基于OPTICS聚类算法的流场结构特征分析方法

为了改进现有的基于聚类分析的流场结构特征分析方法,使之更加适用于结构风工程领域的风场特征识别与分析,依托聚类分析的思想,结合一种基于密度的OPTICS聚类算法,并引入相关距离的概念替换了原算法中的欧氏距离,提出了采用一种基于相关距离的OPTICS聚类算法进行流场结构特征分析.实例分析利用基于大涡模拟的计算流体动力学数值模拟,对低雷诺数下经典圆柱绕流问题进行了瞬态求解,获取了2000个圆柱尾流中顺流向涡的瞬态涡量场样本.然后,以识别圆柱尾流中的顺流向涡旋涡脱落状态和顺流向涡A模式展向分布为目标,对比了k-means、原始的OPTICS算法和基于相关距离的OPTICS聚类算法等流场结构特征分析方法.分析实例的结果表明,基于相关距离的OPTICS算法能够在合适的初始参数设置下有效识别顺流向涡脱落状态和其A模式展向分布间距,相对k-means算法降低了对初始参数的敏感度,聚类结果稳定且唯一.     

基于CiteSpace知识图谱的航空安全研究进展

为了解我国航空安全研究现状和前沿趋势，通过运用CiteSpace文献分析软件，对航空安全研究论文从产出时间、作者合作关系、机构合作关系、关键词聚类方面对航空安全领域研究进展进行知识图谱可视化分析。结果表明：我国航空安全研究论文航空航天科学与工程以及安全科学与灾害防治方向产出量较高，相对形成了航空安全研究领域期刊群；国内航空安全研究学者与研究单位方面基本形成相对稳定力量；航空安全领域关键词聚类分析得到“安全风险”、“飞行安全”、“人机工效”等为代表的航空安全研究主要内容；近些年，突变词“无人机”、“飞行程序”、“脑力负荷”的突变强度较大，引起航空安全领域较大关注。     

基于工况聚类和残差自注意力的发动机剩余使用寿命预测

针对多工况的航空发动机剩余使用寿命（RUL）预测精度较低的问题，本文提出了一种基于工况聚类分析和残差自注意力的发动机剩余使用寿命预测方法。首先，通过聚类将不同的工况进行划分，并构建线性回归分析模型筛选出符合发动机性能变化的退化参数；其次，通过卷积神经网络，获取数据中隐含的发动机性能退化特征；再次，利用双向长短期记忆神经网络挖掘时序退化特性并对其进行记忆；最后，结合残差自注意力机制对退化特征分配不同的权重来实现发动机剩余使用寿命预测。在美国国家航空航天局（NASA）的C-MAPSS多工况数据集上进行了消融试验，验证了该方法的有效性。结果表明，该方法评分和均方根误差均最优，可为发动机剩余使用寿命预测提供一定的参考。     

基于能源分解的用户用电行为模式分析

随着智能电网的普及和大数据技术的发展，利用用电数据分析用户的用电行为越来越受到关注，现存的能源分解方法无法满足实际应用中对分辨率和分解准确率的高要求，以及聚类分析方法过于粗糙没有充分挖掘每类电器的用电特点。提出了基于能源分解的用户用电行为分析方法。在判别式稀疏编码算法模型的基础上，针对L₀正则项不易求解、L₁正则项稀疏约束效果不理想的问题，提出用L_1/2正则项稀疏约束进行能源分解，并且把用户之间的同质性作为正则项加入基础模型来修正模型的性能。基于能源分解的结果，使用用户单类电器的用电特征代替总用电特征精细化分析用户的用电行为，并改进传统的K-Mean聚类算法进行实验验证。实验结果表明:所提出的基于L_1/2正则项稀疏约束和同质性约束的能源分解方法相比于传统判别式稀疏编码算法，能够有效提升能源分解的准确率。同时，基于能源分解的用户用电行为聚类分析效果也有明显提升。      

基于度量学习的机场交通态势弱监督评估

为准确感知机场场面运行环境，提出基于度量学习的交通态势弱监督评估方法。根据机场场面航空器的时空分布类型，从交通流量、起降队列、资源需求等视角构建交通态势指标体系；借鉴度量学习范式，利用预先定义的相似集和不相似集自动学习态势样本之间的距离度量；在此基础上，采用K均值算法实现弱监督条件下交通态势的等级划分。以上海浦东国际机场实际运行数据为例，分析并验证所提方法的有效性。实验结果表明：起始时刻离场瞬时流量、离场累计流量、离场跑道队列长度及进场累计流量的距离系数大于0.5，对场面态势影响较大；与基于欧式距离的K均值算法相比，度量学习将最优轮廓系数提升了33.3%，得到符合预期语义的聚类结果；此外，机场的平均滑行时间越长、跑道配置越复杂，其场面交通态势等级越高。