基于模式矩阵的液体火箭发动机试车台故障关联规则挖掘

为发现试车台状态变量与其工作状况的关联关系,本文对液体火箭发动机试车台历史测试数据进行关联规则挖掘,对试车台状态参数进行选择和编码,使用自适应阈值算法对测试数据进行离散化,引入模式矩阵用于计算事务数据库中的频繁项集,提出了基于模式矩阵的关联规则挖掘方法,并将该方法应用于对多组历史测试数据进行频繁项集挖掘,对挖掘结果的分析表明:与传统方法相比,本文方法效率高,计算量小,挖掘结果能正确反映试车台状态变量与其工作状况间的关联规则,为试车台的测试数据挖掘提供了一种有效方法.     

基于规则的递归选择性拆卸序列规划方法

拆卸序列规划是产品维修性设计的一个重要内容。然而完全的拆卸序列通常是不实际的。选择性拆卸序列规划方法强调从产品中选择一个或多个零件用来维护。本文提出一个基于规则的递归方法用来生成拆卸序列。大多以前的方法枚举出所有的拆卸序列或利用随机的方法生成拆卸序列。相反,本文提出的方法利用规则消除那些不可能的拆卸序列。最后,结合机动...     

一种非线性规划的求解方法与燃气发生的设计

阐述了一种新的非线性规划的求解方法，即对每个参变量在其可能变化区间内，按照特定的步长集资代入约束方程来观察是否满足约束条件，从而求得若干组可行解。变量变化的步长通过非线性方程组各个方程在近似结点的全微分的分析获得，步长的确定是本方法的关键。文中并示范性列举了本方法在燃气发生器设计中的作用。     

浅析固体推进剂配方设计中数据的修约方法

对数据处理中“四舍五入”的规则导致的误差偏离问题加以分析 ,提出实施GB 81 70 - 87《数值修约规则》可解决由此产生的问题 ,以此分析固体推进剂配方设计中数据处理标准化的必要性     

MINING CYCLIC GENERALIZED ASSOCIATION RULES

Discovering cyclic generalized association rules from transaction datbases can reveal the relationship of differ-ent levels of the taxonomies and display cyclic variations over time.Information about such variations is great use of better identifying trends in associations and forecast-ing.Because cyclic rules are quite sensitive to a littlenoise,this paper uses the noise-ratio as the criterion of i-dentifing cydclic itemsets for dealing with the problem and utilizes the cycle-pruning technique to reduce the comput-ing time of the data mining process by exploiting the real-tionship between the cycle and generalized frequent item-sets.The paper gives the algorithm of mining cyclic gen-eralized itemsets(CGI).Experiment shows that the CGI algorithm can efficiently yield results.     

新的知识表示方法——概念图

简要介绍了一种新的知识表示方法一概念图知识表示方法．详细论述了概念图知识表示方法的形式化定义、概念图知识表示的机器内部实现方法以及基于概念图表示知识的推理，并对在推理过程中如何实现概念图之间的匹配作了详细的论述．     

波浪形前缘降低后掠叶片宽频噪声实验研究

为了研究波浪形前缘对后掠叶片湍流干涉噪声的影响,通过放置于叶片上游的倾斜圆柱产生尾迹,圆柱尾迹为各向异性的湍流,之后湍流与叶片相互干涉产生干涉噪声。实验采用的叶型后掠角度为30°,截面为NACA0012翼型。在气流来流速度30m/s,40m/,60m/s和70m/s的情况下（基于叶片弦长的雷诺数为300000~700000）,使用31个麦克风线阵列测量了基准后掠叶片与波浪形前缘叶片对应的叶片湍流干涉噪声。采用Clean-SC算法处理数据,得到不同幅值与波长下后掠叶片前缘噪声信息。实验结果表明,波浪形前缘幅值与波长对总声压级降噪量均有影响,使用最大幅值和最小波长的波浪形前缘降噪效果最好;不同气流速度下,采用相同的波浪形前缘,使用斯特劳哈尔数表征的噪声频谱图变化规律相似。     

基于QAR数据的关联规则挖掘算法能研究

介绍和分析了关联规则的概念和Apriori算法,针对Apriori算法需要多次扫描数据库而导致运算效率不高的缺点．设计并实现了基于事务标识列表的频繁项集的产生算法——TagList Apriori。对比实验证明,新方法可以有效减少数据库扫描次数,节省运算时间．提高算法的运算效率,提高OAR数据关联规则挖掘的效率。     

一种非规则采样航空时序数据异常检测方法

航天器遥测数据的实时异常检测对于航天任务具有重要意义。以往方法大都考虑规则采样且缺失率较低的时序数据,然而航空时序数据具有维度大、噪声多、缺失率高、采样间隔不规则等特点,因此异常检测任务较为困难。针对非规则采样且具有缺失值的多维航空时序数据提出非规则采样多维时序数据异常检测（IMAD）算法。首先,采用带有可训练迟滞项的门控循环单元（GRU-D）对缺失值和非规则采样的时序数据进行建模;然后,采用变分自编码器建立随机性模型,学习正常时序数据的分布,从而对噪声数据具有鲁棒性;最后,利用基于极值理论的自适应阈值确定法确定合适阈值进行异常检测。结果显示,在两个真实航空时序数据集上,IMAD具有超出当前最新异常检测算法的性能;多个实验表明,IMAD在缺失率、参数以及数据集变化时,能够维持较好的异常检测效果,具有较强的鲁棒性。