测控数据的分析和应用策略

测控数据是从实时测控试验任务中记录下来的宝贵信息资源,本文针对目前的测控数据使用状况,提出建立测控数据的数据仓库新概念,进行测控数据仓库的技术特点分析,详细讨论测控数据仓库应用方法和实现策略。     

直升机结构三维实体数字预装配技术探讨

飞机的装配和安装工作在飞机制造中占有重要的地位,飞机装配和安装工作量占到整个飞机制造工作量的50％～60％。在传统的飞机设计生产过程中,飞机装配中的问题只有靠实物协调才能发现和解决,效率低,成本高,而采用计算机辅助设计技术,使在设计阶段中解决装配问题成为现实。本文结合S-92尾斜梁的设计全过程,阐述了三维实体数字化预装配技术(DPA)的概念、特点和基于CATIA软件一种方法。     

如何搜集,积累与收益管理相配套的数据信息

收益管理系统在民航业的使用,从本质上说是一种营销方式的变化,它将形式上一致的座位,人为的加以区分,以满足不同消费层次旅客的需求,兼顾客票销售收入大小与客座率的高低,达到航班收入最大化的目的。该系统从具体运作上说,则是航空公司在大量数据信息收集整理的基础上,利用相关软件进行分析,最终决定超售、多级舱位、流量流向控制的具体限额,尽可能多的以全价销售客票,以实现航班收入最大化的目的。有没有相应的数据信息,是实施收益管理的先决条件。1998年,我国民航“一种票价,多种折扣”政策执行,航空公司票价盲目打折,营…     

收益管理系统的基础数据分析

TheBasicDataAnalysisoftheRevenueManagementSystem收益管理的重要性已经被航空公司认识和接受,在建立收益管理系统的过程中数据的重要性也逐渐被人们承认,业务数据是收益管理的前提条件之一,数据成为收益管理计算机系统正确运行的基础。收益管理的基础数据主要包括订座数据、离港数据和结算数据。对于这些数据,按照收益管理的要求（数据的完整性和准确性要求）,需要回答如下这些问题：要求的数据是什么,即收益管理需要的数据要求是什么;是否可以得到这些数据,即目前是否完全具备这些数据？从那里得到？如何得到？目前不能得到…     

多尺度层级金字塔网络的无人机入侵检测方法

近年来,无人机的快速发展给众多领域带来便利,然而无人机入侵给机场安全带来了巨大的挑战。由于无人机目标小、背景复杂、飞行速度快等特点,现有的主流目标检测方法通常难以准确地识别出入侵的无人机,易产生误检漏检的现象。提出了多尺度层级金字塔网络的无人机入侵检测方法,同时利用特征融合模块赋予特征金字塔不同层级、不同尺度的图像语义信息,并通过网格删除和4-Mosaic数据增强技术,对小样本数据集进行扩充,有效地提高了模型的泛化性能。实验表明,方法较于目前最优的无人机检测方法性能提升了5.5%。     

基于黎曼距离的编队飞行卫星姿态控制系统故障检测数据优选方法

为突破星上资源的严苛约束、提升编队飞行卫星故障检测能力,提出了一种适用于编队飞行卫星姿态控制系统的故障检测数据优选方法,通过利用黎曼距离衡量无故障情况和故障情况下系统测量信息之间的差距,构建了编队飞行卫星姿态控制系统故障检测能力的评价指标。在此基础上,提出了故障检测数据优选方法,为系统输出信息结构优化提供了理论依据。仿真表明,所提出的方法能够在星上资源受限的情况下有效提升编队飞行卫星姿态控制系统的故障检测能力。     

B样条快速求值算法及其在曲线拟合中的应用

B样条方法是数据插值、拟合与平滑的重要方法。通过对de Boor-Cox算法计算路径的分析,给出了一种基于向量扩展的B样条基函数求值运算方法。分析表明,该方法具有并行计算结构和递推计算结构,利于计算机实现。同de Boor-Cox递推运算方法比,它能够同步计算出k次B样条的所有k＋1个非零函数值,运算效率提高了2k＋1倍。在最小二乘法B样条曲线拟合算法中的应用验证了本文算法的有效性。     

基于链式方程多重插补的机场场面数据补全

研究了一种基于链式方程多重插补的机场场面数据补全方法,主要用于解决机场场面数据长期存在的数据缺失问题。方法不仅可以处理单变量缺失值,也可以处理多变量缺失值,具有很强的灵活性和实用性。在上海浦东机场数据集上进行实验,将算法与两种传统的插补方法进行了比较,测试了不同缺失率下模型的性能,分析了连续变量和离散变量的插补效果,结果表明链式方程多重插补的方法具有更高的插补精度。     

基于SyncML的安全数据同步SDSXS-API

为解决移动数据库及其应用程序数据同步时的安全性、可靠性和完整性,在移动数据同步交换标准规范——Sync ML协议的基础上,提出并实现了安全数据同步交换服务应用程序接口（SDSXS—API）,为移动数据库系统及其应用程序提供了统一的数据同步交换的调用平台,既保证了移动环境下数据传送与交换的可靠性和完整性,又保证了系统数据传送的安全性。     

试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明：得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。