简论风洞试验数据到飞行数据修正体系

通过对国内外“风洞试验与飞行相关性研究”成果的文献调研,简单归纳了从风洞试验数据到飞行数据的修正体系应包含的大致内容,并从工程实用的方面对雷诺数修正方法进行了介绍。     

QAR数据在航空发动机监控中的应用研究

QAR设备虽已在民航界广泛应用,但目前对QAR数据的应用有限,浪费了大量数据信息。对此,提出通过采用多种监控逻辑并存的方法,建立监控体系,解决QAR数据的监控问题、3种监控逻辑被用于该体系：双发差异监控,EHM方法数据监控,数据极限监控。这些逻辑各有利弊,互为补充。通过对实际发动机QAR数据的监控测试．证明运用该方法所建立QAR数据监控体系的可行性和有效性,一定程度上解决了QAR数据监控问题。     

趋势

高净值人群公务机消费关注实际需求据《2015至尚优品—中国千万富豪品牌倾向报告》,2014年,湾流当选富豪最青睐的公务机品牌,富豪们对直升机的热情度也有所上升。20%的富豪考虑三年内购买和使用私人飞机。在中型公务机中,赛斯纳奖状560XLS+表现较好。目前在整个公务机市场,高净值人群在选购公务机时不仅只是一味追求公务机体积的庞大和超远程的航距,更多开始关注实际需求。2014年中国公民出境游总量破亿中国内地公民出境漩人数在2014年继续增加,据金棕榈咨询近期公布的检测统计数据显示,总量约有1.17亿人次。在出境游目的地方面,内地公民出境仍以短途目     

曲线拟合参数估计法的目标散射中心提取

提出了一种基于几何绕射理论(GTD)模型的曲线拟合参数估计法,用于目标散射中心的提取.根据二维散射中心GTD模型,分角度分离目标的距离向散射中心,对不同角度的散射中心距离和幅相进行曲线拟合,提取目标二维散射中心参数,可估算散射体的曲率半径,较精确地计算转台中心至天线的距离.算例表明:对大角度成像、遮挡、平板散射等用该法重构的雷达散射截面(RCS)与原始数据较吻合.     

基于深度神经网络的流场时空重构方法

针对流场粒子图像测速实验中时间和空间高分辨率测量代价高的问题,研究了数据驱动的流场时空重构方法。为了对实验测得的低分辨率数据进行时空高分辨率重构,提出了一种基于深度神经网络的流场时空重构方法,并构建了一种基于卷积神经网络和长短时记忆神经网络的混合深度神经网络。该混合深度神经网络能够学习流场的时空演化特征,训练完成后可实现对实验数据的时空高分辨率重构。测试结果表明:只进行流场空间高分辨率重构时,重构出的流场与真实流场之间的均方根误差为0.0065左右,流场数据点数是原来的51倍;同时进行流场时间和空间高分辨率重构时,重构出的流场与真实流场之间的均方根误差可保持在0.065左右,流场时间维度的密度是原来的5倍,可极大提高实验效率,节约实验成本。     

三维大规模地形的实时显示与渲染

利用真实地形数据，基于四叉树的LOD算法，即利用视点相关和地形本身的起伏度相关技术确定地形应有的细节程度来绘制大规模三维地形。并根据真实航片和地形高程值分别生成真实和模拟的地貌纹理，计算出地形阴影贴图，产生阴影效果。在保证渲染速度的前提条件下，有效地提高了场景的视觉真实程度。     

DRS航管雷达模拟机数据库数据生成技术分析

分析了DRS航管雷达模拟机数据库数据的生成,通过对数据库体系结构与数据生成技术的研究,展现了其作为生成航管模拟数据的专业数据库的优越性。     

D-S证据理论在多传感器数据融合中的应用

近年来,许多领域都在进行多传感器数据融合技术的研究。多传感器数据的属性融合有很多算法,最常用的算法是贝叶斯决策检验法,国际上已提出将证据理论用于数据融合,但在这方面的理论基础还不完善。本文研究了证据理论在多传感器数据融合中的应用。Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ方法是对Ｂａｙｅｓ决策检验法的推广,证据理论比概率论满足更弱的公理系统,并且在区分不确定与不知及精确反映证据收集过程等方面显示了很大的灵活性。文中阐述了Ｄ－Ｓ证据理论的数学性质,给出了可信度公理及Ｄ－Ｓ综合规则,并进行了计算机仿真实验,实验结果说明这种判决方法非常实用,用于数据融合算法非常有效     

自治式水下机器人推进器故障检测、分离与重构

研究自治式水下机器人推进器故障检测、分离与重构问题。针对水下机器人故障诊断残差法中残差阈值不易选取的问题,提出了一种基于观测器的水下机器人推进器故障检测与分离方法,通过构建故障检测观测器对推进器故障与残差信号进行解耦,使推进器出现故障后仅引起与其相关的残差呈单调变化,从而可选择较大的阈值进行故障检测以提高诊断系统的可靠性,该方法在故障检测的同时可进行故障分离。针对系统不确定性导致的推进器故障重构精度低的问题,提出了一种RBF神经网络与等效输出注入相结合的故障重构方法,采用等效输出注入方法估计不确定性项,从神经网络输出中重构推进器故障。     

固定影响平行数据模型参数的偏最小二乘估计及应用

当平行数据的解释变量之间存在严重的多重共线性,或者样本点个数与解释变量个数相比较少时,用经典方法求解模型(如最小二乘法等)误差偏大,难以满足实际要求.针对这种情况提出了用偏最小二乘法思想求解固定影响平行数据模型,并且实例表明误差明显减少,可以满足建模和预报的要求.