基于关系模型的机载导航数据库快速解析生成方法

导航数据库可用于导航计算、导航台自动调谐管理等,是飞行管理系统所必须的数据源。为了能有效提高机载导航数据库的使用、更新及维护效率,大大减少相关工作人员的工作量,提出了一种基于关系模型的机载导航数据库快速解析生成方法,针对ARINC424协议中包含的大量数据对象进行建模,定义出协议中各个对象之间的逻辑关系和约束关系,并对数据结构进行优化,通过中间关系表确立各个数据之间的交叉引用关系,从而实现数据库的快速解析生成。测试结果表明,基于关系模型的机载导航数据库快速解析生成方法能有效提高数据查询效率,降低数据解析和生成的时间消耗,减少数据冗余,使数据库性能更优异。     

CCAR-25与CCAR-33适航审定关系分析

开展大型客机动力装置与发动机型号合格审定之间关系的研究对我国适航管理工作的发展具有重要的意义。首先,利用中国民用航空规章的相关数据,建立数据综合管理系统;然后,总结CCAR-25《运输类飞机适航标准》与CCAR-33《航空发动机适航规定》具有重合内容的关联项,分析二者之间的相互关系;最后,研究上述两部规章关于防火系统和滑油系统对某些对象的规定。结果表明:CCAR-25与CCAR-33条款的关系可分为引用、选择、补充、相似和差异五种;最难界定的是相似,它要求对条款的充分理解,否则会有重复审定和漏审的风险;CCAR-25与CCAR-33对防火系统和滑油系统的规定出现了多条款交联对应的情况,通过数据综合管理系统可将其分解为单条款对应并进行适航认证。     

航空发动机制造仿真数据管理集成应用系统实现

基于航发集团工程数据中心协同、共享环境,结合航空发动机制造仿真业务特点和需求,构建了制造仿真数据管理集成应用系统,涵盖了制造仿真结果数据管理、仿真数据定义和管理、仿真资源库管理、数据协同等方面的业务功能,面向航空发动机制造仿真数据的统一管理、协同共享进行了有益的探索。     

基于不相关模态振型的修正技术

为充分利用试验测量结果,探讨了一种修正技术,不但有效利用试验数据中与有限元模型相关的模态信息,同时也有效利用不相关模态信息,并成功应用于某型现代高推质比涡扇发动机结构中.通过计算,修正后的模型计算值与试验测试值比较接近,误差接近0,MAC（model assurance criteria）值接近1.研究表明:利用不相关模态振型的模型修正技术能够有效得到准确的修正参数值,且修正后的有限元模型具有很高的计算精度.      

嵌入式大气数据传感系统研究进展

大气数据的精确测量对飞行器的导航与控制至关重要。相较于传统的探针式大气数据测量系统,嵌入式大气数据传感系统更适用于隐身性能要求、大迎角飞行要求的飞行器或高超声速飞行器。回顾了嵌入式大气数据传感系统的发展历程,介绍了该系统完整的组成部分及其工作原理,并指出该系统在应用时的四项关键技术(测压孔布局、气动模型及求解算法、校正算法、故障检测及管理技术),结合国外多种飞行器上该系统不同的应用方案,分别对比分析四项关键技术不同应用方式的优缺点;指出了该系统的四项关键技术均会影响系统精度及可靠性,实际应用中需综合考虑选择其应用方式;最后展望了该系统在未来航空航天领域的应用。     

面向空中交通节能减排的真空速估算模型

为了实现终端区内空管单位燃油消耗的有效评估,结合综合航迹数据采用数据挖掘技术,提出一种基于航迹数据的终端区真空速的估算模型.首先应对综合航迹数据处理,提出了对综合航迹处理的方法;通过在中国气象数据网上获取机场上空风的数据,利用插值法建立机场上空风场的模型;分析航行速度三角形,推导出真空速计算模型.最后分别以离场和进场的QAR数据,用Matlab对真空速进行仿真估算.结果表明:方法能够有效地利用综合航迹数据进行真空速的估算.     

基于视觉注意机制的认知雷达数据关联算法

针对传统关联波门设计方法在应用于机动目标跟踪时容易引起失跟、以及概率数据关联算法不适于多交叉目标跟踪的问题,提出了一种基于人类视觉选择性注意机制和知觉客体的"特征整合"理论的认知雷达数据关联算法。算法以综合交互式多模型概率数据关联算法为基础,采取假设目标最大机动水平已知的"当前"统计模型和匀速运动模型作为模型集,通过实时交互使关联波门能够随目标机动动态调整,较好地兼顾了雷达计算耗时和跟踪成功率。在利用目标位置特征的基础上,进一步提取、整合目标运动特征,对关联波门交叉区域公共量测进行分类,使多交叉目标跟踪问题转化为多个单目标跟踪问题,优化了传统概率数据关联算法。仿真结果表明：与传统关联波门设计方法相比,算法跟踪失败率和计算耗时明显降低;而且在计算资源增加不大的情况下,杂波环境适应性也得到了显著增强。     

民用飞机健康诊断大数据应用研究

该文对面向飞机健康诊断的几种大数据技术进行了综述。并行聚类分析方法可以抽取飞机维护系统并行计算机的基本特征,形成飞机各系统历史数据的抽象计算模型;而针对全机状态监控参数中如何从大量飞机参数中挖掘出有价值的信息问题,参数场域挖掘技术发挥了很大的作用;然而在实际应用过程中,经常会遇到多种复杂的故障,这些故障通常具有复杂的非线性关系,而要确定这些非线性相关规则,需要依托大数据技术确定相关的关系;而对于由某一部件失效形成飞机级联故障的链式效应,可利用可视化数据挖掘技术,描述故障数据,结合人类视觉感知能力,加强数据结果处理。     

湍流数据同化技术及应用

近年来数据同化（DA）被引入湍流动力学研究中,通过融合实验测量和数值计算,提高了实验测量的精度和广度,改善了数值模拟的预测性能。实验观测、预测模型和同化算法是数据同化的三要素,湍流研究中的实验观测包括热线风速仪、粒子图像测速法（PIV）、压力传感器等局部测量数据,预测模型主要指流动控制方程及湍流封闭方程,而同化算法包括贝叶斯推断、集合卡尔曼滤波（EnKF）、伴随等。稳态数据同化一般结合雷诺平均Navier-Stokes （RANS）模型方程,从重新标定模型常数、修正涡黏模型方程形式误差、修正雷诺应力项等方面着手。非稳态的数据同化一般包括四维变分（4DVar）等时间连续的数据同化方式以及顺序数据同化。4DVar通过时间正向和逆向积分迭代,存储量和计算量都非常大。顺序数据同化不需要时间逆向积分,可以在若干时刻对实验观测进行间断地植入,正向求解整个系统。另外,随着人工智能的飞速发展,湍流数据同化研究也向智能化迈进。对于纯数据驱动的湍流机器学习,其缺乏物理本质的约束,而基于物理信息的机器学习在物理本质上与数据同化是一致的。     

基于LSTM的飞行数据挖掘模型构建方法

提出了一种基于LSTM （Long Short Time Memory）模型的飞行历史数据挖掘模型的构建方法,此模型可以将飞行数据中有价值的目标数据自动提取出来。首先,通过滑动窗口法获得待检测数据;然后,将预先做好的训练样本数据输入到所构造的LSTM模型中进行训练,得到数据挖掘模型;最后,将待检测数据导入到训练好的LSTM模型中进行模式识别,将目标数据片段挖掘出来。结果表明,基于LSTM模型的飞行数据挖掘模型构建方法通用化程度高,可用于挖掘不同类型的目标数据,且识别率高,具有很高的工程应用价值。