基于UKDE和XGBoost的航班过站时间动态预测

为了提高机场运行高峰时航班过站时间预测的精度及可靠性,研究了一种结合无偏核密度估计（Unbiased kernel density estimation, UKDE）和极端梯度提升决策树（Extreme gradient boosting, XGBoost）模型的航班过站时间动态预测方法。首先,考虑模型输入变量航班密度的连续性和不确定性变化,利用UKDE法估计机场航班密度,将其作为动态指标输入模型。其次,引入量子粒子群（Quantum particle swarm optimization, QPSO）法优化XGBoost模型。最后,考虑前序航班延误发生前后输入特征的变化,利用初始预测结果对航班密度进行修正,得到二阶段预测结果。研究结果表明：本文方法在高峰时段的预测平均绝对误差为7.365 min,效果优于随机森林（Random forest, RF）、粒子群（Particle swarm optimization, PSO）-XGBoost和XGBoost,修正后的预测结果平均绝对误差减少了3.373 min;模型输入参数按敏感性程度由高到低依次为航班密度、前序航班提前到港时间和延误...     

旋转不变的数据驱动稀薄流非线性本构计算方法

DNCR方法基于Navier-Stokes方程和UGKS方法的数值模拟结果作为流场样本训练数据,借助机器学习构建热流/应力与流场特征参数的高维复杂非线性回归关系模型,最终通过耦合数据驱动的非线性本构关系求解宏观量守恒方程得到待预测稀薄非平衡流数值解。但现有DNCR方法的特征参数(速度、压力、密度等)和标记值(热流、应力张量等)不具备旋转不变特征,所得训练模型无法适用于坐标系旋转或平移后的计算网格。针对这一缺陷,本文构建全新且具有旋转不变性的特征参数与标记值,并结合典型算例预测结果与特征参数权重反馈优化所有训练集特征参数;同时瞄准回归模型预示范围与泛化性能提升,针对极端随机树开展选参与调参研究,发展了一种基于旋转不变量的改进DNCR方法。针对不同来流条件、不同几何外形条件下的二维高超声速圆柱绕流与顶盖方腔驱动流,评估了改进DNCR方法对比原始方法的计算精度提升效果。计算结果表明：使用旋转不变量能够显著提升训练模型对坐标系旋转、外形变化的适应能力,使DNCR方法具备更好的泛化性能。     

天气风云变幻 预报难中取胜——新疆空管局气象中心预报室2004年气象保障侧记

2004年，新疆空管局气象中心预报室适应新形势，准确定位，为用户提供了及时、准确、优质的预报服务。在天气比往年复杂的情况下，重要天气预报准确率达到84．7％，超过了2004年全年安全工作指标75％和“空管安全管理年”活动的目标要求，圆满地完成了全年的预报服务工作。     

雷雨天气下的签派决策支持研究

雷雨天气是一种强对流天气,是由不稳定大气强烈的对流运动产生的,强烈的对流天气往往伴随着疾风暴雨、冰雹、龙卷风和下击暴流等灾害性天气,给航班的运行管理工作带来了很大的困难。近年来,业内专家学者已经对雷雨天气进行了全面深入的研究,在成因分析、预报技术等领域成果显著。     

太阳X-EUV成像望远镜的移动补偿系统

卫星帆板转动和自身颤动会导致太阳X射线-极紫外射线(X-EUV)成像望远镜的成像质量下降.用移动补偿系统控制相机的CCD驱动器,使势阱转移到相邻相的位置上,转移的方向正好与图像在传感器上移动方向一致,使得图像的每个光子在移动后仍然落入传感器的同一个势阱内,补偿由于帆板移动造成的图像偏移.CCD相移沿列的方向进行,而CCD的列平行于东西向.高精度太阳敏感器使用两轴直角坐标来定位太阳的位置.移动补偿系统只使用其中一个轴向数据,由于南北指向误差远远小于东西指向,因此不对南北指向补偿.该移动补偿系统利用高精度太阳敏感器构成半闭环控制系统,通过偏移CCD势阱来实现一个方向上的移动补偿.该方案可以在不增加成本的前提下,消除长时间曝光过程中的太阳的平移和帆板颤动对图像质量造成的影响,扩大动态观测范围.      

利用大气调制传递函数复原天气退化图像

描述了天气退化图像形成的原因,及其复原原理,并基于大气调制传递函数建立了图像退化的物理模型,阐述了大气调制传递函数及其两个分量湍流调制传递函数和气溶胶调制传递函数的预测方法,利用得到的大气调制传递函数的估计值,对天气退化图像进行复原,仿真结果表明了该方法能够有效地对天气退化图像进行复原.     

基于ADE-ELM的涡轴发动机建模方法

提出了基于自适应微分进化-极端学习机(ADE-ELM)求解平衡方程的高精度涡轴发动机实时部件级模型建立方法.基于牛顿-拉夫逊(N-R)迭代模型,以迭代计算前模型平衡方程残差为输入,迭代收敛后平衡方程猜值修正量为输出,训练极端学习机,并采用自适应微分进化(ADE)算法优化极端学习机(ELM)参数,提高猜值修正量映射精度.ADE算法中采用sigmoid型自适应缩放因子,提高了微分进化算法的寻优能力.在涡轴发动机不同飞行状态下的测试结果表明,以N-R迭代算法模型为基准,基于ADE-ELM的发动机模型,最大建模误差约为一次通过算法的1/3,运算耗时约为一次通过算法的1/3,验证了算法的有效性.      

基于动态人工势场法的多机改航路径规划研究

在危险天气条件下,需要研究航班改航路径规划的问题。对传统人工势场法中的斥力势函数进行修正,将目标点与障碍物的距离以及航空器与受限区的运动速度考虑在内,建立了动态人工势场法的多机改航路径规划模型。模型解决了障碍物附近目标不可达问题,并且适应动态运行环境。算例验证了模型的有效性和可行性。     

航空发动机气路部件故障融合诊断方法研究

针对发动机气路部件故障,提出了一种基于模型和基于数据驱动的融合诊断方法。采用极端学习机(ELM)实现基于数据驱动的故障诊断。针对ELM随机选择输入层权值和隐含层偏置带来的缺点,采用改进微分进化(IDE)算法以训练样本的均方根误差(RMSE)和输出层权值的范数为评价标准对其进行优化,减少了ELM的隐含层节点数,提高了网络的泛化能力。同时,由于传感器数目的不足,采用基于奇异值分解(SVD)的Kalman(SVD-Kalman)滤波器实现基于模型的部件故障诊断。为了提高航空发动机部件故障诊断的精度,利用改进的迭代约简最小二乘支持向量回归机(IRR-LSSVR)算法对两种算法的估计结果在特征层进行定量融合。仿真结果表明,在发动机稳态状态下,与单独使用基于模型和数据驱动的诊断方法相比,采用特征层融合有效地提高了部件故障诊断的精度和准确率。     

极端工况静压推力轴承承载性能动压补偿

为了研究极端工况条件下静压推力轴承承载性能损失及动压补偿,提出一种新型油垫可倾式静压推力轴承结构,利用动压补偿静压承载力的不足,实现高速重载工况条件下静压推力轴承高精度稳定运行。依据润滑理论和摩擦学原理,采用动静压混合润滑方法,分析缝隙节流双矩形腔静压推力轴承由于剪切和挤压耦合作用承载性能损失值及影响权重。通过优化可倾式油垫底部结构参数及连接方式,控制油垫变形并产生相当量动压,以适应旋转工作台的变形,补偿静压承载力不足,并进行实验验证。结果表明:可倾式油垫底部支承长度为油垫长度,宽度为35mm,高度为1.5mm,与底座采用双销0.25mm间隙连接时动压效应较为明显,并且动压增量能够很好地补偿静压损失量,实验值与模拟值误差为5.2%,达到了增加极端工况静压推力轴承运行精度和稳定性的效果。