-
公开(公告)号:CN114880922A
公开(公告)日:2022-08-09
申请号:CN202210392693.8
申请日:2022-04-15
Applicant: 大连理工大学
IPC: G06F30/27 , G06F16/248 , G06F16/22 , G06F119/02
Abstract: 本发明属于大数据分析与智能预测领域,公开了一种面向民航的飞行数据分析与性能趋势预测系统,系统分别针对客户端和服务器进行设计:客户端部分主要由数据管理与传输模块、数据分析诊断模块、性能预测模块组成;中央服务器部分主要由数据库管理模块、算法运行与分析模块组成。针对飞机数据量大、参数量多的特点,本发明通过中央服务器实现数据的存储、分类管理及预测算法的训练、运行;客户端实现数据的读取与解析、进行简单的故障诊断以及可视化展示预测算法的结果。
-
公开(公告)号:CN114780625A
公开(公告)日:2022-07-22
申请号:CN202210392694.2
申请日:2022-04-15
Applicant: 大连理工大学
IPC: G06F16/25 , G06F16/26 , G06F16/28 , G06F16/901 , G06F16/906
Abstract: 本发明公开了一种针对民用飞机的数据管理与综合分析系统,包含服务器端与用户端。服务器端包括数据解析与读取模块、数据库模块、数据传输模块;用户端包括用户交互模块、图表显示模块、故障诊断模块、性能趋势分析模块及信息导出模块。本发明提出了一种更加高效简洁、更具备安全性的数据管理解决方案。本系统具有基于分布式数据库的文件化管理大量数据的功能,极大降低了数据存储设备维护难度,具有分类统计的功能、能够对数据进行可视化和耦合分析,有利于工作人员对多变量结合分析,采用预先设定好或用户自定义的判断逻辑通过飞参进行故障诊断,提升了飞机部件故障诊断的准确度,为飞机状态的综合评测提供了强力支撑。
-
公开(公告)号:CN116467954A
公开(公告)日:2023-07-21
申请号:CN202310032803.4
申请日:2023-01-10
Applicant: 大连理工大学 , 中国航发控制系统研究所
IPC: G06F30/28 , G06F18/2411 , G06F18/214 , G06F113/08 , G06F119/14 , G06F111/10
Abstract: 本发明属于高超声速进气道的流场监测领域,提出一种基于改进支持向量机特征选择的进气道流动状态分类方法。依据典型的高超声速进气道模型,构建进气道流动状态数据集;基于特征选择ReliefF方法,计算特征权重,进行特征初步选择;基于共享最近邻相似度的粒度支持向量机GSVM‑SNN,每次从初步选择的特征中选择两个特征进行共享最近邻相似度的粒度支持向量机训练,保留训练准确率最高的两个特征为最终特征,并将训练得到的分类模型作为决策模型;将决策模型用于测试集,根据测试训练效果,最终得到高超声速进气道的流动状态。
-
-