全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于核和灰度的灰色马尔科夫预测模型及应用
- 作者： 王建华 查怡婷 王雪 熊峰 来源： 系统工程与电子技术 年份： 2019 文献类型 ： 期刊 关键词： 灰色马尔科夫预测 航空货运 核 灰度
- 描述： 在处理预测问题时,常有原始数据为区间数组成的随机波动性较大的区间数列的状况。为进一步提高区间灰数预测精度,本文提出一种基于核和灰度的灰色马尔科夫预测模型。该方法以区间灰数核序列为依托建立预测模型,实现区间灰数核的预测,又根据“灰度不减公理”,由灰数核为中心延伸得出区间灰数的上下界;在保持区间灰数独立完整的前提下,构建了区间灰数预测模型,并运用马尔科夫预测模型对预测结果进行修正。该模型在航空货运量的趋势预测中显示马式链修正结果较区间灰数预测数据呈低估状态。结果有助于加强市场参与者对航空货运市场的宏观认识,并为经济决策行为提供参考。
- 用于实时弹道仿真的低空风切变复合模型
- 作者： 陈健伟 王良明 傅健 来源： 系统工程与电子技术 年份： 2019 文献类型 ： 期刊 关键词： 低空风切变 复合模型 风场建模 弹道仿真
- 描述： 风切变是一种形成概率高、危害范围广的气象现象,对弹箭飞行具有较大影响。针对几种典型低空风切变的流动特点,基于位势流动理论,分别建立了微下击暴流涡环模型、过山气流圆柱绕流模型和低空急流平面壁面射流模型,在此基础上,以发射坐标系为基准,提出一种考虑天气和地形的低空风切变复合模型。以某122mm火箭弹为例,进行算例仿真,结果表明:所建立的低空风切变复合模型具有良好的三维特性,能够合理描述典型风切变现象的气体流动特点;应用于实时弹道仿真中,可有效反映出复杂环境下不同种类低空风切变对弹箭飞行的影响规律。
- 考虑安全性需求的航空电子网络可靠性模型
- 作者： 赵长啸 汪鹏辉 田小艺 汪克念 来源： 系统工程与电子技术 年份： 2024 文献类型 ： 期刊 关键词： 航空电子网络 安全性 可靠性 有序二叉决策图
- 描述： 航空电子网络的可靠性水平表征其对航电任务完成能力的支撑程度，基于单一连通性考虑的网络可靠性模型仅涵盖了网络的结构信息，无法有效评价网络对不同安全关键任务的支撑能力，影响对网络安全性的真实评价。提出了一种综合考虑任务安全关键属性和网络结构属性的航电网络可靠性分析模型。基于安全关键度邻接矩阵，采用边扩张分解创建网络的有序二叉决策图，实现对网络可靠性的评价。通过分析实际航空电子全双工交换式以太网(avionics full-duplex switched ethernet, AFDX)交换机网络，在加入4个等级的任务安全约束(safety constraint of task, SCT)后，可有效剔除高风险路径，任务在网络中可传输的链路安全关键度累积平均分别降低1.19%、9.47%、29.18%和58.14%。
- 基于LSTM分类器的航空发动机预测性维护模型
- 作者： 蔺瑞管 王华伟 车畅畅 倪晓梅 熊明兰 来源： 系统工程与电子技术 年份： 2022 文献类型 ： 期刊 关键词： 二分类 长短期记忆网络 时间窗 故障预测与健康管理 预测性维护
- 描述： 利用传感器数据进行预测性维护是航空发动机故障预测与健康管理(prognostic and health management, PHM)的关键问题。针对发动机剩余寿命预测准确性低的问题，提出基于长短期记忆网络(long short-term memory network, LSTM)分类器的预测性维护模型。LSTM分类器通过门控单元对长时间序列信息进行充分筛选，并将有效信息用于时间序列预测。首先，采用滑动时间窗口制备训练样本。其次，将预处理后的样本输入LSTM,预测设备在特定时间窗口内的失效概率。然后，通过调整窗口大小，得到最优性能的二分类模型，以更好地适应预测维护需求。最后，利用美国航空航天局C-MAPSS数据集验证了该模型的有效性，相比于已有分类方法，其在剩余使用寿命分类方面更加准确。
- 基于LSTM分类器的航空发动机预测性维护模型
- 作者： 蔺瑞管 王华伟 车畅畅 倪晓梅 熊明兰 来源： 系统工程与电子技术 年份： 2022 文献类型 ： 期刊 关键词： 二分类 长短期记忆网络 时间窗 故障预测与健康管理 预测性维护
- 描述： 利用传感器数据进行预测性维护是航空发动机故障预测与健康管理(prognostic and health management, PHM)的关键问题。针对发动机剩余寿命预测准确性低的问题，提出基于长短期记忆网络(long short-term memory network, LSTM)分类器的预测性维护模型。LSTM分类器通过门控单元对长时间序列信息进行充分筛选，并将有效信息用于时间序列预测。首先，采用滑动时间窗口制备训练样本。其次，将预处理后的样本输入LSTM,预测设备在特定时间窗口内的失效概率。然后，通过调整窗口大小，得到最优性能的二分类模型，以更好地适应预测维护需求。最后，利用美国航空航天局C-MAPSS数据集验证了该模型的有效性，相比于已有分类方法，其在剩余使用寿命分类方面更加准确。