基于知识重用的固体火箭发动机结构形式选择

以探索知识重用在固体火箭发动机设计中的应用为目的,引入知识工程及模糊数学的思想,将一般模糊极小极大神经网络用于完成固体发动机设计过程中结构形式选择,实现了固体发动机结构形式选择的自动化及量化描述。首先给出了基于知识重用的固体发动机结构形式选择模型描述;然后建立了固体发动机结构选项一般模糊极小极大神经网络;最后以具体型号总体设计为例,完成结构形式选择,得到了包含实际结果的多个可行方案。该方法提高了设计过程自动化水平,且可提供多个不同的结构选择可行方案供设计人员参考。     

一种新的玫瑰扫描目标跟踪边界重心法

针对自动寻的导弹玫瑰扫描目标跟踪方法中由于扫描过程非线性引起的目标采样非线性,导致求取目标重心算法的运算量和计算误差大等问题,提出了一种基于格林公式的、新的求取目标重心的边界重心法,该方法仅使用目标边界上的采样点。通过对运算量和计算误差的理论分析,与现有的权重重心法相比,本方法可以有效解决采样不均匀的问题,同时运算量减少了90%,误差仅为权重重心法的下界。另外,本方法也可用于基于图像信息的凝视目标跟踪等类似算法中来提高跟踪准确性及运算速度。     

面向高效工艺设计的航空零件成组制造知识系统研究

基于航空制造企业零件"多品种、小批量"的生产现状,并面向企业未来新型/智能制造生产方式转化需求,针对零件成组制造知识系统的构建进行了研究。提出了零件成组制造知识系统的开发框架,研究了系统构建初期的零件分类、零件特征定义、零件特征编码、特征逻辑关系建立、基础工艺标准化以及系统应用逻辑和运行架构等方面内容。零件成组制造知识系统的开发不仅能够奠定未来生产方式转化所需的标准化的基础工艺数据和知识,还能提升型号产品工艺设计的效率。     

基于知识工程的钣金快速工艺设计系统开发

介绍了国内外现代民用飞机快速研制的实际需求,参考国外航空制造企业的经验和国内飞机钣金专业技术在知识工程方面的研究进展,提出了以知识工程技术为核心,以数值推理为手段,建立钣金快速工艺设计系统的总体思路与技术途径,并通过专家知识库构建和系统软件开发,建立基于知识工程的钣金快速工艺设计系统。通过在民用飞机研制中的应用,批量、自动实现了钣金零件的工艺性分析、工序设计,自动生成工艺分析报告、制造大纲、数控代码,大幅度提高民用飞机研制的工艺设计效率,降低技术人员的劳动强度。     

基于空间多特征综合推理的航迹航路关联

针对航迹分类问题,研究了基于空间多特征的综合推理在航路判读中的应用。首先根据空管系统对航路以及飞机飞行的要求,对航迹航路相关问题进行建模。然后根据已知的传感器系统输出的目标特性(位置,航向)与已知的多个航路信息分别进行相关度计算,构造基本信任函数,通过对其融合,得到目标单特征识别结果。其中,通过合理地引入复合类,实现了对目标类别的广义信任分类。建立了多特征折扣融合算法,对多特征基本信任函数进行折扣后再融合,得到目标多特征识别结果。仿真结果以及空管实际数据测试表明:该算法不仅可以实现航迹分类,同时可以有效地降低分类的错误率。     

基于KBE的导弹结构快速设计系统的研究与开发

武器装备的快速性设计和优化是提升自主创新的重要手段.导弹结构快速设计系统是针对导弹结构设计复杂性和反复性的特点,基于KBE的理念,借助UG平台,融入设计规则和经验教训的设计平台.通过该平台的开发,实现了导弹结构的自动式建模和自导式建模,以及对模型的分析计算,生成可脱离该系统进行单独修改设计的导弹各舱段的知识特征模型,从而满足了快速性和重复优化设计的需要,大大提高了设计的效率.     

工程图尺寸标注自动布局算法及实现

在由三维模型生成二维工程图的过程中,各主流CAD软件都提供了部分尺寸的自动标注功能,但这些自动生成的尺寸标注放置往往十分杂乱,无法满足尺寸标注的布局要求。针对这一问题,以工程图中大量存在的水平尺寸标注与竖直尺寸标注为研究对象,根据其特点对其进行尺寸子集划分与包容关系排序,在此基础之上,应用增量式尺寸标注自动布局算法,实现水平尺寸标注与竖直尺寸标注的自动布局。算法已在NX平台上得以实现,取得了良好的效果。     

面向大数据的数据处理与分析算法综述

大数据处理是近年来广受关注和研究的技术领域,数据挖掘作为从大量数据中挖掘隐藏价值信息的技术,是处理大数据的有效工具。本文主要从数据挖掘的角度对大数据处理算法的研究现状进行分类总结。首先介绍了大数据中针对流式数据分类的方法,包括单模型算法和集成分类算法;其次分别从单机算法和基于分布式并行平台的多机算法两个角度概括介绍了大数据聚类方法以及大数据关联规则挖掘方法;最后总结了现有面向大数据的数据挖掘算法的研究进展并展望未来的发展趋势。     

基于核的K近邻法

将核学习方法的思想应用于K近邻法中,提出了一种核K近邻算法,算法的主要思想是:首先将原空间中待分类的样本经过一个非线性映射,映射到一个高维的核空间中,突出各类样本之间的特征差异,然后在这个核空间中进行K近邻分类.为了验证算法的有效性,分别利用人工和实际数据进行K近邻分类和核K近邻分类,实验结果显示对于一些特殊的类分布数据,核K近邻分类比K近邻分类具有更好的分类效果.     

基于新型多分类支持向量算法的发动机故障诊断

层次支持向量机(H-SVM)比通常的"一对多" (1-V-R)和"一对一" (1-V-1)等多分类支持向量算法具有更快的训练速度和分类速度.提出一种基于H-SVM的航空发动机气路部件故障诊断方法,根据特征空间中各类故障样本中心之间的距离来逐层划分子类,距离较近的故障样本归为同一个子类进行训练,得到的H-SVM层次结构合理,各层的SVM分类间隔大、泛化能力强;同时,用ν-SVM代替通常的C-SVM作为两类分类器,分类器参数意义明确、变化范围小,更容易确定.仿真实验表明,基于H-SVM的故障分类器具有良好的分类准确性和泛化性能,能够对发动机气路部件的单一故障和复合故障进行快速诊断.