰数信息背景下的拓展问题展开研究,构建了一类基于区间灰数信息的广义关联度模型。考虑现实背景下众多实际问题的元素值信息难以准确获取,采用区间灰数表征不确定信息,并将灰元信息划分成白部和灰部。在此基础上给出了基于灰数信息的广义关联度模型的求解算法。最后采用商用飞机成本指标选择问题进行实证分析说明模型的有效性。结果表明,该模型能够很好地对指标进行排序,对拓展灰色关联模型有一定的借鉴意义。     

基于灰色GM(1,1)模型和灰关联的数据挖掘方法

根据灰色系统模型的特点,将灰色GM（1,1）模型应用于数据的预处理,把灰关联作为一种直接的数据挖掘工具对数据进行关联分析,结合GM（1,1）模型和灰关联,给出一个完整的数据挖掘算法。     

一种改进的模糊聚类算法在图像边缘检测中的应用

提出了一种改进的模糊聚类图像边缘快速检测算法,该算法在利用像素灰度值的同时还考虑了像素的空间信息,基于模糊集合理论将图像从灰度空间映射成一个模糊隶属度矩阵,然后将隶属度矩阵中的元素作为样本进行模糊聚类,从而提取出图像边缘。基于热力学原理选取隶属度函数,通过调节温度系数,实现图像边缘由粗到细的提取。实验证明,该方法在计算速度、滤除噪声、提取边缘等方面均优于C-均值聚类算法。     

基于遗传算法的航班动态排序模型的研究

讨论了空中交通流量管理中终端区航班的排序规划问题。目的在于在终端区空中交通繁忙的情况下有效地为到达航班安排合理的着陆次序，并在不违反飞机间距要求的情况下给出各飞机经过优化的着陆时间，提高机场跑道的利用率。本文把离场起飞的航班也引入到问题中来，建立了航班排序的动态模型和基于遗传算法的终端区动态排序算法。并对文献[1]中的算例采用本文方法进行验证计算，结果表明本文提出的方法计算效率高，实用可行。     

低空突防中的多传感器信息融合技术研究

当飞机超低空贴地飞行、航路上多障碍物时,机载传感器容易失效。针对这一情况,本文首先论述了低空突防过程中,机载多传感器系统必须采取的有效信息融合措施;然后对容错控制问题进行了讨论,给出一个多传感器故障检测与隔离算法,使用该算法容易剔除失效的传感器,并将多传感器系统进行重构,降低了失效传感器数据对系统的污染程度;接着给出一个简单实用的分散滤波算法,该算法使得各有效传感器的数据被并行处理,且各局部处理器之间无需数据交换,需存储的数据量较少,提高了系统的实时性,最后的仿真算例说明了这一点     

基于证据理论聚类算法的故障诊断

为了正确高效地诊断故障,以并发故障为例,建立了基于证据理论聚类算法的诊断模型,提出了基于Dempster理论的聚类算法,该聚类算法既分析每个单类,还考虑单类的各种组合,并利用质心特性,将单类聚类原型推广为适合组合类特性的聚类原型。通过故障实例说明,本文模型既适合普通故障诊断,更适合并发故障诊断,且计算的时间复杂度较小。     

某型飞机高亚声速大迎角横向静稳定性改善研究

根据某型飞机存在的高亚声速大迎角横向静不稳定性问题,分析了出现该问题的原因,提出了解决问题的方法与措施,最后通过风洞试验验证,以较小的代价成功地解决了飞机的高亚声速大迎角横向静不稳定性问题,保证了飞机在正常使用范围内的飞行安全。     

基于极大代数的航空器无冲突放行时间推测

针对同一终端区不同机场航空器离场汇聚,给出了问题的具体描述,建立了相应的单航路极大代数模型,并在此基础上设计了航路汇聚交叉模型,解决了同高度航空器离场的冲突问题,最后对模型进行了算例验证。结果表明,极大代数能够较好地解决航空器航迹冲突问题,实现航空器到关键点的无冲突放行。     

基于LOFC时间窗分割算法的航迹聚类研究

针对传统聚类算法在聚类过程中缺乏时间信息而仅考虑三维坐标点的聚类,同时未考虑航空器运行速度和航向变化对聚类结果的影响,以及由于二次雷达机载设备、地面设备和信号遮挡等原因造成的实测数据源中存在离群点异常数据,离群点很难被有效识别出来从而使得非正常航迹点的影响放大,得不到理想的聚类效果等问题。本文提出LOFC算法,引入时间窗分割概念,将航空器进场平均速度值和航向变化值作为确定聚类簇大小的影响因子对进场航空器航迹点数量进行分割,引入离群点检测以及离群点剔除率等概念对离群点进行识别和剔除。对进场二次雷达数据仿真分析,从仿真结果中可以看出,新算法能有效地对离群点进行识别和剔除,当影响因子α取值为0.7时,航迹的曲率最小,得到的中心航迹的平滑程度最佳,验证了新算法对于聚类和离群点识别与剔除具有可行性和优越性。     

基于奇异值分解的铅锌冶炼过程故障二次分离

铅锌冶炼过程是非常复杂的反应工艺,工况变化较大,在线监控和故障诊断的难度很大。铅锌冶炼过程故障分离的目的是根据异常监控变量来判断故障类型,由于铅锌冶炼过程故障的特殊性,不同类型的故障可能导致相同的监控变量发生异常,采用传统的故障分离方法不能有效地判断故障类型。本文提出一种基于奇异值分解的故障二次分离的方法,通过进一步分析监控变量和故障类型的对应关系,解决故障分离不彻底的问题。试验结果证明了方法的有效性。     

基于分级优化的飞机翼面结构布局综合技术研究

为了探讨飞机翼面结构主要纵横骨架的最佳布局问题．并提供符合工程实际的、用于概念设计阶段的飞机结构设计方法,本文采用分级优化与集成的策略,该策略分为三个层次。第一个层次为拓扑优化,并由此确定纵向骨架的个数与位置的最优布局;第二个层次为尺寸优化,它用来确定翼面的中间参数;第三个层次为稳定性准则优化,它确定横向骨架的个数与位置的最优布局。在分级优化的三个层次中,拓扑优化是独立的,尺寸优化与稳定性准则优化是相互耦合的。以国外某飞机机翼为例,结果表明本文提出分级优化的思路与所采用的集成方法是可行的,并且具有很好的数值效果。作者认为：它对从事飞机结构设计的人员有一定的指导性和参考价值,值得在飞机设计部门推广应用。最后,总结给出五点结论供参考。     

飞机起落架可靠性评估的一种方法

本文提出了用故障树分析方法,对飞机起落架进行可靠性评估。这种评估有利于设计方案的比较和选择。可靠性的定量评估可以为工程决策提供重要的依据。已知某机起落架的可靠性框图为串联系统,其建成的故障树为单调关联系统故障树。若已知故障树各底事件发生的概率数据,则采用不交化方法即可计算出某机起落架在寿命期内的可靠度。     

Ground-Based Cloud Using Exponential Entropy/Exponential Gray Entropy and UPSO

Objective and accurate classification model or method of cloud image is a prerequisite for accurate weather monitoring and forecast. Thus safety of aircraft taking off and landing and air flight can be guaranteed. Thresholding is a kind of simple and effective method of cloud classification. It can realize automated ground-based cloud detection and cloudage observation. The existing segmentation methods based on fixed threshold and single threshold cannot achieve good segmentation effect. Thus it is difficult to obtain the accurate result of cloud detection and cloudage observation. In view of the above-mentioned problems, multi-thresholding methods of ground-based cloud based on exponential entropy/exponential gray entropy and uniform searching particle swarm optimization （UPSO） are proposed. Exponential entropy and exponential gray entropy make up for the defects of undefined value and zero value in Shannon entropy. In addition, exponential gray entropy reflects the relative uniformity of gray levels within the cloud cluster and background cluster. Cloud regions and background regions of different gray level ranges can be distinguished more precisely using the multi-thresholding strategy. In order to reduce computational complexity of original exhaustive algorithm for multi-threshold selection, the UPSO algorithm is adopted. It can find the optimal thresholds quickly and accurately. As a result, the real-time processing of segmentation of groundbased cloud image can be realized. The experimental results show that, in comparison with the existing groundbased cloud image segmentation methods and multi-thresholding method based on maximum Shannon entropy, the proposed methods can extract the boundary shape, textures and details feature of cloud more clearly. Therefore, the accuracies of cloudage detection and morphology classification for ground-based cloud are both improved.