基于数据中台的数据融合集成关键技术研究

当前开发新的业务系统往往需要从其他系统引接数据,系统之间的直接数据交互增加了系统开发的复杂性。为解决上述问题,研究基于数据中台的数据融合集成关键技术,为数据中台建设提供参考。设计数据中台技术架构,实现数据引接、数据管理和数据服务。覆盖数据生命周期,设计数据中台业务流程。瞄准数据赋能目标,提升数据融合集成核心能力,采用混合架构完成多源异构数据存储,利用数据层次模型实现数据映射,应用知识图谱进行数据关联。本文提出的数据中台技术架构已在实际项目中运用,达到预期效果。     

改进SO优化KELM的液体火箭发动机故障检测

提出了一种ISO-KELM的液体火箭发动机故障检测模型。首先引入Tent混沌映射、动态策略和柯西变异3种方法对原算法进行改进。然后，采用改进后的蛇优化算法(ISO)对核极限学习机(KELM)惩罚因子和核函数参数进行寻优，构建了ISO-KELM液体火箭发动机故障检测模型。最后选取包含5种典型故障模式的某液体火箭发动机历史试车数据进行仿真。结果表明，ISO-KELM模型的故障检测准确率为95.2%,高于SO-KELM故障检测模型和传统BP神经网络故障检测模型，可有效检测火箭发动机的故障状态。同时也表明了ISO相比于SO,收敛速度更快，寻优精度更高。     

基于任务映射的暗硅芯片功耗预算方法

暗硅系统功耗预算问题可被归类为一种NP-hard问题，针对其存在的提高芯片均温与降低通信成本2个对立优化目标，提出了一种基于任务映射的暗硅芯片功耗预算方法。为降低计算复杂度，基于率先映射高通信量并对后续映射影响较小的任务的规则建立模型，将任务图转换为最大生成树的形式，以优先级值的大小决定任务进行映射的先后顺序。在稳态情况下逐个进行核心寻优，将排序后的任务放置于合适的核心位置，并以凸二次规划问题形式对已确定映射核心位置的功耗预算进行求解。实验表明:针对12开启核心的36核心系统，与经典的热安全功耗预算方法相比，所提方法将总功耗预算提高了11.8%，通信能耗降低了38.2%。      

基于轨迹映射的无人机拖曳式空中回收轨迹优化

针对无人机拖曳式空中回收过程中的轨迹优化问题，提出一种基于轨迹映射的无人机回收轨迹在线优化方法。首先，建立包括缆绳-浮标-无人机组合体的运动模型、机翼折叠模型在内的空中回收系统模型。随后，提出轨迹映射的思想，利用双向长短期记忆（BiLSTM）神经网络建立回收系统中回收指令和回收轨迹之间的精确映射关系。然后，利用轨迹映射网络实时预测不同指令下的回收轨迹，并根据计算的预测轨迹代价利用粒子群优化（PSO）算法优化得到最佳回收指令。最后，仿真结果表明：所提的轨迹映射网络具有较高的预测精度和计算速度，所提的方法可以优化出使无人机稳定快速回收的轨迹。     

深空干涉测量对流层经典模型改进

对流层延迟修正误差是深空干涉测量的重要误差源之一。通过修正对流层经典天顶延迟模型和Niell映射函数NMF（Niell Mapping Function）构建了一种高精度区域对流层延迟模型。首先，结合我国深空网喀什深空站对流层延迟实测数据，对Saastamoinen模型的适用性进行分析，通过线性最小二乘拟合修正天顶干延迟参数，模型精度相对改善29.6%；然后，针对NMF低仰角情况下映射偏差较大的问题，构建偏差函数模型，显著改善了低仰角下的映射性能，经实测数据验证：仰角在0°~30°时，对流层延迟模型偏差相对改善约30%。改进后的对流层区域模型估计精度高，可为我国深空干涉测量对流层延迟修正提供参考。     

非线性弹性单盘转子系统稳定性分析

以转子动力学和非线性动力学理论为基础，针对非线性转子-轴承系统的具体特点，建立了采用Capone短轴承非线性油膜力模型的弹性转子系统模型，并用庞加莱映射方法，得到系统在参数域中的分岔图、轴心轨迹图、Poincare映射图、时间历程图和频谱图，从而得出分岔失稳转速随偏心量、轴承间隙、润滑油黏度3个参数的变化规律。研究结果可为该类转子-轴承系统的设计和安全运行提供参考。     

自适应变异麻雀搜索优化算法

针对麻雀搜索算法前期易陷入局部极值点、后期寻优精度不高等问题，提出一种自适应变异麻雀搜索算法（AMSSA）。先通过猫映射混沌序列初始化种群，增强初始种群的随机性、遍历性，提高算法的全局搜索能力；再引入柯西变异和Tent混沌扰动，拓展局部搜索能力，使陷入局部极值点的个体跳出限制继续搜索；最后，提出探索者-跟随者数量自适应调整策略，利用各阶段探索者和跟随者数量的改变增强算法前期的全局搜索能力和后期的局部深度挖掘能力，提高算法的寻优精度。选取16个基准函数和Wilcoxon检验进行验证，实验结果表明：所提算法与其他算法相比，寻优精度、收敛速度和稳定性都取得较大提升。     

基于CEA-GA的多无人机三维协同曲线航迹规划方法

针对多无人机协同航迹规划求解计算复杂度高，收敛效率差等问题，提出一种基于混沌精英适应遗传算法（CEA-GA）的多无人机三维协同曲线航迹规划方法。利用层级规划思想，建立基于单机规划层-航迹平滑层-多机协同规划层的多无人机三维协同曲线航迹层级规划模型，将复杂约束规划问题分解为子函数优化求解问题，减小计算量；考虑到遗传算法（GA）求解高维复杂约束优化问题存在的性能局限，采用Tent混沌映射均匀初始化种群，以扩大个体搜索空间，丰富种群多样性，在此基础上，通过引入自适应遗传算子平衡算法的全局搜索与局部开发能力，帮助个体跳出局部最优，并采用适应度动态更新策略进一步提高算法的局部探索能力和收敛速度。将精英保留策略引入GA以更好地保证改进算法的全局收敛性。将CEA-GA应用于模型求解，仿真实验结果表明：CEA-GA具有较强的鲁棒性、较好的寻优性能和收敛效率，且能够为集群规划满足约束条件的协同曲线航迹，从而验证了所提方法的有效性和CEA-GA的优越性。