浅析CCAR-25及其符合性方法

我国大型客机和新支线飞机适航取证中所依据的《中国民用航空规章》第25部运输类飞机适航标准（CCAR-25）是一部技术性很强的规章。它涉及多个学科、不同专业,结构复杂、内容繁多。本文介绍了CCAR-25在保证民用航空运输安全中所采用的技术方法及其符合性方法,这两方面的内容是CCAR-25的精髓。     

一种基于多维空间超球体的快速聚类算法

提出了一种基于多维空间超球体的快速聚类算法。这种算法结合密度聚类和层次聚类两种思想。首先利用密度聚类方法将小范围内的数据对象聚合成超球体,然后再按照层次聚类中的凝聚思想,根据超球体之间的位置关系产生最终聚类。实验表明,该算法对于数值型数据集不仅在效率、噪声敏感性等方面均有较好的表现,同时还可以通过诸如“双环测试”等带有刁难性的特殊测试集。以往,常常简单的以距离来刻画的数据间“相似性”,而所提出的快速聚类算法则改由超球体之间连接的紧密程度来描述这种性质。实验表明,这种修改使得算法的性能得到了很好的改善。     

评定测量系统不确定度的方法

测量结果的不确定度是评定测量系统测量质量的重要指标,文中给出了测量系统不确定度的A类和B类评定方法,以及合成不确定度和系统总不确定度的计算方法,并通过实例进行了说明.     

一种改进的多目标粒子群优化算法

为了增强多目标粒子群优化算法的收敛性与多样性,提出一种改进的多目标粒子群算法.采用Kent映射对种群进行初始化,并将目标空间均匀划分为若干扇形区域;基于一种新的多样性和收敛性判定标准,选取合适的收敛性最优解和多样性最优解,并提出一种改进的粒子群更新公式进行全局搜索;采用聚类算法对外部种群与坐标轴夹角进行分析,维护外部种群.通过标准测试函数的仿真实验,与多目标优化算法基本MOPSO(Multi-objective Particle Swarm Optimization Algorithm)和NSGA-II(Nondominated Sorting Genetic Algorithm II)进行对比,结果表明了该改进算法的有效性.     

基于聚类PSO算法的舰载机舰面多路径动态规划

对舰载机舰面多路径动态规划问题,提出了基于聚类粒子群(PSO,Particle Swarm Optimization)算法进行解决的方法.首先建立了舰载机舰面多路径动态规划问题数学模型;其次,在建立航母舰面环境模型、舰载机"凸壳"模型、碰撞检测模型的基础上,利用聚类PSO算法进行问题求解;最后,通过编制程序对该解决方法予以实现.仿真结果表明利用聚类PSO算法所求解的结果比较精确,且计算效率也符合实际要求.因此基于聚类PSO算法对舰载机舰面多路径动态规划问题进行求解是可行的.     

轴类零件三维尺寸自动标注算法

针对尺寸自动标注仅限于表达产品的几何信息而未关注其功能特性,从而导致所标注的尺寸无法恰当地描述产品设计意图的问题,提出一种基于产品功能特性的三维尺寸自动标注算法.首先,根据零件的功能构造了尺寸标注基准集;其次,建立了轴向尺寸标注优先级确定准则,构造轴向尺寸集,并采用图论法消除了尺寸冗余;然后,构建径向尺寸集,并采用尺寸冗余度法删除其中的冗余尺寸;最后,通过实例测试,验证了所提算法的可行性和有效性.     

仿生光磁导航技术发展研究综述

仿生导航是在仿生技术基础上发展起来的新型导航技术方法,该方法融合了仿生技术的优点,因其抗干扰性强、适应范围广的特点,迎来了研究的热潮。从仿生光流导航、仿生偏振光导航、仿生类脑导航和仿生地磁导航四个角度对近年来大量的相关文献进行了综合性地整理和分析,阐述了其导航原理、发展现状和动态,对其未来的发展前景进行了展望,指出了限制现有技术的难点和瓶颈,对未来仿生导航技术的发展提供了参考,有一定的指导作用。     

天绘-1立体测绘卫星概览

天绘-1立体测绘卫星是我国自主研制的第一颗传输型立体测绘卫星,搭载了全色分辨率2m、多光谱分辨率10m和三线阵测绘(也叫立体测绘)分辨率5m的相机各1台。天绘-1的01、02星分别于2010年8月24日、2012年5月6日成功发射,两颗星同时在轨运行。目前,已获取海量国内外有效数据(单景云量小于20%),覆     

基于小波包分解和FCM聚类的纹理图像分割方法

提出了一种新的图像特征提取中选取最优小波分解树的方法.塔式小波分解对信号解不够全面,而小波包全分解又引入庞大的计算量,因此小波分解最优树的选取尤为重要.结合模糊c均值(FCM,Fuzzy C-Mean)聚类,提出了一种能同时进行小波自适应分解和纹理特征分类的纹理图像分割方法,该方法将无监督聚类中的聚类有效性参数引入到自适应小波分解的判决中,能根据无监督聚类分割的需要,自适应地选取小波包分解的树形结构和分解层数.相对于小波包全分解,节省了大量的运算,并能取得良好的分割效果.      

基于负载特征聚类的节能资源调度算法

基础设施即服务(IaaS,Infrastructure as a Service)平台提供商为用户提供高性能服务的同时,必须考虑如何在不违反服务级别协议(SLA,Service Level Agreement)的前提下,节约云平台的能耗成本.采用基于负载特征聚类的方法,提出一种IaaS云平台上保证SLA的资源调度算法,最终实现降低SLA违反率和节约能耗的目标.具体采用能耗相关的负载特征提取和改进K-means聚类分析的研究方法,进行资源调度算法研究,对物理资源进行有效分配,以保证IaaS平台节约能耗的要求.实验验证方面,通过扩展CloudSim模拟实验平台,对本研究算法与改进BFD(Best Fit Decreasing)算法进行比较,得出本研究算法在SLA违反率和节能方面更优.