推行综合后勤保障与提高军机效费比

对于现代的军用飞机,都要求它们具有高的效费比。为此必须大力推行综合后勤保障,以提高军机的后勤保障的效能和降低军机寿命周期内的使用保障费用。提出要实现综合后勤保障,就应在军机的整个寿命周期内以综合后勤保障计划作为贯穿全过程的管理手段,协调军机的保障性设计和其他专业设计工作,并保证各种后勤保障资源的落实。在实现综合后勤保障的过程中,进行后勤保障分析则是必不可少的基础工作。     

农民合作意愿影响因素的实证分析——基于皖北六市、五县的调查数据

基于皖北六个地级市343户农民实际调研数据,以Logistic回归模型为工具,对主体特征、组织因素、政策环境等影响农民合作意愿的因素进行实证分析,结果表明：农民合作意愿受主体、组织、政策环境三方面因素的影响,其中农户的家庭特征、合作社运行机制、合作社服务体系、对合作社认知、土地流转变量对农户的合作意愿影响显著。基于上述结果,文章从政府引导与宣传教育、完善合作社为农服务体系、健全合作社运行机制、促进土地流转等方面提出了相关政策建议。     

基于生态位理论的旅游价值链整合研究

从生态位的角度切入,提出旅游生态位具有双重属性、动态性、差异性和系统性的特征。基于这一理论基础重新审视旅游价值链,扩大了旅游价值链的构成内涵,在深入分析旅游资源、旅游市场、旅游服务和旅游环境对旅游价值链的影响过程后,提出从旅游生态位分离、旅游生态位扩充、旅游生态位创新、旅游生态位协调等方面进行旅游价值链整合的路径。     

多星多任务运控系统可靠性优化模型

多星多任务运控系统任务需求是根据实时执行的各种任务而不断变化的,因而其在不同的任务状态下系统具有不同的可靠性结构。首先,给出了系统任务阶段分解的方法;然后,利用连续马尔可夫链理论建立了基于多星多任务运控系统的可靠性模型,给出了固定费用投资下对系统进行可靠性优化设计的边际分析算法;最后,通过案例分析,验证了模型的可行性与实用性。     

基于LSTAR的机载燃油泵多阶段退化建模

机载燃油泵的性能退化呈现出平稳—加速—平稳的非线性、多阶段模式,针对现有退化模型难以准确描述其全寿命周期性能退化的问题,以逻辑平滑转换自回归(LSTAR)模型为工具,对机载燃油泵出口压力传感器信号进行建模。首先,对转换后的压力传感器信号建立自回归(AR)模型,通过非线性检验说明建立LSTAR模型的必要性;然后,应用非线性最小二乘法完成参数估计;最后,在AIC准则最小及拟合优度最大的原则下,选择转换变量,通过残差进行模型的适应性检验与正态性检验。结果表明:基于LSTAR模型的拟合精度明显优于线性自回归模型。本文提出的方法成功解决了机载燃油泵性能退化的多阶段准确建模问题,为机载燃油泵的预测与健康管理(PHM)奠定了坚实的基础。     

全定制芯片的测试码产生方法

针对全定制设计的芯片提出人工产生测试码的方法.该方法充分利用功能验证程序,从中挑选出对测试有用的信息,经过转换得到满足基本故障覆盖的测试码;再结合芯片自身的结构特点,合理利用芯片内部的调试结构,并按功能部件利用调试链路追加测试码,从而补充完善得到比较完备的测试码.     

层次马尔可夫链在民航安全管理中的应用

利用层次马尔可夫理论建立预测模型,预测系统未来各影响因素的危害度,仿真计算结果表明该方法能有效地预测系统未来的状态,从而科学指导未来民航安全管理决策,使航空安全与利益之间的关系达到最优化。     

Supervised learning with probability interpretation in airfoil transition judgment

Transition prediction has always been a frontier issue in the field of aerodynamics. A supervised learning model with probability interpretation for transition judgment based on experimental data was developed in this paper. It solved the shortcomings of the point detection method in the experiment, that which was often only one transition point could be obtained, and comparison of multi-point data was necessary. First, the Variable-Interval Time Average (VITA) method was used to transform the fluctuating pressure signal measured on the airfoil surface into a sequence of states which was described by Markov chain model. Second, a feature vector consisting of one-step transition matrix and its stationary distribution was extracted. Then, the Hidden Markov Model (HMM) was used to pre-classify the feature vectors marked using the traditional Root Mean Square (RMS) criteria. Finally, a classification model with probability interpretation was established, and the cross-validation method was used for model validation. The research results show that the developed model is effective and reliable, and it has strong Reynolds number generalization ability. The developed model was theoretically analyzed in depth, and the effect of parameters on the model was studied in detail. Compared with the traditional RMS criterion, a reasonable transition zone can be obtained using the developed classification model. In addition, the developed model does not require comparison of multi-point data. The developed supervised learning model provides new ideas for the transition detection in flight experiments and other experiments.     

基于数字孪生的航班链延误动态预测模型

针对复杂多变的航班运行环境，提出一种基于数字孪生的航班链延误动态预测模型，以改善传统预测方法的精度及自适应性。模型基于数字孪生航班链系统构建，采用滑动窗口下的多通道特征建模完成单元级航班延误预测，并提出一种混合优化策略进行模型参数的动态优化，最后通过孪生数据驱动的链式分析方法实现了全航班链的延误分析与修正。采用国内航班数据进行实验，得到在各个窗口下的航班延误平均绝对误差（Mean absolute error, MAE）为11.79 min，低于其他基线模型和静态模型；且引入孪生数据驱动分析和修正后，紧随其后的航班预测误差比此前进一步降低了6.44%。结果表明，模型有利于数字孪生航班链系统实现虚实交互，并具有优良的预测精度和自适应性。     

基于逻辑回归的APU性能状况评估

针对飞机辅助动力装置(Auxiliary Power Unit,简称APU)性能评估研究中单参数评估不全面的问题,提出了基于逻辑回归模型的方法,融合多参数来对飞机APU性能状况进行全面评估.首先,对APU参数数据来源进行分析,选择基于实时报文数据的APU性能评估方法,并结合APU的工作原理以及实际工作情况,挑选出可以反...