一种大轴同轴度测量方法的研究

介绍了一种测量大轴同轴度误差的方法。用误差分离技术有效地分离掉测量过程中的偏心误差，从而可得到精度较高的同轴度误差。     

运行模态分析的频域空间域分解法及其应用

提出了一种基于频域空间域分解(Frequency and Spatial Domain Decomposition, FSDD)的运行模态分析方法。该法将同时具有输入和输出的试验模态分析的经典方法——复模态指示因子(Complex Mode Indicator Function, CMIF)法拓展到了仅有输出响应的运行状态模态分析。FSDD法采用奇异值分解将信号空间和噪声空间分离开来,把奇异值曲线作为模态指示的依据,以奇异值向量作为加权函数得到每一阶模态的增强功率谱(Power Spectrum Density, PSD),进而在频域内对增强PSD曲线进行最小二乘拟合以得到准确的模态频率和阻尼参数。采用了一个二层楼仿真算例和在欧洲广为人知的瑞士Z24公路大桥实测算例来验证FSDD算法。     

偏最小二乘回归在军用飞机价格预测中的应用

由于军用飞机性能要求的不断提高,影响飞机采购价格的费用驱动因子繁多,使得原有的价格预测模型已经不适用于现代军用飞机。分析了军用飞机采购价格样本数据少、费用驱动因子多的特点,考虑到偏最小二乘回归(PLSR)方法在处理小样本多元数据方面的优势,应用PLSR对军用飞机采购价格进行预测。PLSR首先提取第1、第2主成分对采购价格样本的特异点进行剔除;然后进行变量投影重要度分析以筛选费用驱动因子;最后,PLSR对费用驱动因子进行回归建立军用飞机价格预测模型。实例表明,在军用飞机价格预测方面,与原有的预测模型和逐步多元回归模型相比,应用PLSR预测的精度更高,更能体现采购价格与飞机性能参数之间的关系。     

民机地面最小操纵速度的仿真计算方法

指出了常用的工程估算方法中存在的问题，通过分阶段建立飞机地面滑跑起飞全过程的运动方程，结合适航条例规定，分析了影响地面最小操纵速度大小的多个因素，通过初步估计地面最小操纵速度，计算横向偏离、起飞安全性检查和逐渐减小发动机失效速度进行迭代等步骤，给出了确定民机地面最小操纵速度的仿真计算方法。     

民机地面最小操纵速度试飞技术研究

简要介绍了民机地面最小操纵速度(vMCG)的合格审定要求和原理,结合ARJ21飞机模拟器试验对飞行试验中影响vMCG的因素进行了分析并对试验数据进行处理。提出了ARJ21飞机vMCG的试飞方法,可为ARJ21飞机型号合格审定试飞和其它民机试飞提供参考。     

Oracle分布式数据库的创建策略

在远程网络环境下，由多个分散数据库组成的管理信息系统在当前十分普及，如何采用最小代价将分散数据库整合成准分布式数据库系统是一个迫切需要解决的问题。Oracle的分布式数据库功能允许用户将多个站点上的数据库作为一个逻辑上的整体，数据一致性、完整性及安全性都得以实现。在阐述了如何使用Oracle建立分布式数据库基础上，提出了解决数据复制问题的方法。实践证明，Oracle可以提供完备的方案建立分布式数据库。     

基于最少可用飞机数的航班编组计划

研究了航空公司在运力紧张状况下的航班编组计划问题.首先根据单枢纽航线结构的特点,将航班编组计划问题转化为在枢纽机场的航班节编组问题,然后通过构造描述航班节间衔接关系的传递图,并利用传递图与其对应无向偶图的关系,将需用飞机数最少的航班节编组计划问题转化为求对应无向偶图的最小权最大匹配,从而构造出一个解决运力紧张状况下航班编组计划的多项式算法.最后通过一个算例说明了该算法的应用.     

广义卡尔曼滤波递推公式的证明

卡尔曼滤波方法是一种应用广泛的估值方法,但其要求系统数学模型已知。而广义卡尔曼滤波与卡尔曼滤波相比并不需要系统数学模型已知,具有更强的现实意义。在广义卡尔曼滤波方法的状态模型和测量模型的基础上讨论了其递推公式的证明问题。最后通过广义卡尔曼滤波与经典卡尔曼滤波仿真曲线的比较,验证了广义卡尔曼滤波的有效性。     

Cholesky分解的应用研究

Cholesky分解是应用广义最小二乘法的关键，主要是根据所得资料信息，得到一正定对称矩阵，这正是所有有意用广义最小二乘法解决的问题难以满足的，我们解决的方法是求一较低阶正定对称矩阵，进行Cholesky分解，从而将广义最小二乘法应用于分析研究经Durbin-Watson检验是相关的残差序列。     

基于DMOM算法的航空发动机性能寻优控制

提出一种分散迁移优化算法(DMOM),可实现多峰值优化问题的全局最优解搜索.该算法通过随机选择参考粒子,不断迁移搜索自身所处区域峰值点,再通过分散操作排除局部最优点,重新生成新个体,可快速搜索到全局最优区域.将DMOM应用于航空发动机性能寻优控制仿真,结果表明:在最小油耗和最低涡轮温度模式下, DMOM的寻优速度相比遗传算法(GA)和粒子群算法(PSO)提高了2倍以上;同时DMOM的优化精度相比自组织迁移算法(SOMA)提高了60%以上,相比可行性序列二次规划(FSQP)算法提高了20%以上.验证了DMOM相比其他优化算法有更强的跳出局部最优的能力,在航空发动机最小油耗和最低涡轮温度这类多峰值寻优问题中具有明显的优势.