凝胶试验特性数据分析

针对凝胶推进剂压力损失的计算方法与常规推进剂存在很大差异,结合对非牛顿流体的理论分析,得出了凝胶推进剂在管路中的流动特性主要取决于其自身。对凝胶N2O4及凝胶UDMH液流试验的压力-流量数据,分别采用指数方程、多项式方程和直线方程三种方法进行曲线拟和、对比分析,反映了凝胶推进剂的非牛顿流体特性,对系统组建提出了一些建议,明确了凝胶试验系统试前应采用真实介质进行冷调,并为系统调试数据提供了可行的拟合方法。     

基于拟牛顿方法的非线性求解及应用

针对某测量任务中以两套一主三副测量体制联测距离和变化率为对象,给出了拟牛顿求解方法.通过测量梯度的变化,构造了一目标函数的模型使之快速收敛.任务实测数据计算结果显示:该法解决了非线性求解问题,为任务提供了有效的技术支持.     

试车台氧化剂系统增压能力影响因素分析

试车台进行改造后,管路和容器参数都发生了变化,试车过程中需在要求时间内完成发动机氧化剂入口压力从前稳段升压至过载段。首次试车过程中由于贮箱增压计算出现误差,导致氧化剂升压过程中增压阀门多次动作。为避免升压过程中增压阀门的多次动作,获得试车台的实际增压能力,对其影响因素及试车数据进行了分析,修正了调整计算过程。试验结果表明:调整计算正确,改进措施有效,满足了试验任务要求。     

基于实测星载原子钟数据的脉冲星守时方法

利用脉冲星估计星载原子钟钟差是实现卫星自主守时的途径之一。为充分分析基于脉冲星的自主守时系统性能，利用实测的星载原子钟钟差数据和中子星内部组成探测器(neutron star interior composition explorer, NICER)的PSR B1937+21脉冲星的观测数据，对比分析了星载原子钟和脉冲星的误差特性。设计了脉冲星守时系统框架和星载原子钟钟差估计方法。以实测的星载原子钟钟差数据为基础，计算分析了脉冲星守时系统的性能。计算结果表明，若脉冲星的脉冲到达时间（time of arrival, TOA）解算精度为1 μs/30 d，则原子钟钟差估计精度可达到优于1 μs的水平，初步验证了脉冲星守时系统的可行性。     

实践四号卫星高能质子重离子探测器探测数据初步分析

在简要介绍卫星和探测仪器之后,着重介绍内外辐射带高能质子重离子通量、能谱等初步的和较为直观的部分处理结果。     

大数据背景下“战略性阅读”的支撑研究——以HistCite引文分析为例

对大数据背景下科学研究模式新的变化进行了剖析,探讨了"战略性阅读"的由来及内涵,然后以"战略性阅读"的支持工具之一HistCite为例,以"数字图书馆"主题领域为宏知识来源,研究了如何运用引文分析工具来支持用户对海量数据进行深度分析。     

基于AFI混合聚类算法的轴承故障诊断方法

针对滚动轴承振动信号标记数据量小、故障模式多样的现状,提出了一种基于AFI混合聚类算法的半监督式轴承振动信号故障诊断方法。利用小波包分解方法提取了信号的能量特征谱,并通过主成分分析方法增强了信号的特征;参考迭代自组织数据分析的“分裂”和“合并”的思想,为人工鱼群算法中的个体鱼增加了“分裂进化”和“合并进化”行为;采用模糊C均值方法定义了隶属度矩阵和目标函数,并利用改进的人工鱼群算法,迭代搜寻了目标函数的全局最优解,得到了各故障模式的聚类中心;通过计算测试数据的最近邻聚类中心,实现了故障模式识别。结果表明,该方法无需指定聚类簇数,能在标记数据量小的情况下完成训练,较同类方法表现出了更优的故障模式识别性能。     

大数据理论在高精度惯性导航系统测试技术中的应用

当前我国高精度惯性导航系统研制已取得长足进展,但惯性导航系统的精度、可靠性和寿命等应用性能距离世界先进水平仍有差距,主要问题在于全寿命周期内的海量测试数据没有被充分挖掘、分析和应用,严重制约了惯性导航系统精度的提升、可靠性分析和寿命预估的准确性。因此,系统、准确、高效、合理地处理设计、生产、测试和使用过程中的海量数据是分析解决高精度惯性导航系统存在问题、提高生产效率、提升产品质量的有效途径。首先,详细分析了惯性导航测试系统数据采集和数据管理中存在的问题,提出大数据管理分析系统的需求和目标;其次,结合数据管理和分析中的关键技术,构建了惯性导航测试系统以数据采集层、数据支撑层和数据应用层为3大模块的大数据分析平台基本框架。为高精度惯性导航系统优化设计、提升精度、保障产品可靠性、合理预估系统寿命及适应未来战争提供了发展思路。     

大数据在航空系统的研究现状与发展趋势

针对大数据在航空系统中的应用问题,阐述了学术界与航空工业界在航空大数据采集传输、分析技术及可视化等方面的研究现状。提出了航空大数据平台基础架构,对目前推出的几款航空大数据分析平台结合优化运营、优化维护、降低成本、降低风险等方面的需求进行了评述。指出大数据在航空系统中的应用还存在着理念、方法、技术、人等方面的挑战,并相应地提出大数据组织专门化、处理方法混合化、分析平台柔性化及跨界合作深入化等发展趋势。