试飞站MORT分析系统

本文介绍了飞机制造企业的试飞站管理疏忽与危险树计算机分析系统（简称试飞站ＭＯＲＴ分析系统），该系统包括一套完整的供试飞站各级人员使用的数据库系统和一套对试飞站管理疏忽进行评价的应用软件。试飞站各部门应用该系统，可省时、省力地完成评价工作。     

结合跳点引导的无人机随机搜索避撞决策方法

针对无人机在城市空域环境和密集交通流下的避撞决策问题，提出马尔科夫决策过程（MDP）和蒙特卡洛树搜索（MCTS）算法对该问题进行建模求解。蒙特卡洛树搜索算法在求解过程中为保证实时性而使其搜索深度受限，容易陷入局部最优，导致在含有静态障碍的场景中无法实现避撞的同时保证全局航迹最优。因此结合跳点搜索算法在全局规划上的优势，建立离散路径点引导无人机并改进奖励函数来权衡飞行路线，在进行动态避撞的同时实现对静态障碍的全局避撞。经过多个实验场景仿真，其结果表明改进后的算法均能在不同场景中获得更好的性能表现。特别是在凹形限飞区空域仿真模型中，改进后的算法相对于原始的蒙特卡洛树搜索算法，其冲突概率降低了36%并且飞行时间缩短47.8%。     

基于有序BDL树集的船舶电网潮流算法及执行时间分析

针对嵌入式船舶电力模拟训练系统在频繁模拟操作指令下对潮流计算的快速性需求以及嵌入式模拟训练系统极其有限的运算资源之间的矛盾,提出一种基于有序BDL树集的船舶电网潮流算法。该算法在常规回推前推法基础上对节点编号进行优化,将多电站船舶电力系统在实际开环运行模式下等效为由多个辐射状电网构成的有序BDL树集,树集中的每个有序BDL树包含单个电站中的主配电板层、配电层和负载层,并把发电机潮流整合入主配电板层,避免了常规潮流算法中节点编号突变问题。对该算法的时间复杂度分析结果及实际运行结果进行比较分析,证明该算法比常规船舶电网潮流算法更优。     

高效非结构网格变形与流场插值方法

非结构动网格在含动边界的非定常流动模拟中应用十分广泛。为了提高网格变形的计算效率和对复杂外形的适用性,发展了高效的K近邻-径向基函数（KNN-RBF）动网格方法。并采用高效的交界面节点一致性方法实现了网格变形的并行化。由于边界的运动和变形形式多种多样,在自主开发的计算流体力学（CFD）程序中实现了动网格的用户自定义函数（UDF）功能模块,可以灵活地设置此类问题中的边界运动。在模拟大变形问题时,采用了全局网格重构的策略对网格质量较差的区域进行处理。提出了快速查找新旧网格最近点的两级KD（K-Dimensional）树方法,并根据最近点在新旧网格间进行流场插值。从而建立了高效健壮的并行流场插值方法。通过对若干算例进行模拟,验证了所发展方法的正确性和健壮性。     

最小生成树算法及其应用

Kruskal算法和Prim算法是求最小生成树的常用算法,设计了这两种算法的C语言程序,并通过实例研究了这两种算法的实际应用价值。     

树脂膜熔渗工艺用FRP模具的设计与制备

通过模具材料的选择、分型和模具中加热装置的合理设计，制备出树脂膜熔渗工艺（RFI）实验用FRP模具。实验发现：自带加热系统可将模具和产品加热到110℃以上，模具可在85℃左右长期工作，并初步探索了RFI工艺参数，制备出了性能优异的板材。为制备大型RFI工艺用FRP模具提供了依据。     

事故树分析法在地铁盾构施工地表沉陷事故中的应用

目前较多城市开始发展地下空间修建城市地铁,在地铁隧道施工过程中发生的地表沉陷事故累见不鲜,运用安全系统工程事故树分析法对地铁隧道盾构法施工中发生的地表沉陷事故进行分析和评价,分析发生地表沉陷的基本事件,运用结构重要度排序找出发生地表沉陷的主要原因,有针对性的提出对策措施,为控制地表沉陷事故的发生提供参考,为施工单位防止发生地表沉陷事故的安全管理提供依据.     

基于资源相关性的网格资源分配

在网格环境中,每个网格服务都面临着多种资源选择,网格作业中各服务间的关联在某种程度上可映射为资源之间的依赖关系,不同的资源配置将产生不同的服务满意度,由此提出服务资源分配问题SRA(Service Resource Assignment),通过构造资源关系图提出基于树分解的资源分配算法DRA(Tree\|Decomposition based Resource Allocation algorithm),利用该算法求出此问题的正确消元顺序,在多项式时间复杂度内获得该问题的最优解,给出实验结果并提出下一步的研究工作.      

分类回归树在航天测控数据关联规则分析中的应用

发现参数间的关联规则对预测航天器系统状态和改进航天器系统设计都有着重要的意义。如何发现参数间的关联规则是航天测控数据分析中的一个难点问题。针对该问题，在概述小波分析和分类回归树基本原理的基础上，提出了一种基于分类回归树的分析方法。该方法首先采用小波分析技术对参数数据进行去噪声处理，然后用随机采样的方法把数据分为训练数据集和检验数据集两部分，再构建一个分类回归树模型并用训练数据集训练该模型，随后用检验数据集对该模型进行检验，在对检验结果好坏进行评价并确认获得较好结果的基础上，对分类回归树模型进行解析，并最终得出参数间的关联规则。最后运用仿真数据对上述方法进行了实例验证，结果表明该方法能较好地分析出参数间的关联规则。