在民机客舱核心管理系统(Cabin Core Management System,CCMS)网络拓扑设计中,为实现更高的可靠性和实时性通信,采用基于以太网的菊花链方式将客舱核心管理单元、乘客服务控制单元(Passenger Service Control Unit,PSCU)和区域音频单元(...在民机客舱核心管理系统(Cabin Core Management System,CCMS)网络拓扑设计中,为实现更高的可靠性和实时性通信,采用基于以太网的菊花链方式将客舱核心管理单元、乘客服务控制单元(Passenger Service Control Unit,PSCU)和区域音频单元(Zone Audio Unit,ZAU)进行连接,形成了二级环形网络。针对环形网络拓扑中会存在广播风暴等问题,分别探索使用生成树协议(Spanning Tree Protocol,STP)和以太网控制自动化技术(Ethernet Control Automation Technology,EtherCAT)方案下的网络通信情况。在仿真阶段,使用OPNET设计了民机CCMS二级环形网络仿真模型,测试了PSCU和ZAU在这2种方案下的部分业务性能指标。将2种方案对比分析,验证了二级环形网络应用在民机CCMS中的通信可靠性和实时性。展开更多
不同海区的近岸海浪浪高具有明显差异性。针对当前大部分时间序列预测模型缺乏对不同地区(多源)浪高预测的适应性难题,提出了一种基于局部加权回归的多周期趋势分解(Seasonal and Trend decomposition using Loess,STL)和两级融合策略...不同海区的近岸海浪浪高具有明显差异性。针对当前大部分时间序列预测模型缺乏对不同地区(多源)浪高预测的适应性难题,提出了一种基于局部加权回归的多周期趋势分解(Seasonal and Trend decomposition using Loess,STL)和两级融合策略的浪高预测模型,简称为MSTL-WH(Multiple STL-Wave Height)。结合多源近岸浪高时间序列的多周期性、非线性和非平稳性的特点,首先利用周期图法提取多源近岸浪高数据集中的4个主要周期,并基于主要周期进行多次STL分解,将复杂的原始浪高序列分解为周期项、趋势项和余项;然后利用长短期记忆网络(Long Short Term Memory,LSTM)并结合两级融合策略,搭建近岸浪高预测网络;最后使用自注意力机制重新调整权重并输出未来12 h的浪高值。通过与当前主流时间序列预测方法对比,验证了所提方法在多源近岸浪高序列预测中具有较好的实用性和更低的预测误差。展开更多
文摘在民机客舱核心管理系统(Cabin Core Management System,CCMS)网络拓扑设计中,为实现更高的可靠性和实时性通信,采用基于以太网的菊花链方式将客舱核心管理单元、乘客服务控制单元(Passenger Service Control Unit,PSCU)和区域音频单元(Zone Audio Unit,ZAU)进行连接,形成了二级环形网络。针对环形网络拓扑中会存在广播风暴等问题,分别探索使用生成树协议(Spanning Tree Protocol,STP)和以太网控制自动化技术(Ethernet Control Automation Technology,EtherCAT)方案下的网络通信情况。在仿真阶段,使用OPNET设计了民机CCMS二级环形网络仿真模型,测试了PSCU和ZAU在这2种方案下的部分业务性能指标。将2种方案对比分析,验证了二级环形网络应用在民机CCMS中的通信可靠性和实时性。
文摘不同海区的近岸海浪浪高具有明显差异性。针对当前大部分时间序列预测模型缺乏对不同地区(多源)浪高预测的适应性难题,提出了一种基于局部加权回归的多周期趋势分解(Seasonal and Trend decomposition using Loess,STL)和两级融合策略的浪高预测模型,简称为MSTL-WH(Multiple STL-Wave Height)。结合多源近岸浪高时间序列的多周期性、非线性和非平稳性的特点,首先利用周期图法提取多源近岸浪高数据集中的4个主要周期,并基于主要周期进行多次STL分解,将复杂的原始浪高序列分解为周期项、趋势项和余项;然后利用长短期记忆网络(Long Short Term Memory,LSTM)并结合两级融合策略,搭建近岸浪高预测网络;最后使用自注意力机制重新调整权重并输出未来12 h的浪高值。通过与当前主流时间序列预测方法对比,验证了所提方法在多源近岸浪高序列预测中具有较好的实用性和更低的预测误差。
