基于平衡核函数聚类的飞行航迹数据分析方法

目前,使用数据挖掘的方法对目标的飞行航迹进行分析来确定航迹类别具有许多应用价值。飞行航迹数据具有维数高、交连多、可分类性能差等特点,要做到尽可能精确的聚类和分类十分困难。文章立足提高飞行航迹数据聚类分析的准确性,在航迹特征数据的预处理阶段,提出了一种平衡核函数的K-均值聚类方法,可以解决高维特征数据带来的奇异性,还能提高交叠样本的聚类性能;设计了一种模糊支持向量机的算法框架实现航迹的分类。通过实际飞行航迹数据集测试了设计框架下航迹聚类和分类识别的有效性,在实际工程上具有广泛的应用前景。     

一种基于模糊遗传算法的多传感器多目标跟踪数据关联算法

基于模糊遗传算法发展了一种新的数据关联算法。数据关联的静态部分靠一个模糊遗传算法来得出量测组合序列和S-D分配的m个最优解。在数据关联的动态部分，将得到的S-D分配的m个最优解在一个基于多种群模糊遗传算法的动态2D分配算法中依靠一个卡尔曼滤波估计器估计出移动目标各个时刻的状态。这一基于分配的数据关联算法的仿真试验内容为被动式传感器的航迹形成和维持的问题。仿真试验的结果表明该算法在多传感器多目标跟踪中应用的可行性。另外，对算法发展和实时性问题进行了简单讨论。     

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。     

某型发动机无失效数据的Bayes可靠性分析

在定时截尾试验中,有时会遇到无失效数据,特别是在高可靠性、小样本问题中更容易产生无失效数据。对某型发动机的无失效数据,在失效概率服从不完全Beta分布时,给出了失效概率的Bayes估计,并在引进失效信息后,给出了失效概率的Bayes估计和综合估计,从而可以得到该型发动机可靠度的估计。     

商用航空发动机智能制造研究与探索

为了推进航空发动机智能制造,通过分析其本质和特点,研究国外航空发动机智能制造的实践与发展趋势,及中国商用航空发动机行业智能制造的现状与内、外部挑战。认为推进商用航空发动机智能制造的关键是构建产品、生产和业务 3 个维度高度集成的智能制造生态系统。针对商用航空发动机行业特点和技术、管理现状,提出构建基于模型的企业、实施基于模型的系统工程、推进大数据应用、建立智能制造标准体系,以及开展试点、示范项目建设等是推进商用航空发动机智能制造的重点。     

基于机动动作库的实时轨迹生成与仿真研究

论述了基于机动动作库的实时轨迹生成方法,根据环境和任务要求进行在线决策,选取机动动作库中合适的机动动作,最终实时生成无人机所需要的机动轨迹。仿真结果表明,这种方法具有实时性强、生成轨迹易于跟踪控制等优点。     

利用飞参数据实现飞机机体结构寿命的动态监控

首先,通过对某型直升机重心法向过载飞参数据的研究得到直升机在实际飞行中的重心过载谱;然后,发展了一种基于飞参数据的名义应力法并对某机群中的每架直升机进行了相对疲劳损伤的计算,计算结果比较符合实际情况;最后,对由相对损伤计算得到的寿命进行了可靠性分析,分析表明机体结构的寿命管理是个动态的过程,利用飞参数据实现从定时维修到...     

MEMS陀螺阵列的RCC-OBE估计融合方法

为提高微机电系统（MEMS）陀螺的精度,提出一种基于松弛Chebyshev中心（RCC）的最优定界椭球（OBE）算法,并用于陀螺阵列信号的融合。以单个陀螺误差输出模型为基础,建立了阵列系统的机动融合模型;由于噪声统计特性的不确定会导致传统融合方法精度下降,引入仅要求噪声未知但有界的集员估计理论,运用OBE算法实现角速率信号的稳健估计;在OBE算法中,往往采用椭球几何中心作为真实值的点估计,但该中心并没有理论上的最优特性,而可行集的Chebyshev中心具有很多优良特性,同时,考虑到准确的Chebyshev中心求解十分困难,转而求解可行集的RCC,作为速率信号的点估计,设计了以RCC作为输出的OBE更新过程和新的参数优化准则。采用6个陀螺构成的阵列进行了验证试验,结果表明基于该算法的阵列估计融合方法在获得角速率保证边界的基础上,可以进一步提高MEMS陀螺精度。      

基于WACCM+DART的临近空间SABER和MLS温度观测资料同化试验

基于WACCM+DART（Whole Atmosphere Community Climate Model,Data Assimilation Research Test-Bed）临近空间资料同化预报系统,以2016年2月的一次平流层爆发性增温（SSW）事件为例,开展了临近空间SABER（Sounding of the Atmosphere using Broadband Emission Radiometry）和MLS（Microwave Limb Sounder）温度观测资料集合滤波同化试验.结果表明：同化SABER和MLS温度观测资料可显著降低WACCM模式在中间层和平流层中上部（0.001～10hPa）大气温度场的预报误差,改善CR试验在SSW发生时中间层变冷现象偏强、纬向风场首次发生反转的层次偏低以及增温恢复阶段0.1～10hPa的东风层提前消退、纬向风速偏大、平流层顶位置偏高等现象.基于ERA5（The Fifth Generation of ECMWF Reanalyses）再分析资料的检验表明：同化SABER和MLS温度资料明显有利于减小北半球高纬度地区（60°-90°N）平流层中上层和下中间层（0.1～14hPa）纬向风场以及平流层和中间层中下层（0.01～100hPa）温度场的分析误差;同化低层大气观测也有利于减小0.1～14hPa纬向风场和0.01～100hPa温度场的分析误差,但是不如同化SABER和MLS温度资料对临近空间纬向风场和温度场分析误差的改善效果显著.     

基于数据压缩的多传感器多假设算法

为解决集中式多传感器系统中多目标跟踪问题,提出了一种新的多传感器多目标算法.提出的算法首先应用经典分配规则对每个传感器送来的观测数据进行排列组合,然后对每个组合中各量测点进行概率加权以获得一个等效量测点,最后根据每个等效量测点产生的互联假设计算其互联概率并获得融合中心的状态估计.给出了该算法与已有集中式多传感器联合概率数据互联算法的仿真比较,仿真结果表明该算法的跟踪性能在探测概率降低的跟踪环境下表现得更为优越.