基于BiGRU-SVDD的ADS-B异常数据检测模型

广播式自动相关监视（ADS-B）作为新一代空管监视技术,由于采用明文方式广播发送数据,因而存在易遭受网络攻击的安全问题。为了准确检测ADS-B数据攻击行为,在充分考虑时间相关性的基础上,提出了针对ADS-B数据的异常数据检测模型。首先利用双向门控循环单元（BiGRU）神经网络预测ADS-B数据,得到了ADS-B数据预测值。再将预测值和实际值作差,将差值放入支持向量数据描述（SVDD）训练,得到了能检测ADS-B异常数据的超球体分类器。并且,选择了合适的滑动窗口,在保证异常检测准确率的同时,缩短BiGRU神经网络的训练时长。实验结果表明,BiGRU-SVDD模型能检测出随机位置偏移攻击、高度偏差攻击、重放攻击、拒绝服务（DOS）等攻击下的ADS-B异常数据。并且,与其他机器学习和深度学习方法相比,BiGRU-SVDD异常检测模型的准确率更佳,适应性更优。     

双频测速应答机灵敏度遥测参数异常下跳原因分析

针对某航天发射箭载测控合作目标双频测速应答机灵敏度遥测参数异常下跳问题,深入研究了连续波无线电外测系统的高精度测速原理,根据实际飞行弹道计算出地面连续波跟踪测量雷达系统4个测点相对于双频测速应答机接收天线的方向图,得出在灵敏度遥测参数异常下跳期间,由于迭代制导,火箭姿态变化剧烈,使得各测点的赤道面张角α变化范围较大,大大超出了双频测速应答机接收天线的增益要求,出现接收天线接收的信号变弱从而导致灵敏度在此时段异常下跳的结论。本文可为后续航天发射飞行中出现类似问题时的故障快速定位提供分析思路。     

线性模型系数的有界影响辨识

基于采样数据的新息增量过程,本文创造性地提出了回归系数的有界影响辨识。该统计辨识方法能有效地克服异常采样数据的不利影响,提高统计推断的可靠性。     

GH4169G合金零件异常腐蚀区缺陷分析

针对生产中GH4169G合金零件低倍全面腐蚀时出现的异常腐蚀区,采用光学显微镜、扫描电子显微镜及能量散射谱,对正常区域和异常腐蚀区的宏观、微观组织形貌及化学成分进行了对比分析。结果表明,异常腐蚀区为白斑缺陷;虽然该异常腐蚀区离散分布着富Ca和富Mg的氧化物颗粒,但氧化物颗粒未见聚集,由此判断该缺陷为"干净"白斑。强度类比评估表明,带白斑缺陷零件可满足阶段性试验要求,且试验后分解检查未发现零件异常。     

基于卷积神经网络对磁异常信号的识别研究

航空磁探反潜作为航空反潜的重要手段,在其中发挥了重要作用。针对目前航空反潜作战中,磁干扰信号极大地影响对水下目标磁探测效果这个问题,文章先对输入信号进行预处理,并使用卷积神经网络实现对2种信号的识别。实验结果显示,卷积神经网络的方法对信号的识别率达到了85%,能够有效对信号进行准确地识别。     

基于滑动多项式回归分析的区间估计和飞行数据异常值处理

针对飞行数据中的异常值给出了一种处理算法,对其进行识别、剔除与补正。根据飞行数据的特点建立了滑动二次多项式回归模型,并变换为正交多项式计算回归系数。在给定的置信概率下求下一个点的置信区间,判断实测数据是否为异常值。将已判定的异常值剔除并用拉格朗日法补正。在某型共轴式直升机的动力学特性研究工作中,利用这一方法对多次外场试飞数据进行了异常值处理,得到了比较满意的结果。     

航天器异常与空间环境

本文研究考查了靠近或在地球同步轨道上的ＳＣＡＴＨＡ、ＴＤＲＳ－１卫星以及ＧＰＳ、ＧＯＥＳ卫星组等的各自１０年左右运行时间中,空间环境所导致航天器异常的发生率的年分布特征,月分布特征,地方时分布特征以及不同类型的发生率分布特征。结果表明,由于不同空间环境因素对航天器作用不同,引起异常类型不一样,因此,太阳长周期和短月,地方时周期活动对航天器异常发生率影响无简单的统一规律特征;长周期中的单粒子事件是由     

基于深度学习的风洞天平测力试验数据异常检测方法研究

风洞天平测力试验数据异常检测有助于分析试验异常原因、排查设备故障、改进试验方案,为解决目前人工检测时间成本高、效率低的问题,提出一种基于深度学习的异常检测框架。首先针对异常零样本问题,对风洞试验常见的异常类型及规律进行总结;然后为解决不同车次数据维度不同的问题,提出基于统计特征的标准化特征表示方案;最后利用神经网络学习异常特征,完成异常检测。试验结果表明:基于深度学习的异常检测方法对风洞异常数据检测的准确率和检出率分别达到了81.7%和72.6%,能够较好地识别孤立跳点异常和多点异常。     

空心风扇叶片高循环疲劳异常失效分析

针对某空心风扇叶片试验件在高循环疲劳试验中出现的异常失效现象,完成了振动仿真分析和断口分析。仿真分析结果表明失效区域非应力集中部位,断口分析结果表明裂纹萌生于薄板与叶盆侧厚板交接部位,其失效模式为疲劳失效,失效机理为超塑成形环节局部区域薄板扭曲导致高循环疲劳试验中薄板与厚板发生摩擦,进而疲劳失效。基于以上分析,制定了优化超塑成形工艺参数并增加CT检测环节的改进措施。验证试验表明,改进措施有效,很好地解决了该异常失效问题。     

异常值的甄别与剔除

本文从压力传感器的校准数据着手,应用格拉布斯(Grubbs)准则,识別摻杂于大量实验或检测数据中的假数据,并正确地将其剔除,从而提高实验或检测的真实性和正确地评定传感器的精度。文中简单地说明了产生实验或检测数据异常值的种种原因,以便有关方面和人员采取必要的措施,健全法规,改进实验或检测的条件,提高专业素质和水平,确保数据的可靠性。此外,在实验或检测的过程中,凡属传感器的质量问题而产生的“异常值”,应作具体分析,一方面要保持数据的真实性;另一方面又要重视排除故障或者提高传感器的性能。格拉布斯准则可以广泛地应用于各个领域的实验和检测的数据处理中。