基于先验频繁模式算法的航班延误关联规则挖掘

为探究航空公司航班延误特性，利用基于约束-聚类的多维数据预处理方法，采用先验频繁模式算法挖掘运行要素和延误事件之间的内在关联。选取某航空公司连续3年的北京—广州航班运行数据，通过频繁模式搜索和关联规则挖掘，经置信度和支持度阈值的筛选，选取提升度大于1的强关联规则形成规则库；分析研究了包含前项数为1和2在内的32条强关联规则，并使用真实数据进行了饱和性和有效性验证。研究结果表明：航班延误关联规则库的判断准确性较高，达到了86.7%;极端气象条件、前序航班延误状态、航班计划时刻和其他部分时间属性，显著增大了航班延误现象出现的概率；此外，对特定属性要素组合发生的潜在作用的挖掘，证实了对航班运行控制决策参考的有效性。     

基于关联规则挖掘的一种改进Apriori算法

关联规则挖掘是数据挖掘技术的一个重要分支,其中Apriori是目前最经典和具有影响力的关联规则挖掘算法.在分析研究关联规则挖掘中Apriori算法的基础上,针对Apriori算法中的两个主要操作--连接和剪枝进行改进,通过扫描1-项集、去除分解子集操作及不生成候选项集等多种策略结合的方法来减少连接操作的数据项数和算法运行过程中对数据库扫描的次数,最终使改进后的Apriori算法的性能得到提高.     

涡轮试验传感器数据证实的自关联神经网络方法

针对具有非线性和时变关系的涡轮试验多通道信号偏差检测问题,建立了自关联神经网络估计器和预报器方法.分析了自关联神经网络结构及输入-输出参数与测量变量之间的关联关系,提出了不同输入参数的涡轮试验传感器数据估计器和预报器,实现了对数据偏差的检测、分离及数据重构.     

多传感器静态数据分配问题的匈牙利解法

多目标多传感器数据关联中的分配问题一直是数据融合领域中的一个关键问题，众多的研究都提出了一系列不同的方法来解决这个NP-hard问题，本文提出了用2维分配问题的匈牙利解法来解决该问题，给出求解2－D，3－D分配的方法，经仿真计算表明，该法能较大程度地降低计算量，是一种实用性很好的方法，同时也值得向更高维的情况作进一步的研究和仿真比较。     

挖掘关联规则的Apriori_OAR算法

阐述了Apriori算法是挖掘关联规则的一个经典算法,但算法效率不高,通过分析、研究该算法的基本思想,提出了采用项集的有序性特性和减少扫描数据库记录个数两种方法的 Apriori_OAR算法,以提高挖掘效率。     

基于并行关系与因果关系的关联规则

目的是建立同时具备并行关系、时序关系和因果关系等三个关系新前提下的数据挖掘的关联规则.本文指出了初始关联规则存在的三个潜在的前提;探讨了同时背离这三个潜在前提建立新的关联规则的可行性;给出了建立两并行关联事件之间因果关联规则的方法;从而获得了在新的背景下的关联规则.在此基础上,本文提供了联系并行关联的因果关系的范例,作为在具有并行、时序和因果等复杂关系数据库中的综合挖掘的一个途径.     

一种INS性能参数重复性离群数据挖掘方法

惯性导航系统参数长期重复性是影响导航性能的重要因素。批量生产的惯性导航系统在生产过程、运输存贮、标定等方面偶尔出现异常因素,导致个别产品性能参数长期重复性出现异常变化,进而影响惯导系统导航精度。为了快速挖掘异常数据,根据批次参数随时间变化特点,提出了一种多属性关联规则的惯性导航系统离群数据挖掘方法。通过对某型平台惯导系统参数长期重复性数据进行离群数据挖掘,结果表明对于参数长期重复性差导致的惯性导航系统性能异常现象, 使用所述方法可以有效检测出离群数据,并且能发现离群数据内部的关联关系。     

基于自适应遗传算法的航迹关联模型

如何解决关联过程巾产生的多维分配问题,是研究多节点航迹关联的关键。遗传算法能够很好地解决组合优化问题。但是基本遗传算法具有收敛速度慢和易于早熟等缺点,对于计算航迹关联问题来说实时性较差。文章在利用遗传算法解决航迹关联问题算法的基础上进行了改进,提出了自适应策略。仿真试验表明,该模型能够使航迹关联保持较高的正确关联率和较快的计算速度。     

基于特征的流场数据挖掘

将数据挖掘技术应用于流场分析,有可能挖掘出常规数值方法难以发现的复杂流动规律。流场数据与传统数据库数据不同,通常组织为不规则的空间离散点和单元。为建立流场数据挖掘的统一范式,提出了基于特征的流场数据挖掘流程,并设计了两类相应的数据模型组织方式:邻域时空盒模型和连接图模型。使用该框架,对特定Rayleigh-Benard对流现象的数值计算结果进行了关联规则分析。其中涡特征提取使用λ2准则,关联规则提取使用Apriori算法。实验挖掘到了一些非平凡的流场规则,证明了该方法的有效性。     

输入-输出非线性反馈线性化方法在硬式空中加油控制系统设计中的应用

 通过对硬式空中加油技术的研究,建立了硬式加油伸缩杆数学模型,结果表明该伸缩杆系统为一个多输入-多输出(MIMO)、耦合、非线性系统。这样解耦控制就成为系统设计的关键。当系统满足可解耦条件时,采用一种基于输入-输出(I/O)非线性反馈线性化的微分几何方法,输出与等效新输入之间呈现线性微分方程关系,选择合适的反馈形式可使伸缩杆的姿态控制解耦。解耦后,伸缩杆就可分解为俯仰和滚转方向两个相互独立的单输入-单输出(SISO)线性子系统。在MATLAB中建立了伸缩杆及其解耦模型,并进行了仿真研究。结果表明该解耦方法很好地消除了系统间的耦合作用,能够满足工程设计的需要。     

基于数据驱动的复杂进气下风扇转子叶根损失模型

发展了一种基于数据驱动的复杂进气下风扇转子叶根损失预测方法。提取了影响风扇转子叶根损失的关键气动参数作为输入变量，熵损失系数作为输出参数；采用计算耗时小的单叶片通道定常模型，通过给定不同边界条件并进行组合来构建样本数据库，使得数据库中样本点尽可能覆盖更广的复杂进气工况；采用径向基神经网络训练并构建输入变量与输出参数之间的映射，实现叶根损失的快速预测。计算结果表明：该损失模型能够准确捕捉叶根损失的径向分布趋势，并且相比于传统损失模型能够大幅提升预测精度。在不同流量、进气旋流以及畸变强度工况下，叶根流动损失平均预测误差基本小于10%。     

基于误差通道在线辨识的直升机结构振动主动控制研究

 提出一种基于误差通道在线辨识的有源控制方法,并把它应用于直升机结构振动的主动控制。针对一直升机模型与前人的方法进行了比较,并进行多输入多输出的主动控制仿真。仿真结果表明,这种控制方法明显优于前人的方法,说明这种基于误差通道在线辨识的多输入多输出的主动控制方法对直升机结构振动有很好的抑制作用。     

随机神经网络在机动多目标跟踪中的应用

研究密集多回波环境下的机动多目标跟踪问题。通过对多目标联合概率数据关联方法性能特征的分析,将其归结为一类约束组合优化问题。在此基础上,利用随机神经网络求解组合优化问题的策略,采用改进的增益退火算法,提出了一种新颖的机动多目标快速自适应神经网络跟踪方法。仿真结果表明,该方法不仅具有很高的收敛速度和跟踪精度,而且计算量小,关联效果好。     

位置大数据中基于隐私保护的加密技术研究

通过挖掘位置大数据中所蕴含的个人信息可以形成各种属性画像,给商业智慧、疫情防控、案件侦办等提供重要的价值参考。但位置大数据的蓬勃发展也带来一系列的安全问题,因个人隐私泄露所引发的欺诈、侵权等犯罪行为日益严重。针对位置大数据的隐私保护进行研究,通过分析相关的数据加密技术,提出了保护数据隐私的加密方法具体设计,实现位置标示和定位,利用模糊加密理论设计算法,并对该研究方向进行了展望。     

神经网络宽度对燃烧室排放预测的影响

为研究神经网络宽度对航空发动机燃烧室排放预测的影响，基于录取的全环燃烧室排放试验数据，构建了以燃烧室进口空气温度、进口空气压力、供油流量和油气比为输入，CO和NOx排放指数为输出的神经网络预测模型，确定了最优网络宽度。结果表明，存在一个最优的网络宽度值，使得神经网络预测模型的拟合优度和预测精度达到最佳，本文最优的网络宽度为24。通过拟合优度、误差分析和敏感性分析验证了构建的神经网络模型的准确性和泛化性。基于最优网络宽度的神经网络预测模型能够很好地挖掘输入参数与排放指数之间的映射关系，可作为给定工况参数下燃烧室排放预测工具。最后，基于敏感性分析，结合燃烧物理机理和试验现象对构建的神经网络可解释性进行了探讨。     

关于系统稳定性的奈氏判据的新发展

在当代航空领域中，广泛采用控制系统。在控制系统分析与设计中，研究控制系统的稳定性是一项重要任务本文评价了奈奎斯特判据的新发展，使其广泛应用单输入／单输出和多输入／多输出系统 。     

基于QAR数据的关联规则挖掘算法能研究

介绍和分析了关联规则的概念和Apriori算法,针对Apriori算法需要多次扫描数据库而导致运算效率不高的缺点．设计并实现了基于事务标识列表的频繁项集的产生算法——TagList Apriori。对比实验证明,新方法可以有效减少数据库扫描次数,节省运算时间．提高算法的运算效率,提高OAR数据关联规则挖掘的效率。     

直升机贴地飞行地形跟踪控制器的广义预测控制方法

本文采用广义预测控制(GPC)方法设计了直升机贴地飞行地形跟踪器.该方法通过最小化预测跟踪误差与预测控制增量的加权二次型性能指标来产生最优控制输入.本文在多输入/多输出飞行轨迹控制系统中采用单输入/单输出(SISO)广义预测算法即可精确跟踪其中一个输出变量.通过简化的直升机动力学模型的计算结果表明广义预测控制可在纵向平面内精确跟踪预定飞行轨迹.     

卫星姿态跟踪系统的鲁棒控制器设计

研究了具有参数不确定性和外部干扰的卫星姿态跟踪控制问题。针对这一类多输入／多输出不确定非线性系统，提出了一个基于不确定项上界的鲁棒输出跟踪控制器设计方法。应用输入／输出反馈线性化法和李亚普诺夫方法，设计了一个控制律，它可确保系统输出按指数规律跟踪期望输出。该控制器计算简单，易于实现。仿真结果表明：即使系统存在不确定性，仍可在闭环系统中实现精确的姿态控制。     

基于QAR数据的关联规则挖掘算法的研究

介绍和分析了关联规则的概念和Apriori算法,针对Apriori算法需要多次扫描数据库而导致运算效率不高的缺点,设计并实现了基于事务标识列表的频繁项集的产生算法——TagList Apriori.对比实验证明,新方法可以有效减少数据库扫描次数,节省运算时间,提高算法的运算效率,提高QAR数据关联规则挖掘的效率.