航空产品重要度分类的模糊评判方法

提出一种航空产品重要度分类的模糊评判方法。建立了进行航空产品重要度分类的模糊综合评判模型。该模型描述了重要度分类中的模糊因素,避免了重要度分类逻辑决断法的缺陷和不足。最后给出了该方法的一个应用实例。     

一种卫星延时遥测分类处理和下传方法

延时遥测是掌握卫星在测控站不可观测弧段工作状态的重要手段,在深入分析卫星遥测参数特征的基础上,对卫星遥测参数按类型进行分类处理,提出了对各类延时遥测参数不同的处理、存储和下传方法;实现了下行遥测码速率受限情况下优化利用卫星存储资源和下行信道资源,使地面可准确掌握卫星在不可观测弧段的工作状态,尤其为不可观测弧段异常问题的判断和定位提供有效的遥测数据支持;实现了延时遥测数据的自主存储和下传,大大减轻了地面测控站的控制工作量.该延时遥测方法已成功应用于某卫星,取得了良好的应用效果.     

LEO卫星网络的多业务类QoS路由算法(英文)

随着大量多媒体应用的服务质量(Quality of service,QoS)多样化发展、多业务的QoS路由算法成为低轨道(Low earth orbit,LEO)卫星网络的研究热点。提出了一种新的多业务卫星QoS路由算法。该算法的目标是为不同业务类提供各自的服务质量,同时提高网络资源利用率。该算法按照QoS要求将业务划分成3类,并为其分配优先权,然后采用优先排队机制为高优先级的业务提供更好的传输质量保证。以马尔可夫过程理论为基础建立阻塞概率分析模型来控制网络拥塞。最后该算法根据业务的QoS要求和网络资源状态,以获得分类的链路代价为依据计算出不同业务类的路由。仿真实验验证了该算法在不同时间和不同地区的性能,结果表明其在平均延迟和阻塞概率方面具有显著优势。同时,也讨论了该算法的鲁棒性能。     

基于最大熵的自动确定多阈值方法

针对图像多阈值分割中,人为给定而非自适应确定图像分类个数的缺点,结合一种基于最大熵的多阈值快速算法,同时考虑阈值及图像分类个数的影响,提出了自适应确定分类个数的判据。该算法不仅能够快速确定阈值,同时可以确定分割图像的分类个数。实验结果表明,该算法效果理想。     

小型非球面光学元件测量技术研究

非球面光学元件应用越来越广泛,其测量技术非常关键.本文研究了小型非球面光学元件的各种面形测量方法,针对其测量原理进行了分类和对比,对其优缺点和适用范围进行了讨论,同时分析了各种测量方法实现的关键技术和面临的挑战.     

三种增强复合材料层合板抗屈曲优化分析

基于单向轴压、压剪复合以及纯剪三种栽荷形式,对各向同性均质板进行拓扑优化分析,得到了相应的传力路径,即对应载荷条件下的材料分布;针对三种增强复合材料层合板:常规夹芯板、单向加筋板和非常规网格加筋板,运用MSC.Nastran语言,编写抗屈曲优化代码,采用大量有限元优化算例,求解了上述增强复合材料层合板在给定载荷条件下最优的抗屈曲结构效率,对比分析得出四种载荷形式下的最优增强形式,为飞机壁板类结构选型设计提供参考.     

基于对抗和迁移学习的灾害天气卫星云图分类

针对卫星云图中的灾害天气数据存在严重不平衡问题,提出一个结合生成对抗学习（GAN）和迁移学习（TL）的卷积神经网络（CNN）框架以解决上述问题进而提高基于卫星云图的灾害天气分类精度。该框架主要包含基于GAN的数据均衡化模块和基于迁移学习的CNN分类模块。上述2个模块分别从数据和算法层面解决数据的类间不平衡问题,分别得到一个相对均衡的数据集和一个可在不同类别数据上提取相对均衡特征的分类模型,最终实现对卫星云图的分类,提高其中灾害天气的卫星云图类别分类准确率。与此同时所提方法在自建的大规模卫星云图数据上进行了测试,消融性和综合实验结果证明了所提数据均衡方法和迁移学习方法是有效的,且所提框架模型对各个灾害天气类别的分类精度都有显著提升。      

具有人工神经网络的目标数据分类

根据人工神经网络自适应共振模型的基本原理，针对空中交通管制系统中辨识空中飞行目标运动轨迹这一实际问题的具体需求，提出了基于多重置条件的空中目标分类方法。在自适应共振模型中的重置条件判别方法中，该方法不同于目标矢量的相似度判别方法，而是采用比较目标矢量夹角及模值的大小来决定其自适应共振模型中的重置触发条件的新方法。仿真结果表明，该方法能很好地解决空中目标的分类问题。     

飞机口盖设计要求标准研究

论述了飞机口盖设计要求标准编制的必要性,对飞机口盖分类、总体布置、结构设计、连接、密封、防差错以及油箱口盖进行了研究,提出了口盖设计要求。同时给出了口盖要进行的相关试验项目、方法及要求,以便规范口盖设计,减少差错。     

基于字典学习的混合采样数据分类方法

混合采样数据不仅仅具有不同采样频率数据之间特征集合不同,还有样本数量不一致等特点,传统的分类方法不能直接使用。因此,本文提出一种基于Fisher判别准则字典学习的混合采样数据分类方法以处理采样数据的分类任务。该模型巧妙借助处理多视图数据的分类思想,利用基于Fisher判别准则的字典学习方法,生成的结构化字典的每个原子与数据的类标签相关,同时采用Fisher判别准则使类内散度更小,类间散度更大来约束编码系数矩阵,从而大大提升分类性能。此外,本文针对混合采样数据的样本数量不一致特点,设计了混合采样数据判别分析模型的分类方案。最后实验结果验证了本文方法的有效性。