大民航的数据观

数据标准化水平是衡量一个行业国际竞争力的重要标志。民航业管理者要善于引导和支持民航业内各单位通过技术创新,提高信息化水平,提升行业内部信息支持系统。同时,民航业管理者也应站在行业的高度,制订全行业通用的数据标准。大民航的数据标准化工作是民航强国建设的重要内容,并将极大程度地提升全行业的结算效率。     

SQL Server数据复制在自来水数据库系统中的实现

介绍了Microson SQL Server数据复制的概念、工作原理和拓扑结构,并结合自来水公司的业务特点和应用需求,提出了适合企业业务发展的分布式系统解决方案.     

基于遗传算法的单站测速数据定初轨技术研究

只有单站测速数据的情况下,传统的定轨方法难以实现初轨确定.将遗传算法应用于定轨实践,实现了无初值条件下单站测速数据初始轨道确定,并能满足收敛要求,为缓解测控资源紧张提供了重要支持.在中巴“资源一号“卫星的长期测控任务中应用,证明了本方法的有效性.     

卫星推力器可靠性评估和寿命预测

提出一种卫星推力器无失效数据可靠性分析方法,该方法能够在高置信水平下给出卫星推力器可靠度和使用寿命的置信下限。同时还建立了卫星推力器强检验和弱检验方法,前者适用于对首次采用的卫星推力器的验收,而后者适用于对已长期使用的卫星推力器的例行的批抽样检验。文中对卫星推力器寿命遵循Weibull分布和对数正态分布的情况分别进行了详细讨论。      

有翼高超声速再入飞行器气动设计难点问题

有翼高超声速再入飞行器是近年来的研究热点,气动设计是飞行器设计的关键。为了更清楚地认识有翼高超声速再入飞行器气动设计的难点问题,对有翼高超声速再入飞行器的发展、优势及总体任务剖面进行了介绍,从5个方面详细介绍了该类飞行器气动设计的难点问题,包括多约束复杂面对称气动布局设计、高温真实气体效应对气动特性影响、天地差异与天地换算方法、反作用控制系统(RCS)喷流干扰对气动特性的影响以及气动数据不确定度等,简要阐明了这些难点问题对总体设计的重要性以及初步的解决思路,为有翼高超声速再入飞行器气动设计提供了一些参考。     

基于定位特征点的叶片锥束CT点云模型配准方法

针对实际生产过程中锥束CT检测空心涡轮叶片的点云数据与计算机辅助设计模型的配准问题,提出了一种基于定位特征点的叶片锥束CT点云模型配准方法。首先将点云数据与计算机辅助设计模型进行预配准;然后查找空心涡轮叶片的设计定位特征点坐标;最后根据定位基准点寻找点云数据上与之对应的基准点,并建立各自坐标系,根据坐标系进行几何变换,迭代直至满足要求,从而完成精确配准。试验结果表明,该方法很好地实现了锥束CT点云模型的配准定位,满足了实际生产要求。     

大数据高性能排序算法的设计与实现

针对大数据排序算法的需求,提出了基于任务驱动的并行排序算法。该算法采用任务驱动、AIO(Asynchronous Input/Output,异步输入/输出)和双缓冲区机制等技术充分利用系统资源;通过构造等价排序键,优化快速排序算法;并在算法实现上,采用多线程处理任务,通过控制线程个数控制并行度。综合利用这些技术,该算法使得大数据的排序性能接近理论极限值,在CPU(Central Processing Unit,中央处理器)资源充裕的情况下,利用异步压缩技术,还可以突破这一极限,最终实现的系统2 000s就可以对超过500Gbyte的磁盘数据做一次完整的排序。在数据库设计中充分利用此思想,将会实现连接和线程的分离,数据库将可以支持更大的连接数,从而提高数据库支持的并发度。     

湿度换算软件包

湿度不论是在科研领域还是在工业生产中，都是一个很重要的参量指标，在具体的应用中，各领域对湿度参量的使用单位和范围要求是不同的，由此我们编写了一套“湿度换算软件包”，可以在湿度的不同参量和单位间进行换算。本文主要介绍了该软件的主要功能、使用说明以及同国外其它同类软件的数据比对情况。     

基于循环神经网络的惯导重标期预测

现阶段,由于惯导标定技术研究主要集中在误差参数估计方法、惯导标定精度分析方面,较少涉猎惯导的标定周期,导致业内简单地将惯导的标定可靠性作为重新标定的周期.本文以循环神经网络技术为基础,对惯导关键数据进行分析,预测激光捷联惯导重标需求的方法.通过对多台惯导历史数据的回归验证发现,通过使用基于循环神经网络技术等人工智能手段...     

基于误差补偿的点云数据修正方法研究

为提供测量效率及精度,提出了一种基于多源数据融合的测量数据修正方法。首先分别利用低精度高效率设备和高精度低效率设备对同一构件进行测量获得高密测量点云和稀疏基准点云,此后基于本文所提定位块定位方法对两组数据进行配准,然后依据测量点云与基准点云间构建误差矩阵,继而对高密测量点云进行修正以提高测量精度。实验结果表明,该方法可将测量数据的误差由3.374mm减小到0.517mm。