顾及频间偏差的GNSS多频非组合PPP变形监测

精密单点定位(PPP)技术有望解决长距离、大范围等监测场景难以找到稳定基准点的难题。现代化的全球卫星导航系统(GNSS)卫星纷纷开始播发多频信号,多频观测值融合理论上可提升PPP变形监测性能。为了充分利用多频冗余观测数据,详细研究了每个频点的差分码偏差(DCB)和全球定位系统(GPS)存在的相位频率间卫星钟偏差(PIFCB)的改正方法,扩展了多频数据处理的严密理论模型,能够灵活处理GPS三频、Galileo五频和BDS-3五频观测数据。多频PPP振动监测实验结果表明,GPS三频PPP、BDS-3五频PPP、Galileo五频PPP较各自双频PPP位移监测精度可分别提升12%、13%和14%,表明多频PPP技术有利于提升PPP位移监测精度与稳定性。     

湍流数据同化技术及应用

近年来数据同化（DA）被引入湍流动力学研究中,通过融合实验测量和数值计算,提高了实验测量的精度和广度,改善了数值模拟的预测性能。实验观测、预测模型和同化算法是数据同化的三要素,湍流研究中的实验观测包括热线风速仪、粒子图像测速法（PIV）、压力传感器等局部测量数据,预测模型主要指流动控制方程及湍流封闭方程,而同化算法包括贝叶斯推断、集合卡尔曼滤波（EnKF）、伴随等。稳态数据同化一般结合雷诺平均Navier-Stokes （RANS）模型方程,从重新标定模型常数、修正涡黏模型方程形式误差、修正雷诺应力项等方面着手。非稳态的数据同化一般包括四维变分（4DVar）等时间连续的数据同化方式以及顺序数据同化。4DVar通过时间正向和逆向积分迭代,存储量和计算量都非常大。顺序数据同化不需要时间逆向积分,可以在若干时刻对实验观测进行间断地植入,正向求解整个系统。另外,随着人工智能的飞速发展,湍流数据同化研究也向智能化迈进。对于纯数据驱动的湍流机器学习,其缺乏物理本质的约束,而基于物理信息的机器学习在物理本质上与数据同化是一致的。     

基于LSTM的飞行数据挖掘模型构建方法

提出了一种基于LSTM （Long Short Time Memory）模型的飞行历史数据挖掘模型的构建方法,此模型可以将飞行数据中有价值的目标数据自动提取出来。首先,通过滑动窗口法获得待检测数据;然后,将预先做好的训练样本数据输入到所构造的LSTM模型中进行训练,得到数据挖掘模型;最后,将待检测数据导入到训练好的LSTM模型中进行模式识别,将目标数据片段挖掘出来。结果表明,基于LSTM模型的飞行数据挖掘模型构建方法通用化程度高,可用于挖掘不同类型的目标数据,且识别率高,具有很高的工程应用价值。     

Weibull分布下恒定应力加速寿命试验分组数据的统计分析

对Weibull分布恒定应力加速寿命试验的分组数据,利用形状参数的线性无偏估计将分组数据转换为指数分布的加速寿命试验分组数据,建立相应的似然方程,求解得到加速模型参数最大似然估计,最后对某实例进行了分析。     

喷气公务机总体参数和性能统计分析

按照飞机设计的基本原理，通过对现有喷气公务机总体参数和性能数据的统计分析，寻找它们之间可能存在的内在关系，得到了10个经验公式，包括使用空重与起飞重量、燃油重量与起飞重量、着陆重量与起飞重量、机翼面积与起飞重量、机翼面积与使用空重、机身长度与使用空重、内部容积与人重以及推力、巡航速度、后掠角、展弦比等一些组合参数之间的数学关系。另外还得到了推重比、翼载荷等常用参数的取值范围。这些统计结果为公务机概念设计提供了一些有用的数据。     

多级安全关系数据模型研究及其改进

讨论了基本的多级安全模型存在的主要缺陷，如推理通道问题。系统的可用性、灵活性受到严格的“向下读，向上写”规则的限制问题．不能保证数据完整性。通过引入多实例和伪元组．并重新定义读写规则．使改进后的模型更具安全性、灵活性和可用性。     

高超声速风洞测力数据的关联研究

通过比较分析法研究AGARD B标模在BIA的FD 0 7风洞中气动力测量数据与其它高超声速风洞设备测量结果的相互关联。其目的 ,既可以综合鉴定FD 0 7风洞的流场性能和测试水平 ,也可以从另外意义上为数值方法的程序校验提供必要的技术支持。结果表明 ,在Ma =4.94～ 7.96范围内 ,所测得AGARD B标模的力、力矩和压心位置 ,不仅随Ma和α的变化趋势与其它风洞一致 ,而且其变化量比较接近于各风洞测力数据拟合的逼近曲线。     

一种新的空间多维关联规则模型与算法

空间对象具有自相关、连续性、多尺度等特点,导致空间关联规则挖掘与传统的统计关联规则挖掘不同,不存在统计的“事务”,挖掘更加复杂。本文用基于空间相关的影响域来创建“空间事务”,以代替传统关联规则挖掘中的事务,建立了一种新的应用于挖掘空间多维数据的空间多维关联规则模型(Spatial multidimensional association rules model,SMARM)。设计并实现了一种新的挖掘算法SMARBIA,用基于影响域、空间支持度等剪枝技巧,克服了空间多维关联规则挖掘过程中候选项目集庞大的困难。实验表明,该算法能有效地减少候选项目集而获得较好的性能。     

在线点到点数据传输优化选择模型及其算法设计

最优点到点数据传输线路不仅依赖于其固有的传输时间,还依赖于数据总量,因为数据规模决定了加工次数和传输次数.本文首先建立了在线点到点数据传输网络选择的优化模型,给出了有向路代表集的概念,然后给出了一个时间复杂性为O（m^2logn）的算法产生有向路代表集.最后对静态和动态点到点数据传输有向路问题进行了研究,并给出了一个时间复杂性为O（m^2logn）的多项式时间的算法.     

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。