面向三维空间的交通复杂度建模

为探索空域系统承载复杂交通的能力,空管业界对以动态密度为代表的复杂性模型进行了大量理论研究,而对复杂性实际应用的研究略显单薄。基于前期联携关系复杂性研究,详细分析了三维空域内航空器对的各种相对运动趋势,将原有的复杂度模型从平面空间扩展到立体空间,采用综合微观分析方法建立了普适于立体空间的交通复杂度模型。模型能够真实地反映三维空域内航空器的空间耦合态势,并通过广州区域扇区的实际运行数据验证了模型的有效性,弥补了复杂性模型实用性不足的缺陷。     

改进的EMD算法及仿真分析

经验模式分解(EMD)是1998年由Huang等人提出的新的分析和处理非平稳信号的方法.目前对于EMD算法的端点效应问题,有包括神经网络延拓法、镜像延拓法在内的多种处理方法.但是这些方法都存在计算量大的问题,为了有效减少计算量,通过对镜像延拓法的研究,提出了一种改进的端点效应抑制方法.最后通过仿真,证实该方法不仅有效地...     

防御TearDrop拒绝服务攻击的分片重组检查算法--FRD

描述了TearDrop的原理和危害,提出了针对TearDrop及其变形进行检测和防御的FRD(Fragmentation Recombination Detecting)算法.对FRD算法进行了详尽的描述,并分析了算法的复杂度.最后对算法进行了试验验证,结果表明其对TearDrop及其变形的检测非常有效.     

基于扇区复杂性因素的管制员工作负荷分析

管制员工作负荷已成为制约航空运输进一步发展的关键因素之一,有效的管理管制员工作负荷对确保空中交通安全意义重大。考虑单纯使用扇区流量评价管制员工作负荷的不足,以扇区复杂性因素作为管制员工作负荷的测评指标;通过设计并实施管制运行仿真实验,获取相关运行参数数据;分别构建基于扇区复杂性因素及单纯扇区流量的管制员工作负荷评估模型并予以对比分析。分析结果显示,较之单纯使用扇区流量,基于扇区复杂性因素的评估模型其评估效度优势明显。     

基于自组织神经网络的空中交通复杂度参数优化及预测

首先介绍了国内外关于空中交通复杂度的定义及研究现状。然后在现有的空中交通复杂度模型中挑选空中交通复杂度参数,再利用自组织神经网络,分析所选取的空中交通复杂度参数之间的关系,达到将高维空中交通复杂度参数进行降维分析的目的。然后对于优化了的空中交通复杂度参数使用RBF神经网络进行预测,比较预测结果,得到最优的空中交通复杂度参数。     

石英玻璃的机械振动能量损耗特性

为研究石英玻璃的机械振动能量损耗特性，以石英半球谐振子为实验对象，考察了铣磨、抛光、刻蚀和退火对石英玻璃机械振动能量损耗大小的影响，并分析其作用机理。研究结果表明：对于机械加工成型的石英玻璃，表面损耗占主导作用，亚表面损伤是造成表面损耗的主要原因；退火可以消除机械应力，降低石英玻璃的“假想温度”，改善石英玻璃的结构稳定性，减小本征损耗。     

求解区域网络问题的近似算法

区域网络是给定一个无向图G=(V,E),在图G中,存在一个子图是森林,森林中的若干个不相交的树称为若干个区域。该问题的目标是把该森林子图即若干个区域连结成一棵树,且使增加的边的权和最小。把该问题归结为图的Steiner tree问题,给出了求解该问题的一个近似算法,并证明其复杂性,最后用实例说明算法的准确性。     

基于IMF能量分布重构的目标检测技术

为提高海杂波中慢速目标的检测性能,提出了一种基于IMF能量分布重构的目标检测技术。该算法对原始信号尖峰区域经经验模态分解后得到的固有模态函数进行分段数据重构,计算前端IMF分量与后端IMF分量的能量比,并将其输入非参量检测器中进行目标检测。研究表明,相比于海杂波单元,目标单元尖峰区域有更小的前后端IMF分量能量比,适用于慢速目标的检测。     

撞击流混合器速度信号的Hilbert-Huang变换分析

应用激光多普勒测速系统,对撞击流混合器的流场瞬时速度进行了测量。将Hilbert-Huang变换（HHT）应用于瞬时速度信号的分析,提取出各阶内禀模态函数（IMF）并通过经验模态分解（EMD）对速度信号进行滤波降噪。通过希尔伯特谱分析（HSA）确定了撞击流混合器速度信号的能量分布状况,信号能量集中于低频区,即存在于尺度较大的流体涡旋中。分析速度信号各阶内禀模态函数在不同频段的能量分布与转换,发现不同频段IMF的能量分布与流型转变之间的对应关系。通过能量特征值的提取表明,提高螺旋桨转速有助于强化系统的混合效果。最后将撞击流混合器的流场由内而外划分为中心区、涡旋区和回流区3个部分。     

小子样复杂装备系统测试性评估中的验前参数值确定方法

针对当前小子样测试性评估中对验前信息处理不规范、结果可信度差的问题,研究了由专家经验信息、子系统试验信息和虚拟仿真信息确定系统测试性验前参数值的方法.根据不同来源的测试性验前信息,分别提出了模糊不确定性加权、分系统数据折合和基于相似度量的Dempster-Shafer(D-S)证据融合方法估计系统测试性验前参数值.实例分析表明:该方法计算测试性评估中的验前参数值比其他文献方法的计算结果低约0.8%.