小型螺旋桨类飞机的适航噪声验证测量方法

介绍了可用于小型螺旋桨类飞机适航噪声验证测量中的航迹监测、声学测量设备的选择以及对测量结果置信区间的计算方法,并给出了用这些方法对TB20飞机进行适航噪声验证的实际测量结果,说明了这些方法是小型螺旋桨类飞机适航噪声验证测量的实用而且可靠的方法.     

基于自适应无迹卡尔曼滤波QAR数据降噪研究

针对QAR数据包含离群值、噪声值等异常数据严重影响数据分析的问题,提出了一种自适应无迹卡尔曼滤波的数据降噪方法.利用改进拉依达准则剔除粗大误差数据,以无迹卡尔曼滤波为基础,结合Sage-Husa噪声估计器对系统噪声进行实时预测和修正,有效地解决了系统噪声时变的问题.利用空客A330飞机的数据样本对算法有效性进行了数值验证,仿真结果表明,自适应无迹卡尔曼滤波算法估计精度更高,降噪效果更优.研究可提高基于QAR数据分析与挖掘工作的数据质量.     

运8F400型飞机适航试飞

介绍了运8F400型飞机适航试飞验证工作情况,重点阐述了适航试飞方法和测试技术.通过飞行试验,取得了一些可贵的试飞测试技术.对于其它运输类飞机具有一定的推广应用价值.     

基于混合数值算法的锯齿形喷管气动噪声仿真

为了预测航空发动机喷流噪声远场声压级,满足未来的航空器噪声适航要求,采用计算流体力学(CFD)和计算航空声学(CAA)混合数值算法,对安装Chevron型锯齿的喷管进行气动噪声仿真计算.使用大涡模拟(LES)计算喷管的瞬态喷流流场.在流场计算的基础上使用Ligthill声类比进行声源提取,结合有限元/无限元方法对喷流噪...     

面向兴趣点推荐系统的自然噪声过滤算法

推荐系统源数据中存在着固有的自然噪声，给推荐算法带来了误差与干扰。现有研究更加关注以各类安全攻击为代表的恶意噪声，仅有少数文献针对更为隐蔽、更难处理的自然噪声进行研究，且这些研究几乎都集中在传统推荐领域。在兴趣点推荐场景中，无论是源数据特征，还是自然噪声的产生原因和表现方式，均与传统推荐领域有较大差别。针对兴趣点推荐系统中的自然噪声，提出了基于离散特征量化与聚类距离分析的自然噪声过滤算法NFDC。该算法定义并计算用户签到数据的离散度，量化数据驱动的不确定性，利用推荐算法的准确度(F1值)量化预测驱动的不确定性，深入挖掘两者之间的相关性，构建经验模型，推导潜在自然噪声比例；采用模糊C均值聚类方法分析用户行为模式的相似性，在聚类距离分析的基础上筛选可疑噪声，并自定义噪声验证规则，删除真正的自然噪声。在两个真实的位置社交网络数据集(Brightkite和Gowalla)中，分别采用NFDC算法和其他4种基准方法对源数据进行预处理，将处理后的数据集分别输入到5类代表性的兴趣点推荐算法中，对比不同的降噪技术对提升各类兴趣点推荐算法准确性的影响程度。实验结果表明，NFDC算法能够有效降低系统源数据...     

近邻感知的标签噪声过滤算法

基于k近邻的标签噪声过滤对近邻参数k的选取较敏感.针对此问题,文中提出近邻感知的标签噪声过滤算法,可有效解决二分类数据集的类内标签噪声的问题.算法分开考虑正类样本和负类样本,使分类问题中的标签噪声检测问题转化为两个单类别数据的离群点检测问题.首先通过近邻感知策略自动确定每个样本的个性化近邻参数,避免近邻参数敏感的问题.然后根据噪声因子将样本分为核心样本与非核心样本,并把非核心样本作为标签噪声候选集.最后结合候选样本的近邻标签信息,进行噪声的识别与过滤.实验表明,文中方法的噪声过滤效果和分类预测性能均较优.     

一种基于网格框架下改进的多密度SNN聚类算法

针对数据集中数据分布密度不均匀以及存在噪声点,噪声点容易导致样本聚类时产生较大的偏差问题,提出一种基于网络框架下改进的多密度SNN聚类算法。网格化递归划分数据空间成密度不同的网格,对高密度网格单元作为类簇中心,利用网格相对密度差检测出在簇边界网格中包含噪声点;使用改进的SNN聚类算法计算边界网格内样本数据点的局部密度,通过数据密度特征分布对噪声点进行类簇分配,从而提高聚类算法的鲁棒性。在UCI高维的数据集上的实验结果表明,与传统的算法相比,该算法通过网格划分数据空间和局部密度峰值进行样本类簇分配,有效地平衡聚类效果和时间性能。     

机场噪声实时监测系统的设计与应用

机场噪声对周边社区居民的健康生活影响越来越突出，解决噪声问题首先要对飞机噪声进行监测。机场噪声实时监测系统采用双核 24 位Δ-Σ方式的 AD 采集技术，利用 DSP 的计算能力，实现飞机噪声数据的高速采集和实时计算。利用计算得到的时间-声级曲线等参数识别飞机噪声事件，并将声暴露级、声压等参数通过网络发送到云端进行处理，得到有利于机场噪声管理所需参考文件。     

基于KMSMOTE和随机森林的爬升段油耗分类

为了解决飞机燃油消耗预测过程中的数据不平衡问题,传统SMOTE方法对少数类随机构造伪样本,从而导致了数据分布的整体变化和模糊了区间边界。针对以上问题,提出一种基于k-medoids的改进SMOTE算法,即KMSMOTE,并以随机森林作为分类器进行爬升段油耗分类。该方法使用k-medoids对少数类进行聚类操作,在聚类簇的基础上使用SMOTE构造伪样本,确保分类结果不会偏向多数类;应用随机森林算法生成分类器。选取国内同一航线、同一机型的多个航班数据为实验样本,实验结果表明,改进后的算法分类效果更好。     

通用飞机验证试飞智能辅助测试系统需求研究

根据当前通用飞机验证试飞测试的实际需要,针对通用飞机体积小、重量轻、试飞周期短等特点,基于人工智能技术提出了一套适用于通用飞机验证试飞的智能辅助测试系统需求,为通用飞机验证试飞智能辅助测试系统构架研究提供支撑。智能辅助测试系统需求包括从采集记录、座舱影像记录等环节提取的机载试验设备需求和从数据传输、数据存储、数据处理等环节提取的地面智能辅助系统需求两大部分,依据该需求构建的系统可实现对测试数据进行实时综合分析评估并反馈,辅助试飞工程师和试飞员全面掌握验证飞行情况,及时调整飞行状态、操作程序,从而为试飞适航验证提供技术支持,并实现提高试飞效率、缩短CCAR23部类通用飞机型号科研试飞与适航验证试飞周期、降低试飞成本的目的。     

基于Simulink连续系统仿真驱动噪声生成

对噪声驱动的连续系统仿真,由于连续系统往往含有积分运算,不能直接输入通常的噪声信号,必须产生适合的输入信号.针对这种情况,研究了噪声驱动的连续系统仿真时的噪声生成问题,得到了输入噪声信号表达式;分析了Simulink中噪声源模块产生的数据,提出利用Simulink白噪声模块构成的等效带限白噪声模型来产生连续系统仿真需要的典型噪声;通过分析比较认为,Simulink带限白噪声模块和等效带限白噪声模型的参数意义不同但两种方法等价,能够产生连续系统仿真需要的输入信号,为噪声驱动的连续系统仿真研究奠定了基础.     

航空发动机试车台噪声声功率谱技术研究

由于航空发动机转速高，空气流量大，排气温度高，试车时产生的强烈噪声形成大范围的环境污染；通过讨论航空发动机试车台噪声的声功率谱分析技术，对某型涡轮螺旋桨发动机试车噪声的声功率谱进行分析，讨论该型发动机的噪声级、主要噪声源及其特征；试验结果表明其方法可行，与理论经验一致；此次试验为借助噪声进行故障研究提供了经验。     

干涉型光纤陀螺随机噪声的分析研究

系统地分析了光纤陀螺所包含随机噪声的种类及其来源和特性,介绍了分析光纤陀螺随机噪声的工具———A llan方差法和国军标模型拟合法。对某型干涉型光纤陀螺的静态实验数据,分别应用上述2种分析方法,计算分析了光纤陀螺信号中的噪声分量。计算结果表明:试验所用的光纤陀螺输出的静态信号中含有量化噪声、角随机游走噪声、角速率随机游走噪声、零偏不稳定性和速率斜坡噪声,其中,角速率随机游走噪声、零偏不稳定性和速率斜坡噪声含量较大。该分析研究对光纤陀螺的研究有很好的应用价值。     

Optimal cooperation between external criterion and data division in GMDH

The problem of cooperation between external criterion and data division is important for application and development of group method of data handling (GMDH) theory. Based on research of ‘critical noise level’ and ‘noise immunity’, this article presents the concept of ‘expected critical noise level’. The relationship between ‘expected critical noise level’ and both prediction set and model structure is expressed by a formula. According to ‘expected critical noise level’, a selection method is designed, which is able to obtain an optimal cooperation between external criterion and data division in GMDH. Finally, the corresponding algorithm and an example are given.     

数据驱动的燃气涡轮机跳闸预警方法的研究

燃气涡轮机已被广泛运用于现代工业中,其跳闸事件的发生将产生巨大的经济损失,因此,对燃气涡轮机的跳闸事件进行预测有重要的经济意义.然而,燃气涡轮机跳闸的预测研究是一个崭新的领域,研究成果非常有限,且缺乏数据驱动的预测方法和理论研究.从数据的预处理开始,研究了从数据的归一化、特征选择到特征值选择、特征值粒化等系列问题,并从各个角度设计了Elman神经网络的预测模型实验,对实验结果进行对比,得到了一系列建立并改善数据驱动的Elman网络跳闸预警系统的方法和有益经验,以供其他相关研究参考.     

某民用直升机舱内噪声水平仿真分析研究

声学仿真分析是进行直升机舱内降噪设计的有效技术手段,良好的降噪设计有利于提升民用直升机的市场竞争力。结合试验数据和统计能量法分析了某民用直升机的舱内噪声源贡献度,进而采用声学边界元法分析了该型机的舱内噪声水平。研究表明,该型机舱内主要噪声源为：主减振动、发动机振动、主减空间辐射声、发动机空间辐射声和油箱舱空间辐射声,在无内饰状态下人耳敏感频率范围内的舱内场点噪声为129 dB,蒙皮、整流罩和挡板是影响舱内噪声水平的关键结构,在考虑内饰材料后,场点噪声最大可下降5 dB。该分析思路可以为直升机舱内降噪设计提供技术支持。     

一种BP神经网络机场噪声预测模型

机场噪声预测对机场噪声控制、航班计划制定和机场规划设计具有十分重要的作用。现有的机场噪声预测模型都是以飞机的噪声距离曲线（NPD曲线）为核心,用相应的数学模型将其修正至与具体机场的特定环境条件相关的噪声传播模型,存在预测成本高和误差大的缺点。针对这种情况,提出一种使用BP神经网络利用机场噪声历史监测数据进行NPD曲线修正计算方法,从而建立适用于特定机场环境条件的机场噪声预测模型。实验表明,在特定机场的特定环境条件下,允许误差为0.5 dB时,该模型预测准确率高达91.5%以上,具有预测成本小、准确度高的特点。     

环形激光陀螺的神经网络消噪

分别应用BP神经网络和DRNN网络对处于静止和运动状态下的环形激光陀螺输出信号中的噪声进行了消除,并应用Allan方差方法对消噪前后的陀螺信号进行了对比分析.结果表明使用神经网络对RLG进行消噪是可行的,而DRNN网络作为一种动态网络,其去噪效果及陀螺初始启动时的信号跟踪能力要优于静态BP网络.使用神经网络去噪的方法对研究环形激光陀螺的误差补偿及快速启动是有实际意义的.     

基于Perlin噪声的高分辨率地形仿真方法

高分辨率地形数据是虚拟现实、军事可视化仿真等方面研究的重要素材,地形的精细、逼真程度,直接影响到仿真的效果.但分辨率很高的地形数据难以直接获取,一种典型的解决方法是采用特定算法在低分辨率数据的基础上生成仿真地形数据.Perlin噪声具有分形、频率振幅可控等特点,通过不同频率的三维Perlin噪声叠加,可以生成不同细节程度的地形数据.将Perlin噪声模型应用于从低分辨地形数据构造高分辨率地形数据,可以较好地模拟原始地形的地理特征,具有较高的保真度.文章基于Perlin噪声模型设计、实现高分辨率地形重构算法,并采用可视化仿真的方法对该方法和简单随机噪声方法进行检验,仿真结果表明该方法能够更好地满足要求.     

白噪声Wiener反卷积滤波器

应用现代时间序列分析方法,基于ARMA新息模型提出了白噪声Wiener反卷积滤波器。该滤波器可统一处理滤波、平滑和预报问题,可用ARMA递推滤波器实现,适用于石油地震勘探数据处理。同多项式方法和Kalman 滤波方法相比,避免了求解Diophantine方程和Riccati方程,减少了计算负担。Bernoulli-Gaussian白噪声反卷积的仿真例子说明了其有效性。