一种轮盘式特种调节阀流量特性的修正算法

针对引进的俄罗斯轮盘式特种调节阀(简称特种阀)用于高空模拟试车台(简称高空台)出现的流量特性模型误差太大(最大误差达15%),导致特种阀数学模型精度太低,难以满足高空台伺服调控系统设计要求这一问题,提出一种特种阀流量特性的间接修正方法。借用若干次试验数据,并对其进行筛选、计算分析、对比等处理,获得去数据噪声后的特种阀流量特性的对角分布稀疏数据表。在此基础上,分5类情况按数据特征进行特种阀流量特性系数修正。建立基于修正的特种阀流量特性的数学模型,并将仿真结果与试验数据对比,特种阀流量稳态误差在5%以内。     

基于大数据的空管运行安全预警研究

空中交通管制的任务是确保航空器的安全飞行,为了保证飞行安全,需要进行空中交通管制系统运行安全评估及预警的研究.借鉴大数据理论建立空中交通管制大数据概念,从影响空中交通管制系统运行的主要风险因素出发,建立空中交通管制安全运行的状态向量空间,利用主成分分析法去除基础向量线性相关性,再利用聚类分析过程建立空中交通管制运行安全预警知识库,实现空中交通管制运行安全评估和及时预警.结果表明:所用的预警分类分析方法能够很好地实现预警分类和安全评估,为管制部门的相关决策提供理论依据.     

基于大数据的航空数据采集与处理系统研究与设计

提供了一种基于大数据的航空作战数据采集与处理系统架构技术,包括：多源异构数据采集层, 用于获取原始数据并发送给数据治理层;数据治理层,用于接收和对所述原始数据执行解析、清洗转换形成 干净数据,并进行预处理形成主题数据;数据管理层,用于对数据生命周期、元数据、数据库、文件等进行 管理及统计分析;数据服务层,用于提供数据智能缓存、事件分析、数据发布、数据挖掘等服务;数据应用 层,用于接收所述主题数据进行任务复盘和回放,以及基于元数据进行数据地图、商业智能（BI：Business Intelligence）等有价值的数据分析应用。该方法能够有效提高航空数据管理的智能化水平,挖掘数据价值。     

退化量有缺失的无失效小样本轴承可靠性评估

针对有试验性能退化量参数记录、且(或)有部分数据缺失情况的小样本无失效轴承试验问题,通过由Taylor和Thompson提出的数据模拟法实现补全样本退化量,结合Bootstrap自助法扩大样本量,再根据基于性能退化轨迹的补充信息方法来进行其可靠性评估。选取7组受试轴承的振动退化量,对比在完整数据和带有缺失数据情况下的分析结果,发现可合理利用原舍弃不合规试验的部分有效信息,使之增加可靠性评估的样本数,从而得到较不用这些数据更为准确的结果,且所得结果较用完整数据结果绝对值相差在01以内。对比由极大似然估计法和加权E-Bayes法分析试验寿命数据的结果,发现该方法所得评估结果更优,与试验实际相比误差在10%以内,对于提高评估精度及降低试验成本有积极的实际意义。     

某型装备轴承件无失效时的可靠性参数估计

针对寿命服从威布尔分布的某型装备轴承件在无失效数据时的可靠性参数估计问题,首先,以失效概率为待估参数,取其先验分布为Beta分布,在2个超参数的先验密度函数为2种不同情形下,建立了失效概率的2种EBayes估计模型,分析了稳健性、渐近性和单调性;然后,对威布尔分布参数进行了加权最小二乘估计,进而建立了可靠度的2种E-Bayes估计模型,分析了稳健性和单调性;最后,结合实例数据进行了可靠性参数估计与分析,指出第2种估计模型更加合理有效。     

前向数据接入方式对导航星座网络通信性能的影响分析

对采用时分多址轮询建链体制的导航星座星间链路网络,为了指导星间链路网络地面前向数据接入的应用,分析了不同地面前向数据接入方式的星-星-地联合数据交互机制及其对网络通信性能的影响,并结合应用代价给出了综合评价和使用建议.以前向数据最快路径接入方式和固定节点接入方式为代表,分析了星间链路网络与地面间星-星-地联合数据交互机...     

小波变换在遥测数据处理中的应用

采用离散小波变换方法对在轨卫星遥测数据进行处理,利用噪声和信号在不同小波尺度上的性质不同．基于极大极小化思想选取去噪处理中的阈值,达到分离噪声和信号的目的。结果表明：利用小波变换可有效消除卫星遥测数据的噪声。     

基于自适应遗传BP算法神经网络数据融合的空中目标识别

空中目标识别是现代防空作战的重要研究内容。本文利用不同类型目标产生的多类型传感器的数据信息对目标进行识别。为了训练神经网络目标识别分类器,将遗传算法和BP算法相结合,提出了一种新的自适应遗传BP算法,利用这种神经网络来确定指标的权值。仿真试验结果表明,基于自适应遗传BP算法神经网络的识别是一种简单、可靠的目标识别方法,具有很好的目标识别效果。     

机载超轻量化卷积神经网络加速器设计

卷积神经网络庞大的权重参数和复杂的网络层结构,使其计算复杂度过高,所需的计算资源和存储资源也随着网络层数的增加而快速增长,难以在资源和功耗有严苛要求的机载嵌入式计算系统中部署,制约了机载嵌入式计算系统朝着高智能化发展。针对资源受限的机载嵌入式计算系统对超轻量化智能计算的需求,提出一套全流程的卷积神经网络模型优化加速方法,在对算法模型进行超轻量化处理后,通过组合加速算子搭建卷积神经网络加速器,并基于FPGA开展网络模型推理过程的功能验证。结果证明：本文搭建的加速器能够显著降低硬件资源占用率,获得良好的算法加速比,对机载嵌入式智能计算系统设计具有重要意义。     

基于误差补偿的点云数据修正方法研究

为提供测量效率及精度,提出了一种基于多源数据融合的测量数据修正方法。首先分别利用低精度高效率设备和高精度低效率设备对同一构件进行测量获得高密测量点云和稀疏基准点云,此后基于本文所提定位块定位方法对两组数据进行配准,然后依据测量点云与基准点云间构建误差矩阵,继而对高密测量点云进行修正以提高测量精度。实验结果表明,该方法可将测量数据的误差由3.374mm减小到0.517mm。