协同设计中的版本管理解决方案

版本管理是计算机协同设计系统的重要组成部分。本文提出了一种基于对象的版本管理模型,讨论了在该模型下版本管理的解决方案和应用。     

基于支持向量机改进SMO算法的直升机旋翼自转着陆过程建模

 为了建立高精度的直升机仿真模型,把支持向量机(SVM)引入到直升机智能化建模领域,建立了直升机自转着陆过程的旋翼转速模型。根据凸二次优化问题在对偶间隙为零时取得最优解的性质,对序列最小优化算法的停机准则进行改进,并用于所建模型的训练。仿真结果表明：与神经网络模型比较,这种SVM模型具有结构简单、运算速度快和泛化能力强等优点。     

航空运输业与国民经济关联性研究

讨论了航空运输业与国民经济之间的关联性。根据投入产出法建立了衡量航空运输业与国民经济之间关联性的相关模型,在2002年中国投入产出表的基础上,通过计算和比较航空运输业和其他重要产业部门的直接消耗系数、完全消耗系数、直接分配系数、影响力系数和感应度系数,得出了航空运输业在国民经济各部门中的相对位置,以及对其他产业部门的影响力和制约度。     

嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法.该方法将嵌入维数作为影响状态时间序列预测精度的重要参数,以交叉验证误差为评价准则,利用粒子群优化(PSO)进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型.航空发动机排气温度(EGT)预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测.     

基于K-均值聚类和约简最小二乘支持向量回归机的推力估计器设计

提出了一种基K-均值聚类和约简最小二乘支持向量回归机的推力估计器设计方法.首先用K-均值聚类法将全包线范围内的数据进行聚类,然后在每一个类当中,用迭代约简最小二乘支持向量回归机设计一个子推力估计器.在用迭代约简最小二乘支持向量回归机设计子推力估计器的过程中,为了使计算数值更稳定,用Cholesky分解代替原来的迭代方法.最后仿真实验表明,此推力估计器能满足直接推力控制的需要,并和其它的方案比较起来,该方案存在一定的优势.      

基于支持向量机和卡尔曼滤波器的航空发动机故障诊断研究

针对航空发动机上可用传感器测量参数偏少情况下的健康参数估计问题,提出1种先分类后估计的方法。将传感器测量参数输入异常监测模块,对发动机工作状态进行监测,若监测结果为无故障则直接给出无部件故障的诊断结论;否则将测量参数输入最小二乘支持向量机(LSSVM),对部件故障进行分类,卡尔曼滤波器根据分类结果只对故障部件的健康参数进行估计。仿真结果表明:该方法可以减少需要估计的健康参数,提高估计精度。     

一种基于 KFCM的 SVM遥感图像机场目标分类算法

在遥感图像机场目标分类方面,支持向量机(SVM)有着广泛的应用,但由于样本不平衡问题以及不确定性数据的存在,传统SVM算法的分类精度与效果还无法令人满意。为提高传统SVM分类器的性能,文章将建立在模糊理论基础上的模糊核C-均值聚类算法(KFCM)用于处理遥感数据的不确定性问题,并通过聚类分析后的目标子图,剔除非目标样本的同时保留了目标样本,较好地解决了样本不平衡问题。将基于KFCM的SVM分类算法用于遥感图像机场目标的分类,实验结果和性能分析表明该算法分类性能优于传统SVM算法。     

面向微纳系统的磁支持式混合发电机

智能化社会需要数以万计的分布式传感器,利用电池进行供能有一定的局限性。针对分布广泛的传感器网络终端节点的供能问题,一种有潜力的方案是收集环境中的能源,因地制宜地为微纳系统供能。提出了一种磁支持式的接触分离模式混合发电机,该混合发电机以磁铁对代替传统的弹簧支持结构,并在纳米发电机的基础上引入电磁线圈,形成混合发电机。相比于弹簧支持式纳米发电机,磁支持式在相同能量的外部激励下能够输出更大的电压和电流,纳米发电机和电磁发电机具有完全不同的发电特性和基本相当的发电能力。综上,相比于弹簧支持式纳米发电机,磁支持式具有更强的低能量机械能拾取能力,在磁支持式纳米发电机的基础上形成的混合发电机能够大幅增加发电机整体输出能力。     

浅谈国产民机运行支持体系及海外运行支持

<正>"十三五"以来,我国民用航空产业蓬勃发展。进入"十四五",国家将进一步加大对国产民用飞机的投入,运行支持业务作为国产民用航空发展的重要支柱,更是贯穿航空器全寿命周期。本文通过分析国产民机运行支持体系发展及海外运行支持面临的挑战和机遇,总结了海外支持的经验并对运行支持的发展提出一些建议。     

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。