基于物联网的机场桥载设备监控网络优化设计

针对民航桥载设备监控管理系统BLEMAS在机场停机坪现场测试中暴露的网络延迟问题,对该系统物联网架构中M AC层的碰撞退避算法进行优化。采用改进截断二指数退避算法ITBEB ,根据网络环境的多方面因素,对CSM A／CA的退避指数BE进行动态调节,使网络节点合理设置随机退避时间,减少退避饱和,充分利用空闲信道,达到数据快速传输的目的。利用OPNET软件对BLEMAS建模仿真,仿真结果表明,相比系统原有MAC层退避方法BEB ,ITBEB算法在网络时延和吞吐量等网络性能上均具有优越性。     

基于Zigbee技术的机坪移动目标监控网络能量优化方法研究

针对机坪移动目标监测网络在天津机场现场应用测试中暴露的能耗及相关问题,在原有网络MAC层协议基础上,提出了一种基于网络数据分类处理思想的网络节点自适应能量优化机制,对网络原有的CSMA/CA算法、ACK帧、数据碰撞等方面做了调整;进行了数学建模和分析;同时利用OPNET软件建立场景进行网络仿真,仿真结果表明优化后的网络在网络生命周期、吞吐量等指标方面均优于原有的网络,较好地解决了系统在现场应用中暴露的能量问题。     

A320飞机客舱热舒适性的数值模拟研究

应用CFD方法建立了A320飞机头等客舱内环境和人体的三维模型,对客舱内流场进行仿真分析,分析了在不同送风速度时的温度场、速度场。以客舱内的空气分布特性指标(Air Diffusion Performance Index,ADPI)作为热舒适评价依据。在靠近人体附近的6个横截面上,采集人体头部高度的温度值和风速值,由这些采集到的数据计算客舱内的。计算不同送风速度下客舱内的,对计算结果进行描点和非线性曲线拟合,得出客舱内与送风口速度的函数关系,为客舱空调控制提供理论依据。     

基于改进Apriori算法的地面空调间歇故障预测

针对机坪地面空调间歇故障引起的使用效能低、维修滞后等问题,提出了二次关联累加数组（AS）-Apriori与聚类K-means相结合的间歇故障预测方法,并基于此实现了延误维修预测。其中：AS-Apriori算法解决了Apriori频繁扫描事务库的低效问题,通过实时构造间歇故障数组并对其对应项累加求和;延误维修预测是为了估计出永久故障临界区以安排合理维修,可采用正态分布求出不同间歇故障变量的维修波及延误概率并进行依次累加而实现。验证表明,AS-Apriori提高了运行效率,且二次关联规则支持度提升了20.656个百分点,能更准确预测间歇故障,同时参照数据分析,预测的维修波及延误累加概率呈线性分布,即可预测性高的间歇故障更便于预先维护管理,减少永久故障的形成。     

单片机课程教学改革探索与实践

论文分析了课程建设与社会需求、学校定位及专业培养目标之间的关系,进一步明确课程建设目标,总结了课程建设包括的主要内容。针对单片机这门课程建设中存在问题,分别从课程目标、教学内容、教学方法和课堂管理、考核方法、教学评价等方面给出了改革措施。最后,本文作者从自己理解的角度,给出了课程建设的总体结构。不同的教学方法,它们的共同点都是确立以学生为中心的基本教学理念,充分调动学生的积极性、树立团队合作意识、让学生主动去发现问题、创造性的解决问题,提高学生的工程素养和创新能力。     

机坪感知网络的快速收敛平均一致性时间同步算法

针对机坪感知网络（APSN）的传统平均一致性时间同步算法（ATS）因其分布式迭代特点而导致收敛速度慢、算法效率低的问题,基于代数连通度影响一致性算法收敛速度的原理,提出了一种可快速收敛的平均一致性时间同步算法（FCATS）。首先,在APSN内的双跳邻居节点间添加虚拟链路来增加网络的连通性;然后,基于单跳与双跳邻居节点信息对节点的相对时钟偏斜、逻辑时钟偏斜与偏移进行更新;最后,根据时钟参数更新过程进行一致性迭代。仿真结果表明,FCATS经过一致性迭代能够得到收敛,与ATS相比,在收敛速度上提升了50%左右,在不同拓扑条件下收敛速度能够提升20%以上,可见收敛速度得到了明显改善。     

基于小波方法的数据流查询计算研究与应用

许多领域中大量应用所产生的数据流的处理已成为聚集数据处理的一个重要方面。文章在对数据流查询计算进行深入研究的基础上,分析了该情形下聚集查询语言与重写的特征,给出了一类有效的快速查询计算模型。该计算模型的核心是运用小波分析方法,通过建立有效的小波提纲来提高查询处理的效率。最后,在实际应用环境下对所给出的模型进行了应用分析。     

基于数据挖掘的静变电源故障预测研究

静变电源是机场桥载设备最重要的组成部件之一,应用非常广泛,但与此同时,其产生的高频故障会造成设备利用率低、修复率时长和重大经济损失等问题,在基于桥载设备的安监系统上,设计了静变电源安监信息采集节点,通过数据挖掘软件,建立了静变电源故障预测模型.经过比较Apriori算法和其他典型数据挖掘算法的性能,结合在线数据库测试结果表明,得到了不同的典型算法在预测静变电源故障上显现的特点,通过选择最优算法高效地预测了静变电源的未来状态,实现了对静变电源的实时故障预测,进而为解决故障提供了方向和目标,最终达到了降低经济损失最大化的目的,具有很深的实际意义.     

民航机场特种车辆监控网络MAC层节能设计

针对机场特种车辆监控系统在现场测试中能量消耗快所造成的定位计算精度和实时性下降等问题,在原有网络MAC层基础上,提出了一种基于网络环境、电池和车辆状态监测的对超帧占空比动态控制的网络能量优化方法,是一种闭环控制.利用OPNET软件建立场景进行网络仿真,结果表明,基于此方法设计的网络协议较原MAC协议在延长网络生命周期、优化网络性能方面都有显著提高,解决了实际应用问题.     

基于多种小波变换的一维卷积循环神经网络的风电机组轴承故障诊断

为解决在复杂工况下风力发电机组轴承故障诊断虚警率高的问题,提出一种端到端的混合深度学习框架--基于多种小波变换的一维卷积循环神经网络。首先,通过多种小波变换得到多个时-频矩阵,以充分提取信号特征;再通过一种扩展的LSTM,对多通道时-频矩阵不同时间步信息进行提取,捕获时-频数据时空特征;最后,通过全局池化层和分类层对故障状态进行分类。实验结果表明:在复杂工况下,多种小波变换的一维卷积循环神经网络对风力发电机组轴承故障识别率能够达到95%以上。