基于数据融合的某型导弹智能温度测量控制系统

介绍了应用于某型导弹的温度测量控制系统的硬件组成和工作过程。为了消除测量干扰,提出一种一致性加权融合估计算法,给出了多传感器一致性检验的准则,并利用多元统计理论推导出了最优权值的计算公式。最后将该算法应用于导弹温度测量控制系统。实验证明:该算法具有较好的稳定性,可有效降低噪声干扰,提高测量精度。     

OLAP技术在器材保障决策支持系统中的应用

为弥补基于模型库和方法库的器材保障决策支持系统的不足,探讨利用OLAP技术处理数据的方法。结果表明,利用OLAP技术从多角度、多侧面观察数据,将为我军器材保障决策的科学化提供强大的支持。     

引入变异算子的SAA求解数据关联问题

将遗传算法中的变异算子引入模拟退火算法,来求解雷达数据处理过程中的数据关联问题。与传统的遗传算法和传统的模拟退火算法相比,新算法在解的质量,寻优速度和CPU占用时间等方面有较大的优势,更贴近实际应用的要求。     

发动机传感器数据证实的贝叶斯信度网络方法

针对发动机及其部件试验传感器数据证实的多源证据融合问题,描述了建立贝叶斯信度网络的方法,给出了传感器状态和检验关系式不确定性信息表达方法,发展了自动建立贝叶斯信度网络、计算可信度概率及更新网络的算法;给出了贝叶斯信度网络方法在模型发动机上的应用示例。     

捷联惯导惯性系动基座对准算法研究

针对船载等晃动基座环境,利用多级低通FIR数字滤波器和过渡的惯性坐标系,实现了惯性系动基座对准。分析表明,对准精度取决于等效的东向陀螺漂移大小以及FIR滤波器组的特性,该方法的对准时间长短取决于FIR滤波器组的阶次,并从原理上解决了大失准角问题。实验结果表明:惯性系对准新方案的对准精度与传统罗经方法精度相当,但新方法收敛更快,而且适用于任意失准角。     

结合动态时间弯曲与决策树方法的液体火箭发动机故障诊断

对某大型液体火箭发动机的热试车数据及通过发动机模型仿真得到的故障数据进行动态时间弯曲分析,得到弯曲路径集,然后结合决策树方法进行了故障检测和诊断。对于故障试车没有出现漏报警和误报警,对于正常试车没有出现误报警。通过与神经网络、支持向量机等方法所得结果的对比,证明该方法可以成功地应用于火箭发动机的故障检测和诊断。     

动态拉伸实验数据处理方法的改进及应用

通过对反射式霍普金森拉杆实验技术进行分析,发现加载杆和承压环之间配合不够紧密时,在加载波到达承压环处可能出现影响实验结果的干扰信号。为了修正实验测试结果,编写了带有修正功能的实验数据处理程序对实验数据进行修正处理。利用带修正功能的数据处理程序对一种铝合金的动态拉伸实验结果处理,结果表明,新的数据处理程序得到的结果是合理的。     

一种面向关键属性更新的优化数据一致性算法

规模巨大且分布性强的P2P系统可能导致部分数据副本发布的更新被长时间地延迟,从而降低Internet上资源定位的效率。针对关键属性更新的特点,提出一种解决关键属性更新冲突的优化数据一致性算法。算法中分离出用户提交的更新请求中关于关键属性的更新,在对关键更新冲突分类的基础上,采用更新缓冲预处理和关键更新表两层机制并结合最新写胜出和分而治之规则,优化关键更新冲突的发现和解决。关键属性更新的优化处理使得不会产生因为关键属性更新的延迟而降低系统基于关键属性的资源定位效率,满足面向Internet的P2P系统的要求。模拟测试结果表明该算法在一致性维护开销、资源定位开销与资源访问开销以及鲁棒性方面均具有较好的性能。     

基于内外子区域划分的高阶精度CFD程序异构并行算法

对计算流体力学(CFD)程序CNS提出一种Offload模式下基于内外子区域划分的异构并行算法,结合结构化网格下有限差分计算和四阶龙格库塔方法的特点,引入ghost网格点区域,设计了一种ghost区域收缩计算策略,显著降低了异构计算资源之间的数据传输开销,负载均衡时CPU端的计算与MPI通信完全和加速器端的计算重叠,提高了异构协同并行性。推导了保证计算正确性的ghost区域的参数,分析了负载均衡的条件。在“CPU(Intel Haswell Xeon E5-2670 12 cores ×2)＋加速器(Xeon Phi 7120A ×2)”的服务器上测得该算法较直接将任务子块整体迁至加速器端计算的异构算法性能平均提升5.9倍,较MPI/OpenMP两级并行算法使用24个纯CPU核的性能,该算法使用单加速器时加速1.27倍,使用双加速器加速1.45倍。讨论和分析了性能瓶颈与存在的问题。     

海洋环境监测平行系统优化融合

多个海洋环境监测系统之间存在的功能冗余导致资源浪费和不必要的资金投入,因此应将各个系统优化融合成有机整体来节约海洋环境监测的资源和成本。将海洋环境监测系统按照功能划分为不同的模块,在线性规划融合的基础上引入熵方法,以成本和效能指标为主要对象,通过合理分配,在确保系统优化融合后监测能力不降低的同时,尽量减少建设成本。