蜀南竹海瀑布幽篁掩映的秀丽小品

“千年茂林曲径幽”、“万顷波涛涌竹海”,这些诗句描述的是中国最美的十大森林之一“蜀南竹海”的优美如画。蜀南竹海横跨宜宾的长宁江安二县。一岭岭、一山山,密集广布的浩瀚竹海奔来眼底,这里是竹的世界,竹的海洋,连空气中都飘着竹的清香。     

一个快速实时故障诊断系统

实时故障诊断系统是一个应用3种诊断方法,对故障进行协同诊断的系统．有很强的适用性和可扩展性。文中给出了系统的总体架构和故障诊断流程,简述了所用的基于专家系统的故障诊断、基于网络森林的故障诊断和基于仿真数据的故障诊断方法,以及这3种方法的具体实现。并对系统应用情况作了评价。     

明星档案

第3颗北斗导航卫星类别:属于卫星导航系统。用途:应用于测绘、电信、水利、渔业、交通运输、森林防火、减灾救灾等诸多领域。研制单位:中国空间技术研究院。发射时间:2010年1月17日0时12分。发射地点:西昌卫星发射中心。     

一种基于改进后的孤立森林机器学习方法在飞行器控制系统试验电源数据包络分析中的应用

为了弥补当前试验数据包络分析方法存在的缺陷,提出并实现了一套新的数据包络分析方法。针对控制系统设计方式相同的不同飞行器多条数据一致性判断问题,采用改良后的孤立森林方法进行数据包络分析,快速找出异常电源电压数据。这种方法还可以推广到类似其他采样数据的数据包络分析场景。在此基础上开发了数据包络分析软件,并进行了多次验证试验。结果表明,提出的数据包络分析方法能有效判断出飞行器控制系统电源所涉及链路中的隐性或显性问题。     

森林之歌——展阅壮阔瑰丽的生命画卷——九寨沟 万木衣我以华裳

森林是大地多彩绚丽的霓裳,四季轮回,岁月交替,无边的森林在广袤的大地上演绎着最壮阔瑰丽的生命景观—— 春天的森林,万物复苏,青葱嫩绿,充满了勃勃生机;夏天的森林,绿意盎然,舒展的枝叶表达着生命的恣肆与热烈;秋天的森林,五彩斑斓,那是令人迷醉的成熟与厚重;冬天的森林洁白一片,万籁静谧中,森林似乎在沉睡,又仿佛在安静地等待,等待下一个春天的到来,等待再次为大地奉献生命生生不息的旋律。     

基于多源遥感数据的植被冠层高度估算

为了大范围精确估计空间连续的森林冠层高度,研究使用随机森林回归方法,通过融合冰、云和陆地高程卫星二号(Ice,Cloud and land Elevation Satellite-2,ICESat-2)测量数据和Landsat-8影像,并结合地形、气温等数据来估算森林冠层高度,生成2020年美国密西西比州30 m空间分辨率的森林冠层最大高度和平均高度图。结果表明,森林覆盖区域冠层最大高度的均值为24.14 m,标准差为4.24 m。森林覆盖区域冠层平均高度的均值为12.04 m,标准差为2.59 m。研究区冠层高度估计值与机载测量值吻合良好(冠层最大高度R²=0.486,H_RMSE=4.532 m;冠层平均高度R²=0.467,H_RMSE=2.848 m)。利用估算数据进一步对森林冠层垂直结构复杂度进行了分析。研究提出的森林冠层高度制图方案对中国长江三角洲地区的森林管理、物种多样性保护与碳中和评估等具有指导意义。     

“中国卫星遥感”拓展海外之路

4月初的泰国南部洪灾危及10个府所辖的100多个地区,部分地区洪水超过两米深,受灾民众约200万人。泰国军方紧急疏散灾情严重地区的民众,而每天实时监测洪灾的卫星遥感图像为泰国有关方面及时了解灾情、确定救灾方案提供了很大帮助。这些图像是由中国环境监测A星过境泰国时拍摄,经泰国接收站接收、处理、解译、分析得到的。由中国航天科     

基于RF-SVR的燃油计量装置性能衰退检测和剩余寿命估计方法

为了实现航空发动机燃油系统的安全状态监测和健康管理,开展了燃油系统性能衰退检测和剩余使用寿命估计方面的研究。以燃油系统燃油计量装置为例,分析了其主要的性能衰退模式,设计了基于电流-速度数据的健康指标(HIs)选取方案,并考虑环境及模型参数不确定性,进行模型不确定性仿真,基于健康数据与性能衰退数据间的马氏距离对部件性能衰退进行检测。提出了基于随机森林-支持向量回归(RF-SVR)的剩余使用寿命(RUL)估计方法,利用通过RF特征选择优化的SVR模型实现部件RUL估计。最后基于某型民用涡扇发动机机械液压模型仿真数据对该方法进行了验证,结果表明:该方法的性能衰退检测虚警率及漏报率低于2%,RUL估计误差低于3%,可为航空发动机燃油系统的预测性维护提供参考。      

一种航空发动机运行可靠性评估方法

航空发动机运行过程中,可靠性评估是航空发动机可靠性评估领域的关键问题之一,而合理的评估方法能够提高可靠性分析的效率和精度,因此本文提出一种支持评估飞机任务过程中航空发动机运行可靠性的方法。结合飞行任务特点和航空发动机工作特性,以快速存取记录器信息为分析数据,考虑当前运行环境、飞机瞬时状态、发动机当前工作状态 3 类因素对运行可靠性进行分析;将随机森林算法与分层抽样法结合对数据进行拟合、预测并计算特征重要度;以 B737-800 机型一次北京—乌鲁木齐的飞行任务为例,对方法的有效性和可行性进行验证。结果表明：本文提出的可靠性评估方法解决了航空发动机运行过程中数据量大、维度高导致的数据处理困难问题。     

基于机器学习的飞机动力装置运行可靠性

为了研究分析飞机的动力装置在执行飞行任务过程中的运行可靠性,针对运行可靠性影响因素的多维、耦合的特点,采用机器学习方法对动力装置运行可靠性的时变规律及其相关影响因素进行分析。提出了考虑动力装置的工作状态、飞机的运行外界条件、飞机的飞行状态3类因素分析动力装置实时运行状态下的时变可靠性方法;并基于飞机实际运行的快速存取记录器（QAR）数据,梳理了动力装置运行可靠性分析相关的3类因素、16个主要特征。结合飞机运行的时空关系,采用数据包络分析（DEA）方法对飞机动力装置的工作状态特性与性能裕度进行非参数分析,基于提取的QAR数据特征,采用随机森林、多变量神经网络回归算法,建立2种基于机器学习的动力装置运行可靠性分析模型。以B737-800机型为例,对一次北京至珠海的飞行任务的动力装置相关运行数据进行分析,对2种机器学习分析模型进行训练与测试研究。分析结果表明：对动力装置工作状态特性贡献度最大的特征依次为计算空速、飞行时间与飞行高度;对动力装置性能裕度贡献度最大的特征依次为动力装置工作状态特性、雷达气象与飞行时间。所采用的2种机器学习方法能较好反映动力装置运行过程的时变可靠性规律,可为动力装置的运行与特情处理提供参考。