飞机供电系统的改进型PHM方案

针对目前飞机供电系统中集中式PHM设计方案无法满足日趋复杂的供电系统要求这一问题,在对飞机供电系统进行扩展式FMEA分析及故障分类的基础上,为供电系统设计了分布椉惺絇HM系统,并采用了基于扩展FMEA分析和模糊综合评判的诊断预测模型,最后将供电系统PHM很好地融入到飞机原有的总体PHM系统中,具有一定的实用价值,为后续供电系统PHM系统开发研究提供参考.     

人工智能和数据挖掘在人机工程PHM中的应用

人工智能和数据挖掘是构建在认知科学、神经心理学、机器学习、数据科学和统计学上的交叉学科。它为人机工程问题的研究与分析,尤其是对复杂人机系统的性能预测与健康管理提供了强有力的计算与分析工具。文中首先分别给出了人工智能与数据挖掘的发展简史以及主要的研究领域和研究途径,而后给出了三个典型算例,分别对矿井作业的安全问题采用小波神经网络方法进行评价,对某系统的性能用模糊神经网络进行预测,对飞行员的脑力负荷用Bayes判别函数法,从主观评价、作业绩效和多项生理指标的角度进行了综合测评。上述典型算例表明:智能算法和数据挖掘技巧,可以有效地处理人机工程中的PHM问题。     

机载预测与健康管理(PHM)系统的体系结构

故障预测与健康管理(Prognostics and Health Management PHM)系统对于推动作战飞机从"事后维修"、"定时维修"向"视情维修"转变具有十分重要的意义。针对新一代作战飞机的技术特点以及在维修保障方面的需求,对机载PHM系统体系结构的3种备选方案进行了对比分析,提出了一种由模块/单元层PHM、子系统级PHM、区域级PHM和平台级PHM等4层集成的层次化体系结构,并着重从层次的划分、组成要素的功能描述、信息传输和外部逻辑等几个方面进行了论述。     

面向海量数据的并行KMeans算法

针对海量数据的特性及KMeans算法的并行特性,提出了一种基于MapReduce编程框架的并行聚类算法,给出了算法的主要设计方法和策略.Map函数计算出每个记录所属的簇并用簇标号来标记;为了减少网络流量,利用Combine函数合并了本地的簇中的样本和;Reduce函数合并簇中所有的记录,并重新计算聚类的中心,供下一轮MapReduce迭代使用.最后用不同大小的数据集对改进算法的效率及伸缩性进行了验证,结果表明基于Hadoop的并行KMeans算法适合于海量数据的分析和挖掘.     

PHM项目研制的进度风险与技术成熟度要求

统计分析各国目前已完成的预测与健康管理(Prognostic and health management，PHM)项目相关资料,得到技术成熟度等级与相对进度拖延的原始数据。通过转化为线性回归的方法,建立技术成熟度等级与平均相对进度拖延和最大相对进度拖延的回归函数,并检验回归函数线性假设的显著性。假设相对进度拖延服从正态分布,确定进度风险与技术成熟度的概率关系。绘制进度风险、进度余量与技术成熟度等级的关系图。结果表明:PHM的技术成熟度达到7级时,项目研制的进度风险控制在20％以内,处于可以接受的范围。     

面向服务的大数据分析平台解决方案

本文针对日益增长的大数据分析与信息服务的应用需求,提出基于数据中心和互联网、面向服务的大数据分析平台解决方案,为开展大数据分析相关的研究和实践提供借鉴和参考。首先对国内外大数据技术的产业现状进行回顾,然后给出基于数据中心和互联网的大数据分析平台拓扑架构,讨论大数据分析平台的系统功能和关键技术,最后阐述该平台系统的应用和产业化前景。     

基于大数据分析的人工智能文献研究

1992-2017年间我国"人工智能"研究阶段性显著、发文量大、研究人员众多、研究阵地分散、各地区研究水平差异大、研究人员合作程度不够高,未形成较大的合作网络,综述性文献偏多、应用性文献偏少、人工智能研究成果的学科分布不均匀,本研究给出了相关建议和策略.     

大数据背景下相似性设备剩余寿命预测研究进展

剩余寿命预测是设备故障预测与健康管理的重要组成部分,准确预测设备剩余寿命将有助于决策者及时制定维修策略,避免巨额的失效损失。随着物联网和大数据技术的发展,实时监控设备的运行状态变得越来越便利,为改进和发展设备剩余寿命预测方法奠定了坚实基础。基于相似性的设备剩余寿命预测方法不需要假设设备退化模型,而是通过大数据分析设备间运行状态的相似性进行预测,具有很高的预测精度和强鲁棒性。本文从健康指标构建、相似性度量选取、数据融合等方面,对基于相似性的设备剩余寿命预测方法进行了梳理总结,分析比较了相应性质。文章最后对基于相似性的设备剩余寿命预测方法的未来研究方向进行了探讨。     

海量数据处理过程中数据挖掘算法的应用

信息时代的快速发展带来的是信息总量呈现几何级数的增加,而海量数据的存储和分析处理对计算机硬件能力和数据分析能力都是一个极大的挑战．数据挖掘算法是针对于大批量数据处理而提出并逐步发展起来的,基于完备的数据库技术,可以在云计算算法、矩阵压缩算法和并行关联算法的基础上,进行算法集成,能进一步提高数据挖掘的速度、精度和时效性,在实际海量数据的处理过程中有较好的适应性,为海量数据处理提供了新的技术分析方法．     

大数据时代的数据挖掘技术与应用

随着数据挖掘技术研究的进步与发展,并伴随着大数据概念的提出,将为数据挖掘技术的发展和应用带来一个很大的机遇,数据挖掘技术将进入一个新的发展时期.文章全面介绍了大数据,数据挖掘的基本概念以及数据挖掘的分析方法,最后给出了大数据时代的挖掘技术的应用领域及将来发展方向.     

航空机电产品故障预测和健康管理技术

随着航天系统复杂性与综合性、智能化程度的提高,对航空机电产品的维护与保障的成本不断提高,同时由于组成环节与影响因素的增加,航空机电产品发生故障的几率也越来越大。基于航空机电产品可靠、安全、经济方面考虑,故障预测与健康管理技术受到了越来越多的重视与应用。在国内外的航空机电产品检测技术中,故障预测与健康管理技术已经成为了核心的技术。该文主要介绍了故障预测与健康管理在航空机电产品中的发展情况,以航空机电产品为例对故障预测与健康管理技术进行了阐述与分析。希望通过对故障预测与健康管理技术现状的描述来为未来更加先进的航空机电产品故障预测与健康管理技术的发展提供参考与依据。     

一种面向大数据分析的快速并行决策树算法

为了提高基于大规模数据的决策树训练效率,提出了一种基于Spark平台的并行决策树算法(SPDT).首先,采用数据按列分区的方法,把单个属性列完整地保留在一个分区内,使缓存该分区数据的数据节点能独立完成信息熵的计算,以减少数据节点之间的信息交流造成的网络资源的占用.然后,数据在按列分区后以稠密向量的形式缓存于内存中,SPDT对数据进行压缩,以减少对内存的占用.最后,SPDT采用基于边界点类别判定的连续属性离散化方法来处理连续属性,减少决策树训练过程中信息熵计算的频次,并提出使用信息增益比划分训练数据集的方法,以减少信息增益计算对多属性值属性的依赖.实验结果表明,在树的训练效率方面,SPDT在保持分类精度的情况下,比Apache Spark-MLlib决策树算法(MLDT)以及基于Spark平台的垂直划分决策树算法(Yggdrasil)有明显的提升.     

浅述新兴的电子系统故障预测与健康管理

随着科技的逐步发展,电子系统在各个领域和行业的产品中占得比重越来越大。市场对于产品的要求愈加严格,仅依靠传统评估系统当前的状态已无法满足需要,这时就出现了故障预测与健康管理的新理念。本文阐述了新兴的电子产品故障预测与健康管理(PHM)理念,简单叙述了电子系统PHM的体系结构以及电子系统PHM的关键技术,最后就实现电子系统PHM的四种主要方法进行探讨。     

保护隐私的智能电网大数据分析挖掘技术

针对智能电网中的大数据安全和隐私保护问题,梳理了当前智能电网大数据安全与隐私保护关键技术,按照保护隐私的智能电网大数据分析挖掘技术路线,提出一种保护隐私的智能电网关联规则挖掘方案,即使用简单的加法秘密共享方案,加密和发送电表数据给可信第三方,并在安全聚合协议下汇总电表数据,使用安全多方计算关联规则的支持度和置信度。保护隐私的智能电网大数据挖掘使得电力公司在不泄露客户隐私信息的前提下,能够提高服务质量。     

船舶数字孪生平台的设计与应用

当前,船舶数字孪生的研究还处于起步阶段,实际应用亦比较少.在构建三维虚拟船舶及其航行环境基础上,通过实时采集船舶运行数据初步搭建了船舶数字孪生体,利用多源感知数据融合技术、航行态势重构技术对船舶航行态势进行分析;在此基础上,基于状态监测数据和相关知识经验建立了设备状态监测专家库和基于孤立森林算法对船舶设备寿命预测进行了...     

面向电子商务的Web数据挖掘应用研究

过去几十年里,伴随着电子商务的飞速发展,Web已迅速发展成为世界上规模最大的公共数据源.如何从网络上大量的信息中找出真正有价值的信息和知识,已成为企业和商家所密切关注的问题.本文简要介绍了电子商务、数据挖掘及Web数据挖掘等内容,并对Web数据挖掘技术在电子商务中的应用进行了探究.     

大数据在中医领域中的应用

探讨了在大数据应用环境下,中医信息化所面临的困难,介绍了大数据在辅助疾病预测、辅助中医临床诊断和治疗、名老中医专家系统的构建等中医领域中的应用,借助数据挖掘技术寻找中医应用中的规律、模式。利用数据挖掘技术在中医信息中寻找有价值的医学医术知识,用以解决疾病的预防与疾病诊治问题,提高了中医疾病诊断及其中医合理用药的水平,为中医大数据的综合利用奠定坚实的基础。     

基于多尺度数据融合的锂电池健康状态评估

针对锂电池健康状态评估问题,提出一种以人工神经网络为核心多尺度数据融合框架下的锂电池健康状态评估方法.选取内阻、充电电压样本熵和等压降放电时间作为典型特征参数,建立3层分布式人工神经网络对特征参数进行多尺度融合计算,以计算拟合输出结果作为评估健康状态的参考值,并通过美国国家航空航天局(national aeronautics and space administration, NASA)试验数据集进行验证.结果表明：提出的评估方法能够基于锂电池充放电测量数据和解算特征参数,利用多尺度数据融合框架迅速迭代收敛,完成锂电池健康状态评估拟合;该评估方法的计算结果与测试平台实测值相比,平均误差小于3%,评估性能衰退趋势与实际劣化趋势一致.     

新形势下大数据分析方法在项目管理中的应用

通过大数据分析技术可有效解决传统项目管理方法在衡量任务工作量和工期偏差中的主观性和局限性,基于历史项目任务数据对随机森林分类器进行训练,使分类器输出结果符合实际项目应用,并通过实证分析较好地实现了项目成本和进度偏差识别。     

中国长足寄蝇亚科生物信息综合数据库的设计与实现

长足寄蝇亚科昆虫世界已知13族260属1 000余种,中国有9族35属118种;对其外形、生活史、生态习性、地理分布、寄主类型、起源及演化等的研究产生了海量数据。这就涉及到海量数据的存储与检索。主要从数据建模、数据库表的设计、数据存储、数据检索,以及数据挖掘几个方面介绍长足寄蝇亚科生物信息综合数据库的建设,实现将生物学基础研究全过程的信息通过计算机技术和手段进行综合存储。将生物形态学与分子生物学数据结合起来,根据研究领域的特点和科研成果交流需要,该项目已经应用在本科生、研究生的教学、科研和科学普及社会服务中。