大数据高性能排序算法的设计与实现

针对大数据排序算法的需求,提出了基于任务驱动的并行排序算法。该算法采用任务驱动、AIO(Asynchronous Input/Output,异步输入/输出)和双缓冲区机制等技术充分利用系统资源;通过构造等价排序键,优化快速排序算法;并在算法实现上,采用多线程处理任务,通过控制线程个数控制并行度。综合利用这些技术,该算法使得大数据的排序性能接近理论极限值,在CPU(Central Processing Unit,中央处理器)资源充裕的情况下,利用异步压缩技术,还可以突破这一极限,最终实现的系统2 000s就可以对超过500Gbyte的磁盘数据做一次完整的排序。在数据库设计中充分利用此思想,将会实现连接和线程的分离,数据库将可以支持更大的连接数,从而提高数据库支持的并发度。     

微流量测量方法及其技术的发展

归纳了近五年来基于MEMS技术的微流量传感器结构及性能参数。根据国际上热门的研究方法推断微流量测量技术可能的发展方向与研究趋势,即集成两种或两种以上的测量方法,实现优势互补,提高测量精度或扩大量程比。最后基于现有的技术基础,提出了融合科氏效应与差压效应的微流量测量方法,阐述了传感器的工作原理与理论基础,并对其可行性进行了分析与论证。     

《推进技术》简介

<正>《推进技术》期刊(Journal of Propulsion Technology)创刊于1980年,由中国航天科工集团公司主管、中国航天科工集团三十一研究所主办,现为月刊,面向国内外读者、作者,在国内外公开发行,已成为推进领域中具有重要学术影响力的学术期刊。     

国产高档数控系统在航空领域的应用与性能分析

基于目前国产数控系统在航空结构件加工中的实际运行情况以及在使用过程中暴露出的问题,详细统计并分析了国产数控系统在航空结构件加工中的应用现状和综合性能。结合"工业4.0"发展理念,探讨了面向航空领域国产数控系统对航空企业实现智能化制造的意义和未来发展。     

一种轮盘式特种调节阀流量特性的修正算法

针对引进的俄罗斯轮盘式特种调节阀(简称特种阀)用于高空模拟试车台(简称高空台)出现的流量特性模型误差太大(最大误差达15%),导致特种阀数学模型精度太低,难以满足高空台伺服调控系统设计要求这一问题,提出一种特种阀流量特性的间接修正方法。借用若干次试验数据,并对其进行筛选、计算分析、对比等处理,获得去数据噪声后的特种阀流量特性的对角分布稀疏数据表。在此基础上,分5类情况按数据特征进行特种阀流量特性系数修正。建立基于修正的特种阀流量特性的数学模型,并将仿真结果与试验数据对比,特种阀流量稳态误差在5%以内。     

基于大数据的空管运行安全预警研究

空中交通管制的任务是确保航空器的安全飞行,为了保证飞行安全,需要进行空中交通管制系统运行安全评估及预警的研究.借鉴大数据理论建立空中交通管制大数据概念,从影响空中交通管制系统运行的主要风险因素出发,建立空中交通管制安全运行的状态向量空间,利用主成分分析法去除基础向量线性相关性,再利用聚类分析过程建立空中交通管制运行安全预警知识库,实现空中交通管制运行安全评估和及时预警.结果表明:所用的预警分类分析方法能够很好地实现预警分类和安全评估,为管制部门的相关决策提供理论依据.     

数据驱动的航天器异常检测工具对未来中国空间站管理的启示

随着人工智能和大数据技术的飞速发展,数据驱动的自动异常检测技术成为国内外研究的热点,并在航天工程中得到了一定的应用.对数据驱动的航天器异常检测工具——美国航空航天局的IMS工具、欧空局开发的Novelty Detection工具、日本东京大学开发的ADAMS平台进行了分析,针对目前中国工程上主要依靠阈值自动判读以及专家...     

民用飞机的大气数据模块功能性分析

目前,国内外对于民用飞机大气数据系统的研究多集中于大气数据计算机和皮托管气动特性方面,而鲜有关于大气数据模块对大气数据系统提供有效数据的研究。为了研究大气数据模块对民用飞机压力管路和数据精度的影响,以机上管路和高度参数建立模型,对大气数据惯性基准系统中大气数据模块的组成结构、工作性能进行分析,得到 CRJ200、G450 和 G550 三种机型的大气测试数据,并找到造成不同误差范围的原因。结果表明：装有大气数据模块的 G450 和 G550 机型能够有效提高飞机的渗漏精度,实时反映民用飞机的大气数据信息;大气数据模块的使用对管道变形、渗漏以及数据精度等问题有重大改善,可为民用飞机大气数据系统设计提供参考。     

航空发动机试验数据管理系统设计

为了满足航空发动机试验的需求,实现内场、外场、露天台试验数据的统一管理,根据航空发动机试验体系的实际情况 以及大数据的理念,采用现代测控技术、通讯技术、数据管理和分析技术等先进手段,解决了多数据源数据的采集与融合、多类型 试验数据即结构化与非结构化数据的综合管理、试验数据的快速处理分析等关键技术难题,建立了1个基于以太网的航空发动机 试验数据管理系统,实现了对试验数据的集中管理、有效共享、合理使用和安全存储。该数据管理系统已保障多种型号航空发动 机完成了试验,结果表明：该系统中试验数据的45%为结构化数据、55%为非结构化数据,同时提供给发动机故障诊断系统、健康 管理系统、试验信息管理系统等多个系统,具有适用性强、安全性高、易于管理等特点,可以满足试验数据管理的技术要求。     

湍流数据同化技术及应用

近年来数据同化（DA）被引入湍流动力学研究中,通过融合实验测量和数值计算,提高了实验测量的精度和广度,改善了数值模拟的预测性能。实验观测、预测模型和同化算法是数据同化的三要素,湍流研究中的实验观测包括热线风速仪、粒子图像测速法（PIV）、压力传感器等局部测量数据,预测模型主要指流动控制方程及湍流封闭方程,而同化算法包括贝叶斯推断、集合卡尔曼滤波（EnKF）、伴随等。稳态数据同化一般结合雷诺平均Navier-Stokes （RANS）模型方程,从重新标定模型常数、修正涡黏模型方程形式误差、修正雷诺应力项等方面着手。非稳态的数据同化一般包括四维变分（4DVar）等时间连续的数据同化方式以及顺序数据同化。4DVar通过时间正向和逆向积分迭代,存储量和计算量都非常大。顺序数据同化不需要时间逆向积分,可以在若干时刻对实验观测进行间断地植入,正向求解整个系统。另外,随着人工智能的飞速发展,湍流数据同化研究也向智能化迈进。对于纯数据驱动的湍流机器学习,其缺乏物理本质的约束,而基于物理信息的机器学习在物理本质上与数据同化是一致的。