基于ARIMA模型的拉萨降水量时间序列分析与预测

应用差分自回归滑动平均模型（ARIMA）模型对西藏拉萨地区1969年至2009年的年降水量资料进行建模分析。建立的模型通过了参数的显著性检验和模型的显著性检验。模型的实证分析表明在短期内模型具有较高的预测精度,ARIMA模型可以较好的应用于降水量的预测,对相关部门采取措施应对自然灾害提供了理论支持。     

航空装备备件需求量的概率区间计算方法

科学合理地解决备件配置问题一直为人们所瞩目,备件配置数量的多少不仅影响装备的维修甚至影响装备的战备完好率。计算备件需求量的传统模型是概率模型,然而概率模型中的分布参数往往有一定程度的不确定性。本文对概率模型中含有有界不确定参数的备件需求量计算问题进行研究,根据航空装备备件的分类,分别提出了寿命服从指数分布、正态分布和威布尔分布部件的备件需求量的概率区间确定方法。所提出的方法较好地解决了分布参数有界不确定时航空装备备件的配置问题并能够充分保证备件的保障率,进而提高航空综合保障水平。最后,通过数值算例说明了该方法的有效性和实用性。     

基于"序列相对贴近度"的组合预测权值分配

在时间序列的组合预测权值分配问题上,为克服传统的均方误差倒数加权、熵权和最优化方法之不足,从预测值序列与评价样本序列间的贴近性出发,提出新方法综合衡量单一参与模型的适用性,并据此分配权值.详细给出了序列相对贴近度(SRND,Sequence Relative Nearness Degree)及与之相关的"序列趋势关联度"和"尺度区间熵"的概念,并提出基于SRND的权值分配方法.将SRND权值分配方法应用于航空发动机排气温度裕度参数时间序列的联合自回归滑动平均模型、函数系数自回归模型和径向基函数网络预测,有效地提高了预测准确度,获得优于均方误差倒数加权和熵权方法的组合性能,且运算量远小于最优化方法.     

基于相空间重构和神经网络的压气机机匣静压预测

建立了基于相空间重构和径向基神经网络的压气机机匣静压的预测模型。对试验数据进行相空间重构,分析其混沌特性,根据重构相空间的最小嵌入维数确定网络输入参数的个数,采用K均值聚类的方法优化网络的拓扑结构,根据时间序列的最大李亚普诺夫指数确定预测模型的最大有效预测步数,利用径向基神经网络的强大非线性映射能力,实现对时间序列的非线性预测,试验结果证明了该方法的有效性。该方法对压气机趋势监控具有一定的参考价值。      

为中国开发太空探路创中国首飞太空记录 --纪念T-7系列探空火箭首次发射成功45周年

在中国第一个实用探空火箭系列--T-7系列探空火箭首次发射成功45周年之际,回顾了该系列火箭的研制由来和基本情况,论述了该系列火箭对中国开发中层大气和太空所起到的探路作用.     

捷联惯导系统中一种高精度姿态更新算法的推证

在捷联惯导系统中 ,姿态更新的计算是捷联惯导系统的关键问题之一。文章对四元数更新算法进行了研究 ,提出了一种新的四元数四阶泰勒展开高精度航姿算法 ,并在理论上给出了详细的数学推导和证明 ;为改进捷联惯导系统算法提供了重要的参考依据     

利用增量相位和星光仰角增强XNAV

针对X射线脉冲星导航系统(XNAV)中过程噪声统计特性难以准确获取,对其不当假设导致滤波器估计性能不佳的问题,提出基于自适应差分卡尔曼滤波器(ADDF)的多信息融合算法。为了降低导航误差,在传统脉冲星计时观测的基础上,增加恒星星光仰角及两个时刻间的相位增量观测量,共同增强XNAV。首先,分别建立计时观测模型、相位增量模型及星光仰角模型;然后将多信息测量模型集成到卫星轨道动力学方程中,以建立ADDF滤波模型;最后对所提方法进行仿真验证。实验结果表明,在相同的初始状态和初始噪声误差条件下,与传统X射线脉冲星导航算法相比,多信息融合算法能将导航位置估计精度提高70%以上,位置估计误差降低到 200 m 左右,速度估计精度提高40%以上,且ADDF性能优于无迹卡尔曼滤波器。     

FADS压力传感器延迟补偿

嵌入式大气数据传感器系统通过在飞行器各部位的压力传感器阵进行工作,当大气密度较低时,压力传感器延迟时间过长,致使FADS测量精度减低,甚至无法正常工作.通过对压力传感器延迟产生的机理进行分析,提出相位超前校正网络延迟补偿的方法,合理选取超前校正网络参数,并适当减小连接压力传感器与机体表面的细管长度,可以有效减小传感器延迟,使FADS的可使用空域由35km增大到60km.相位超前校正网络延迟补偿方法具有效果明显且易于工程实现的优点.     

基于光纤以太网的高精度分布式授时技术

White Rabbit(WR)时钟同步技术是综合了同步以太网、精密定时协议(IEEE1588v2)和数字相位测量技术而发展的分布式同步授时技术,能够实现数千米范围内多节点亚纳秒精度的时钟分发。该技术兼容标准以太网协议,不占用额外网络带宽,与数据链路直接集成,结构简单成本低。介绍了White Rabbit技术的基本技术原理及初步应用方法,并给出了各种拓扑结构下的测试结果。采用White Rabbit能很好地解决各种长距离多节点高精度授时需求,能够作为地基增强导航系统的关键支撑技术。     

一种基于观测站数目最小化的TDOA/FDOA无源定位算法

在三维（3D）运动目标无源定位系统中,无模糊定位最少需要4个观测站。而传统的两步加权最小二乘（TSWLS）及其改进的闭式算法至少需要5个观测站进行求解,当减少一个观测站时,这些闭式算法往往无法提供可靠解。针对这一问题,提出一种最小化观测站数目的到达时间差（TDOA）与到达频率差（FDOA）定位算法。该算法是一种闭式解法并且能够在三维场景下仅使用4个观测站进行定位。该算法分为两步：第1步分离传统的TSWLS算法中未知参数空间,建立了一组新的等式,并且利用加权最小二乘（WLS）算法得到目标位置与速度的初始值;第2步利用泰勒级数展开算法将中间变量线性化,对目标位置和速度初始值进一步校正。理论分析证明了在适当的噪声水平下该算法能够达到克拉美罗界（CRLB）。此外,计算机仿真表明仅使用4个观测站时,该算法对于近场以及远场目标参数的估计精度在测量噪声较小时可以实现CRLB;并且还表明使用5个观测站估计时,该算法比TSWLS及其改进算法能更好地适应大的测量噪声。