一种多维数据库中超立方体结构的设计与验证

多维分析技术的关键就是将信息按照多维的模型进行组织,再通过相应的工具展现给用户,使得用户可以以灵活的方式分析数据。多维数据库中的超立方体结构应用于对海量数据的多维分析中。本文给出了一种多维数据库中建立超立方体结构的设计方案,并通过实例验证相关因素改变对超立方体结构的影响。在其基础上,通过相应的展现手段,可实现对实际产生的各种数据的复杂分析。     

基于多维模型的独立型数据集市数据转换策略研究

数据转换是ETL的重要组成部分,同时也是数据仓库和数据集市得到高质量数据的前提和保证。首先分析并研究了基于维度模型的数据转换的内容,提出并深入研究了基于维度模型的独立型数据集市多阶段数据转换策略和管道数据转换策略,为基于多维模型的独立型数据集市的数据转换的实现提供技术支持和理论指导。     

基于KPCA-BLSTM的航空发动机多信息融合剩余寿命预测

复杂航空发动机在运行过程中易出现多退化信息而导致寿命预测不精确的问题,为此提出基于核主成分分分析（KPCA）和双向长短时记忆（BLSTM）神经网络的多信息融合寿命预测模型。首先采用KPCA 对多维退化数据集进行降维处理和信息融合,得到能够表征设备退化的低维特征数据集;然后利用BLSTM 神经网络模型对带有多维退化信息的航空发动机剩余寿命进行预测,得到监测数据与剩余寿命的映射关系;最后采用C-MAPSS 航空发动机退化数据集对提出的多信息融合寿命预测模型进行仿真验证,并与其他三种模型结果进行对比。结果表明：KPCA-BLSTM 能够对多维退化信息下的剩余寿命进行精准预测,本文提出的预测模型的误差与得分优于其他三种模型,而且预测精度更高。     

基于递归径向基神经网络的航空发动机盘腔瞬态壁温预测

针对航空发动机空气系统盘腔瞬态壁温动态预测难的问题,提出了一种基于径向基神经网络的递归预测模型。通过时序数据多维重构的方法建立训练样本,强化径向基神经网络对“时滞性”的预测能力,分析了模型固有超参数和由多维重构引入抽样控制参数对模型预测精度的影响。采用简化的典型盘腔壁面换热模型结合公开的试验历程转速数据,构建了供模型训练和测试的瞬态壁温数据样本,以递归调用模型的方式完成了对测试样本时序数据的预测和验证。结果表明,与常规的径向基神经网络预测模型相比,该模型的平均相对预测偏差由3.0%降低至0.45%,有效提升了模型的预测精度。为航空发动机盘腔瞬态壁温异常监控及超温排故问题提供了一种新的预判方法。     

一种基于混合编码的多维信息单信道下传系统

传统的飞行参数记录系统和视频记录仪不仅不能保证飞行参数数据的实时传输,而且其采集的多维信息还要以单信道进行遥测发送。提出一种基于混合编码的多维信息单信道下传系统,实现了飞行参数和操控参数的实时采集和下传。采用飞行参数数据与视频混合编码的传输手段,解决了多维信息单信道传输的难题。     

基于机器学习的导弹干扰试验效果评估实证研究

针对复杂电磁环境下导弹干扰试验影响因素众多,难以量化,试验数据采集困难以及实验数据中普遍存在类不平衡等问题,基于机器学习创建导弹试验干扰效果评估模型,采用随机森林、支持向量机、朴素贝叶斯、多层感知机等常见模型对导弹试验干扰效果进行评估。特别针对小数据样本中的类不平衡问题提出 2阶段分类模型,采用过采样方式解决类不平衡问题并采用随机森林进行分类。基于开源的导弹干扰效果评估数据,通过实证研究说明,基于过采样的随机森林模型在干扰效果评估问题中具有较强的泛化能力和鲁棒性,在 AUC指标上,该模型比多层感知机模型在中位数上最多提高 60%,建议在后续的试验中采用该模型进行导弹干扰效果评估。     

基于任务的软件配置管理模型的研究

介绍了传统配置管理模型的特点,针对其管理分散、难于在数据以及数据版本间建立关联等问题,对基于任务的软件配置管理模型进行了深入研究.模型在传统的配置管理模型中增加任务层,以功能要求为目标驱动,创建任务结点,通过任务的完成建立起上层目标与所有相关的配置项及配置项版本的关联,从而实现了目标与基本管理单元的自动追踪.     

多维火焰面求解燃烧场中的多机制火焰结构

火焰面模型已被广泛应用于层流和湍流火焰的模拟中,然而对包含多种火焰机制的复杂燃烧场,针对单一火焰机制的一维层流火焰面模型不能准确地还原其内部的火焰结构特征。为了解决以上问题,基于由Nguyen等提出的多维火焰面生成流形方法(MFM),发展了一种新的交互迭代式Z-C多维火焰面模型。通过层流抬举火焰的模拟,以直接求解详细化学反应的DNS解为参照解,以确定新模型的模化精度,并与一维预混火焰面生成流形方法(premixed FGM)进行了对比。通过对不同模型解的分析可以得出,相比于只能捕捉一种火焰特征的一维火焰面模型,多维火焰面模型可以同时捕捉多机制火焰结构中的扩散和预混特征。使用新的多维火焰面模型求解可以在计算量减小一个数量级的前提下,得到接近DNS参照解的模型精度。     

一种非规则采样航空时序数据异常检测方法

航天器遥测数据的实时异常检测对于航天任务具有重要意义。以往方法大都考虑规则采样且缺失率较低的时序数据,然而航空时序数据具有维度大、噪声多、缺失率高、采样间隔不规则等特点,因此异常检测任务较为困难。针对非规则采样且具有缺失值的多维航空时序数据提出非规则采样多维时序数据异常检测（IMAD）算法。首先,采用带有可训练迟滞项的门控循环单元（GRU-D）对缺失值和非规则采样的时序数据进行建模;然后,采用变分自编码器建立随机性模型,学习正常时序数据的分布,从而对噪声数据具有鲁棒性;最后,利用基于极值理论的自适应阈值确定法确定合适阈值进行异常检测。结果显示,在两个真实航空时序数据集上,IMAD具有超出当前最新异常检测算法的性能;多个实验表明,IMAD在缺失率、参数以及数据集变化时,能够维持较好的异常检测效果,具有较强的鲁棒性。     

基于多维航迹特征的异常行为检测方法

在信息融合领域,利用数据挖掘中的异常检测技术,可以基于目标的多维航迹特征来挖掘目标的异常行为。现有轨迹异常检测方法主要检测目标的位置异常,没有充分利用目标的属性、类型、位置、速度和航向等多维特征,在挖掘目标的异常行为时具有局限性。通过定义多因素定向Hausdorff距离和构造多维度局部异常因子,提出了一种基于多维航迹特征的异常行为检测方法,通过对多维航迹数据的异常检测,实现对目标异常行为的挖掘。在仿真军事场景和真实的民用场景上进行了实验分析,所提方法都能有效的检测出目标的异常行为。     

中国居民多维贫困统计测度与脱贫路径选择

贫困不仅受到收入的影响,而且受到其他因素的影响,需要从多个维度研究与解决居民贫困问题。基于主成分分析与层次分析方法,对不同维度的重要程度进行了赋权,进而构造加权多维贫困指数,用于多维贫困评价。运用中国居民营养与健康调查（CHNS）数据,对中国城乡居民多维贫困进行了测度与分解。实证结果表明：随着社会经济发展,中国居民总体贫困程度有所减轻,而医疗、卫生、收入、教育对多维贫困指数贡献较大;多维贫困呈现出不均衡性,农村居民多维贫困比城市居民严重,西部地区多维贫困比中、东部地区严重,这为中国居民脱贫路径的选择提供了决策依据。     

基于BP神经网络的复合材料失效分析

创建了基于BP神经网络方法预测复合材料在复杂应力状态下的失效模型.依据现有的试验数据,建立了基于BP神经网络的数学模型,并给出了网络在多次训练的统计性评价参数.以及单次样本泛化性能的评价参数,并利用这些参数实现了网络的结构优化和训练优化,得到了比较精确的网络模型,成功预测了复合材料的失效数据,拓宽了计算复合材料失效的范围,同时可以对复合材料的失效分析和试验设计进行指导.     

平均场网络在航迹关联中的应用

在多节点分布式多传感器融合系统中,航迹关联问题可以化为多维分配问题。多维分配问题是一个典型的组合优化问题,很难得到问题的最优解,而且其计算量会随着问题维数和目标数的增加容易呈现指数爆炸现象。在二维平均场人工神经网络的基础上提出了一种三维平均场网络模型用于解决此三维分配问题。仿真结果表明,该人工神经网络模型,能够有效解决多维分配问题,具有较高的关联正确率,当目标数不是很多时,可满足工程上的要求。另外,提出的三维网络模型可以推广到多维情况用于解决多维分配问题。     

基于健康行为模型的飞行器控制系统健康评估

通过分析与飞行器控制系统相关的健康模式与模型参数的映射关系,利用近似响应原理,阐述了建立健康模型、开展系统健康评估的方法;结合测点仿真数据和多维向量相似度的原理,提出了健康指标的计算、优化方法和系统健康评估总体方案。以某型舵机模型为研究对象,采用高斯白噪声作为激励源,应用BP神经网络构建舵机组件的健康行为模型。模型在某飞行器6 DOF仿真平台中进行仿真和验证,实现了基于健康行为模型的在线故障监测。通过研究健康行为建模方法在飞行控制系统健康评估中的应用,为飞行器的健康评估提供了一种可行方案。     

面向流场计算的并行计算机结构研究

分析了流场计算的基本特点 ;提出了用于流场计算的、基于 Transputer的动态星形立方体 ( DSC)结构。证明对于流场计算 ,采用 DSC结构在一定程度上优于目前常用的超立方体和超环两种结构。其优点是 :通信算法简单 ;系统扩充方便 ;全局性通信性能好。最后以实例说明了DSC结构在流场计算中的应用     

基于试验数据识别的金属橡胶有限元仿真方法

金属橡胶工程应用分析常需要1种可以与商用有限元软件相结合,适用于复杂结构设计的快捷数值仿真方法。针对金属橡胶的有限元仿真问题,基于ANSYS软件,发展了基于试验数据识别的横向各向同性材料参数确定方法,并采用循环加载、模型更新的方法,实现了金属橡胶材料受压过程非线性力学特性的仿真计算。结果表明:该方法对立方体件在无约束状态下受压过程进行模拟时,相对误差在10%之内;安装约束使其刚度增大,仿真与试验结果相比规律吻合,刚度的误差在30%之内;环形金属橡胶件在径向受压时,仿真与试验测得刚度的相对误差在25%之内。     

基于MTF-MSMCNN的小样本滚动轴承故障诊断方法

针对样本数量不足以及工况条件复杂导致故障识别精度低下的问题，提出一种基于马尔科夫转移场与多维监督卷积神经网络（Markov transition field and multidimensional supervised module convolutional neural networks, MTF-MSMCNN）的小样本滚动轴承故障诊断方法。采用MTF编码方式将一维滚动轴承信号转化为二维特征图像，使其保留时间相关性；提出多维监督模块（Multidimensional supervision module, MSM），在空间维度和通道维度监测重要故障特征并自适应赋予权重，提升模型捕捉关键特征的能力；将MSM嵌入到卷积神经网络中，构建出MSMCNN模型；通过试验构建复杂工况条件，将MTF图像输入到所提模型进行故障诊断，并运用两种数据集验证模型有效性。试验结果表明，MTF-MSMCNN在每类故障训练集样本仅有10个且在0 dB噪声污染下故障诊断精度依然可达90%左右，对比其他诊断模型，本文所提方法在小样本、变工况以及噪声干扰条件下具有更高的识别准确率、更强的泛化能力以及抗噪性能。     

基于多维模型的独立型数据集市数据转换技术研究

数据集市可为用户提供部门级的决策分析依据,而数据转换是用户能否从数据集市中得到高质量信息的前提和保证。为此,在对数据转换技术进行分析研究的基础上,针对独立型数据集市的特点提出了基于维度的数据转换模型,详细讨论了基于维度模型的独立型数据集市数据转换的内容及数据转换的技术支持。     

基于CNN-LSTM-attention模型航迹预测研究

以航迹预测方法作为切入点,重庆-广州航路航空器记录的ADS-B数据作为研究内容,提出了一种融合注意力机制的长时序航迹预测方法(CNN-LSTM-attention)。研究运用一维卷积神经网络对航迹数据多维特征进行提取,并将经纬度、高度、速度、航向等的多维特征向量构造成时序形式作为LSTM网络输入,通过赋予LSTM网络隐含层的权重占比并区别不同时序点隐藏层信息对未来航迹预测的影响程度来达到优化预测模型的作用。构建好的CNN-LSTM-attention模型采用Adam优化算法进行训练,LSTM和CNN-LSTM作为实验对比模型,将决定系数R²作为模型评价标准来衡量航迹预测模型的准确性。实验结果表明加入注意力机制的神经网络预测模型CNN+LSTM+attention(卷积神经网络-长短期记忆网络-注意力机制)的方法相较于其他两种,其预测精确性更高。     

飞行器静操纵性评估方法研究

建立了一种基于优化思想的配平舵偏求解方法,在此基础上对飞行器静操纵性进行了评估。具体采用三通道线性叠加模型,结合多维线性插值和牛顿-拉夫森算法,对大量的飞行器风洞试验数据进行处理,快速准确地求解出各个状态下的配平舵偏。与传统求解方法相比,该方法求解精度不受搜索间隔限制,求解时间大大缩短。通过对求解结果进行分析,评估飞行器的静操纵性,提高了静操纵性的评估效率和准确性。