排序方式: 共有11条查询结果,搜索用时 0 毫秒
1.
在飞行试验领域中,基于iNET架构的网络化测试系统正逐步取代传统的PCM测试系统,成为试飞测试系统的主要架构。网络化测试系统激增的数据量对多科目数据处理提出了更高的要求。为了满足某型号飞机网络化架构的机载测试系统的数据处理需求,提了基于iNET架构的网络数据分析软件设计方案,采用基于内存映射的海量试飞数据读取技术;针对iNET架构网络数据包的特点,设计了数据包快速解析技术对参数时序进行统一;提出“整体—分流”方法,极大地提高了数据处理效率;制定Excel校线文件模版,提高校线录入效率。方案采用C++语言实现,利用模块化和多线程设计思路,对网络机载测试系统记录的数据进行分析处理。实际试飞处理结果表明,iNET网络数据处理方案具备良好的实时性、准确性、可靠性,满足某型号飞行试验多科目快速处理需求。 相似文献
2.
在分析国内外智能用电技术发展现状的基础上,构建了一种面向家庭的新型智能用电体系框架,主要由智能电表、智能互动终端、智能插座、家庭局域网络等构成;可支持分布式电源、电动汽车充电桩等系统或设备的灵活接入,具有计量、综合能耗监测、家用电器智能控制以及与用户的双向互动等功能.介绍了一款基于CS5460电能计量芯片的单相复费率智能双向电表的硬件和软件开发.实际测试结果表明,智能电表具备0.5%以上的计量精度,且可实时地与智能互动终端双向互动. 相似文献
3.
机载实时数据处理可以大幅提高数据处理的效率。为满足机载网络化测试系统架构下的实时数据处理的需求,设计并实现了一种基于VxWorks的网络数据实时处理软件。该软件运行在多核嵌入式数据处理系统上,通过多任务并发执行的方法保证实时性。软件运行过程中利用零拷贝技术实时接收机载测试系统发送的网络包数据,然后按照自定义的文件格式存储原始数据,同时将需要处理的网络包存入数据处理缓存中,根据网络数据协议实时解析网络包数据,最后利用预留缓存的办法将处理结果写入结果文件。实践证明,该软件能快速接收并实时处理网络数据,同时将原始数据和结果数据进行存储,该方法有效提高了数据处理的效率,为飞行试验数据处理提供了新的途径。 相似文献
4.
随着飞行试验测试技术的快速发展,单架次需要处理的试飞科目越来越多,而多科目处理参数分布在不同的网络流中,这对机载实时数据处理的效率带来严峻的挑战。利用“合并-处理-分流”的方法,设计一种多流多科目网络数据实时处理算法。该算法将多科目处理参数按照参数名、采样率等信息进行整合形成合并参数列表;在实时处理时根据合并参数信息实时处理多网络流中的数据,并将处理结果存储在数据缓存中;最后将多科目数据进行分流即可得到处理结果。测试结果表明,该算法可实际应用于多流多科目数据处理中,大幅提高实时处理的效率,同时可以得到准确的数据处理结果。 相似文献
5.
6.
阐述了卫星灵巧飞行的概念,针对慢旋非合作目标逼近与捕获任务,建立了航天器近距离轨迹规划模型,采用高斯伪谱法得出最优逼近轨迹。采用全状态反馈控制律,实现姿轨耦合的轨迹跟踪控制。建立了五自由度机械臂的动力学模型,设计了零冲击抓捕过程中的姿轨、机械臂与末端执行器的协同控制算法。仿真结果表明,采用反馈控制律可实现对最优轨迹的跟踪,设计的姿轨机械臂与末端执行器的协同控制算法可实现零冲击抓捕。 相似文献
7.
8.
在新型飞机飞行试验任务中,遥测监控技术是保证试飞安全,提高试飞效率的重要手段。针对目前地面实时监控技术面临的问题和挑战,提出采用基于故障树的多类型告警技术、试飞任务的嵌入式准实时数据处理技术及应急处置辅助决策技术等先进监控技术,引入试飞安全决策库理念,建立应急处置辅助决策机制,构建飞行试验综合安全监控系统,实现飞机各系统试飞状态监控和综合故障告警、复杂试飞科目的准实时计算评估和应急处置决策支持。实际飞行试验结果表明,应用此技术开发的综合安全监控系统,可以使试飞指挥员和工程师在第一时间及时准确地获取试验机故障告警、试飞科目评估结果和应急处置决策方案,极大地提高了试飞效率和安全性。 相似文献
9.
在飞行试验中,机载视频数据是试飞测试数据中的重要组成部分。为了解决多路机载网络视频数据同步回放的问题,提出了基于RTP/RTCP协议的机载多路网络视频数据同步回放方案。采用网络视频数据分流和预处理机制,首先通过对数据包进行识别,从机载记录的数据进行分流提取出网络视频数据包,然后经过对RTP封装的H.264视频数据进行解包、时间计算等处理后,利用FFmpeg良好的解码能力对一帧图像进行解码,利用SDL优异的视频性能显示YUV数据,采用基于时间戳同步机制实现多路机载网络视频的快速同步回放。软件采用模块化和多线程设计思路,提高处理效率,保证功能的可扩展性。目前该系统已成功应用于多路机载网络视频同步回放中,实际应用效果表明,该系统工作稳定,能够有效提高型号试飞效率。 相似文献
10.
楼宇短期负荷预测是楼宇能效管理系统中对用能子系统进行评估诊断、优化控制以及调度规划的重要基础。针对智能楼宇参与需求响应所需高精度、实时负荷信息的要求,提出一种基于数据挖掘支持向量机的楼宇短期负荷预测方法。选择与待预测时点相似相近的样本数据集,采用K-means算法对样本数据集中的温度、湿度、气压等气象数据进行聚类,根据聚类结果提取训练样本,最后采用支持向量机(SVM)算法建立负荷预测模型。实际应用结果表明,该方法预测结果平均相对误差为1.34%,相对误差在1%以内的概率达到67.5%,优于现有的时间序列法、同结构SVM法、不考虑气象因素的DMSVM法等方法。 相似文献