陳效真，周 姣，董燕琴，魏宗康，王常虹

（1.國(guó)家慣性技術(shù)產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心，北京100039；2.北京航天控制儀器研究所，北京100039；3.火箭軍裝備研究院，北京100094；4.哈爾濱工業(yè)大學(xué)空間控制與慣性技術(shù)研究中心，哈爾濱150080）

0 引言

高精度慣性導(dǎo)航系統(tǒng)作為戰(zhàn)略導(dǎo)彈武器系統(tǒng)中制導(dǎo)和控制的關(guān)鍵部件，是武器系統(tǒng)實(shí)現(xiàn)精確打擊的關(guān)鍵［1-4］。高精度慣性導(dǎo)航系統(tǒng)產(chǎn)品的研制、驗(yàn)收和應(yīng)用分為4個(gè)階段運(yùn)行，期間生成了海量的數(shù)據(jù)。第一階段是研制階段，由設(shè)計(jì)和生產(chǎn)單位完成，生成了大量元件、儀表和單機(jī)的測(cè)試數(shù)據(jù)；第二階段是控制系統(tǒng)綜合測(cè)試階段，生成了大量的靜動(dòng)態(tài)試驗(yàn)仿真數(shù)據(jù)、地面模擬飛行數(shù)據(jù)；第三階段是飛行試驗(yàn)和靶試階段，重點(diǎn)在于收集遙外測(cè)數(shù)據(jù)，驗(yàn)證天地一致性；第四階段是裝備服役階段，生成了大量的儲(chǔ)存、年檢及性能退化數(shù)據(jù)。不同時(shí)期從不同側(cè)面反映了產(chǎn)品特性，每個(gè)階段數(shù)據(jù)各具特色，形成不同特征的數(shù)據(jù)包，但是各階段自成體系，由此形成數(shù)據(jù) “孤島”。這些 “孤島”之間缺乏溝通互補(bǔ)，雖為同類(lèi)，但由于型號(hào)不同，組織建設(shè)的制約導(dǎo)致慣性導(dǎo)航系統(tǒng)借鑒和應(yīng)用的藩籬，難以形成高精度慣性導(dǎo)航系統(tǒng)全壽命周期測(cè)試大數(shù)據(jù)體系。

慣性導(dǎo)航測(cè)試數(shù)據(jù)的分析是高精度慣性導(dǎo)航系統(tǒng)研制、驗(yàn)收和應(yīng)用中的難題。目前，很大部分?jǐn)?shù)據(jù)采用人工判讀集合單機(jī)數(shù)據(jù)庫(kù)存儲(chǔ)的方式進(jìn)行，這種依賴人工的數(shù)據(jù)分析在面對(duì)海量的大數(shù)據(jù)時(shí)，存在耗時(shí)、低效、成本高等諸多缺點(diǎn)，并且測(cè)試人員很難通過(guò)肉眼從海量的原始數(shù)據(jù)中理解問(wèn)題的本質(zhì)。如何將這些海量數(shù)據(jù)背后隱含的有價(jià)值信息挖掘出來(lái)，幫助測(cè)試人員分析和解決問(wèn)題，提高慣性導(dǎo)航系統(tǒng)的精度已成為當(dāng)務(wù)之急和應(yīng)勢(shì)之舉。

大數(shù)據(jù)是指無(wú)法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)，它具有規(guī)模性（Volume）、實(shí)時(shí)高速性（Velocity）、 多樣性（Variety）、 低價(jià)值密度（Value）和真實(shí)性（Veracity）5個(gè)特征。目前，高精度慣性導(dǎo)航系統(tǒng)在全壽命周期的數(shù)據(jù)也具備上述5個(gè)特征。同時(shí)，高精度慣性導(dǎo)航系統(tǒng)還具備新的特征，例如，在出廠階段重點(diǎn)在于對(duì)慣性測(cè)量裝置低階誤差系數(shù)的穩(wěn)定性考核，在控制系統(tǒng)綜合測(cè)試階段重點(diǎn)在于對(duì)慣性測(cè)量系統(tǒng)高階誤差和動(dòng)態(tài)導(dǎo)航精度的估計(jì)和評(píng)估，在裝備服役階段重點(diǎn)在于對(duì)測(cè)試數(shù)據(jù)的保持能力和飛行試驗(yàn)的遙外測(cè)數(shù)據(jù)收集和比對(duì)，驗(yàn)證高精度慣性導(dǎo)航系統(tǒng)的天地一致性。高精度慣性導(dǎo)航系統(tǒng)的數(shù)據(jù)同一產(chǎn)品子樣少，同類(lèi)型號(hào)多；數(shù)據(jù)生成周期長(zhǎng)，同類(lèi)產(chǎn)品試驗(yàn)頻次多；數(shù)據(jù)高密度壁壘致使數(shù)據(jù)分散，關(guān)聯(lián)度不緊密，顯性度不夠。因此，亟需建立一個(gè)高精度慣性導(dǎo)航系統(tǒng)全壽命周期測(cè)試大數(shù)據(jù)體系，通過(guò)數(shù)據(jù)挖掘?qū)崿F(xiàn)同類(lèi)產(chǎn)品數(shù)據(jù)對(duì)比和經(jīng)驗(yàn)遞推，以保障慣性導(dǎo)航系統(tǒng)精度、可靠性、壽命及天地一致性等應(yīng)用性能。

本文首先介紹了大數(shù)據(jù)發(fā)展現(xiàn)狀；其次詳細(xì)分析了慣性導(dǎo)航測(cè)試系統(tǒng)數(shù)據(jù)采集、數(shù)據(jù)管理及數(shù)據(jù)應(yīng)用中存在的問(wèn)題，提出大數(shù)據(jù)管理分析系統(tǒng)的需求和目標(biāo)；最后，結(jié)合數(shù)據(jù)管理和分析中的關(guān)鍵技術(shù)，構(gòu)建了慣性導(dǎo)航測(cè)試系統(tǒng)以數(shù)據(jù)采集層、數(shù)據(jù)支撐層和數(shù)據(jù)應(yīng)用層為3大模塊的大數(shù)據(jù)分析平臺(tái)基本框架。為高精度慣性導(dǎo)航系統(tǒng)優(yōu)化設(shè)計(jì)、提升精度、保障產(chǎn)品可靠性、合理預(yù)估系統(tǒng)壽命及適應(yīng)未來(lái)戰(zhàn)爭(zhēng)提供了發(fā)展思路。

1 大數(shù)據(jù)發(fā)展現(xiàn)狀

在試驗(yàn)不變的條件下，重復(fù)試驗(yàn)多次，隨機(jī)事件的頻率近似于它的概率，這是大數(shù)據(jù)定理的基礎(chǔ)。有規(guī)律的隨機(jī)事件在大量重復(fù)出現(xiàn)的條件下，往往呈現(xiàn)幾乎必然的統(tǒng)計(jì)特性。2010年，《Science》刊登文章指出，雖然人們的出行模式有很大不同，但大多數(shù)是可以預(yù)測(cè)的。這意味著能夠根據(jù)個(gè)體之前的行為軌跡預(yù)測(cè)未來(lái)行蹤的可能性，從此開(kāi)啟了大數(shù)據(jù)理論研究的先河。牛津大學(xué)網(wǎng)絡(luò)學(xué)院互聯(lián)網(wǎng)治理與監(jiān)管專(zhuān)業(yè)教授舍恩伯格在 《大數(shù)據(jù)時(shí)代》一書(shū)中指出，大數(shù)據(jù)不是隨機(jī)樣本，而是全體數(shù)據(jù)；不是精確性，而是混雜性；不是因果關(guān)系，而是相關(guān)關(guān)系。在這樣一個(gè)數(shù)據(jù)大量產(chǎn)生和積累的時(shí)代，從海量的數(shù)據(jù)金礦中發(fā)現(xiàn)暗藏的規(guī)律，就能夠搶占先機(jī)，先發(fā)制人。

隨著信息化與工業(yè)化的融合發(fā)展，信息技術(shù)滲透到了工業(yè)企業(yè)產(chǎn)業(yè)鏈的各個(gè)環(huán)節(jié)。生產(chǎn)和測(cè)試線上高速運(yùn)轉(zhuǎn)的機(jī)器所產(chǎn)生的數(shù)據(jù)量不亞于計(jì)算機(jī)數(shù)據(jù)，數(shù)據(jù)量大，種類(lèi)多，實(shí)時(shí)性高。隨著工業(yè)大數(shù)據(jù)的逐漸積累，數(shù)據(jù)挖掘?qū)槠髽I(yè)取得更多的價(jià)值，促進(jìn)企業(yè)進(jìn)行經(jīng)濟(jì)效益提升、安全生產(chǎn)和節(jié)能減排等方面的改進(jìn)。

時(shí)至今日，一款型號(hào)慣性導(dǎo)航系統(tǒng)的輸出已由單一數(shù)據(jù)轉(zhuǎn)變?yōu)橛蓴?shù)據(jù)、符號(hào)、噪聲等因素多信息的集成。大數(shù)據(jù)分析平臺(tái)能夠跨越視覺(jué)、文字、語(yǔ)言、圖形、符號(hào)、聽(tīng)覺(jué)、音響、噪聲等不同類(lèi)型的媒體數(shù)據(jù)，對(duì)現(xiàn)實(shí)物理精密結(jié)構(gòu)實(shí)體知識(shí)、機(jī)理、功能、精度、壽命進(jìn)行統(tǒng)一表征，構(gòu)建現(xiàn)實(shí)物理精密結(jié)構(gòu)實(shí)體跨媒體知識(shí)圖譜、模型、標(biāo)準(zhǔn)、理論，實(shí)現(xiàn)跨媒體現(xiàn)實(shí)物理精密結(jié)構(gòu)實(shí)體的知識(shí)演化、推理、預(yù)警、預(yù)測(cè)、評(píng)價(jià)、評(píng)估、演繹、饋補(bǔ)、優(yōu)化、簡(jiǎn)化，實(shí)現(xiàn)數(shù)據(jù)的深度挖掘和物理機(jī)理的深入關(guān)聯(lián)理解。因此，利用新興的大數(shù)據(jù)技術(shù)分析高精度慣性導(dǎo)航系統(tǒng)測(cè)試數(shù)據(jù)已成為提高測(cè)試效率和準(zhǔn)確性、實(shí)踐和檢驗(yàn)現(xiàn)代自主智能控制理論、推動(dòng)慣性技術(shù)應(yīng)用優(yōu)化的必然手段，是慣性導(dǎo)航技術(shù)適應(yīng)現(xiàn)代多維立體交叉戰(zhàn)爭(zhēng)，實(shí)現(xiàn)多元裝備自主智能多信息融合協(xié)同精確打擊的有效解決辦法。

2 高精度慣性導(dǎo)航系統(tǒng)測(cè)試技術(shù)大數(shù)據(jù)應(yīng)用中存在的問(wèn)題

當(dāng)前，我國(guó)在高精度慣性導(dǎo)航系統(tǒng)研制仿真測(cè)試方面，雖然已經(jīng)取得了長(zhǎng)足的進(jìn)步，但仍存在很多不足，與慣性導(dǎo)航技術(shù)產(chǎn)品的研制需求極不適應(yīng)，例如機(jī)理不清、模型簡(jiǎn)單、精度不高、激勵(lì)方法陳舊、流程繁瑣、使用復(fù)雜等諸多關(guān)鍵問(wèn)題。從技術(shù)上講，高精度慣性導(dǎo)航系統(tǒng)在生產(chǎn)工藝上已經(jīng)將產(chǎn)品的生產(chǎn)精度提高到極致，而目前大部分瓶頸問(wèn)題在于高精度慣性導(dǎo)航系統(tǒng)測(cè)試技術(shù)沒(méi)有足夠的計(jì)算能力，處理海量數(shù)據(jù)困難，因此，要把這些龐大的工程數(shù)據(jù)利用起來(lái)，為數(shù)據(jù)分析提供高性能并行計(jì)算是必要的基礎(chǔ)能力。大數(shù)據(jù)是現(xiàn)代信息技術(shù)的重要發(fā)展方向之一，實(shí)現(xiàn)大數(shù)據(jù)的共享和分析將為高精度慣性導(dǎo)航系統(tǒng)帶來(lái)難以估量的經(jīng)濟(jì)價(jià)值和工作效率，同時(shí)也會(huì)對(duì)慣性導(dǎo)航技術(shù)發(fā)展產(chǎn)生巨大的推動(dòng)作用。高精度慣性導(dǎo)航系統(tǒng)有必要順應(yīng)當(dāng)前趨勢(shì)，向著互聯(lián)共享、虛擬化、自動(dòng)化、模塊化、集成化、綜合化、智能化、網(wǎng)絡(luò)化、協(xié)同化、實(shí)戰(zhàn)化、標(biāo)準(zhǔn)化的方向發(fā)展，將海量的測(cè)試數(shù)據(jù)加以利用，因此，對(duì)高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)測(cè)試平臺(tái)的建設(shè)需求十分緊迫。

2.1 高精度慣性導(dǎo)航系統(tǒng)數(shù)據(jù)采集中存在的問(wèn)題

數(shù)據(jù)采集是數(shù)據(jù)挖掘和分析的前提，同時(shí)也是分析解決問(wèn)題，提升產(chǎn)品性能的第一步。

在目前的高精度慣性導(dǎo)航測(cè)試過(guò)程中，數(shù)據(jù)的采集和應(yīng)用存在嚴(yán)峻問(wèn)題。其中包括：1）數(shù)據(jù)可信度不強(qiáng)。由于測(cè)試過(guò)程中環(huán)境、操作流程等數(shù)據(jù)沒(méi)有完整記錄，導(dǎo)致測(cè)試過(guò)程中產(chǎn)生的干擾被帶入采集數(shù)據(jù)，數(shù)據(jù)的準(zhǔn)確性降低，可信度不強(qiáng)。2）數(shù)據(jù)與物理行為映射關(guān)系不清。數(shù)據(jù)的產(chǎn)生受到多種物理行為的影響，在誤差的分析過(guò)程中，有限的測(cè)試數(shù)據(jù)很難將各種物理因素的影響分離出來(lái)，因而在誤差補(bǔ)償過(guò)程中物理機(jī)理不明確，針對(duì)性差。3）全生命周期數(shù)據(jù)采集積累、統(tǒng)籌分析、系統(tǒng)協(xié)同應(yīng)用管理、風(fēng)險(xiǎn)預(yù)測(cè)預(yù)判不力。其中，生產(chǎn)、測(cè)試和貯存各階段中只關(guān)心階段內(nèi)的數(shù)據(jù)，各階段之間銜接不緊密，缺乏全局總體的數(shù)據(jù)觀測(cè)，導(dǎo)致風(fēng)險(xiǎn)預(yù)測(cè)能力差。4）行業(yè)壁壘嚴(yán)重。從元器件到裝配及使用過(guò)程中，各部門(mén)間數(shù)據(jù)傳遞缺乏，原始數(shù)據(jù)和問(wèn)題被保留，系統(tǒng)整體性差。這些問(wèn)題導(dǎo)致慣性系統(tǒng)的物理機(jī)械性能測(cè)試不準(zhǔn)確，進(jìn)而直接降低高精度慣性導(dǎo)航系統(tǒng)精度、可靠性和儲(chǔ)存壽命。

2.2 高精度慣性導(dǎo)航系統(tǒng)數(shù)據(jù)管理中存在的問(wèn)題

高精度慣性導(dǎo)航系統(tǒng)測(cè)試過(guò)程中產(chǎn)生的數(shù)據(jù)具有數(shù)據(jù)量大、類(lèi)型復(fù)雜多樣及關(guān)聯(lián)性強(qiáng)的特點(diǎn)，如何在這些數(shù)據(jù)之間建立連接，為測(cè)試人員提供便捷的數(shù)據(jù)瀏覽界面是測(cè)試數(shù)據(jù)分析是否成功的重要因素。若能夠?qū)崿F(xiàn)對(duì)全部歷史數(shù)據(jù)的自由追溯查詢，則質(zhì)量過(guò)程控制的力度將大幅度提升，實(shí)現(xiàn)高精度慣性導(dǎo)航系統(tǒng)不同階段間所有數(shù)據(jù)內(nèi)容的橫縱比對(duì)，必然將大幅提升高精度慣性導(dǎo)航系統(tǒng)的測(cè)試質(zhì)量和效率。

慣性導(dǎo)航測(cè)試系統(tǒng)目前的數(shù)據(jù)處理手段和管理手段已經(jīng)無(wú)法適應(yīng)當(dāng)前高精度慣性導(dǎo)航系統(tǒng)研制的要求，存在的主要問(wèn)題包括：1）測(cè)試數(shù)據(jù)量大，但數(shù)據(jù)采集設(shè)備與數(shù)據(jù)管理服務(wù)器不互連，雖然使用TDM對(duì)數(shù)據(jù)進(jìn)行了處理并存儲(chǔ)在關(guān)系型數(shù)據(jù)庫(kù)中，但依然可能導(dǎo)致數(shù)據(jù)不一致性問(wèn)題。2）數(shù)據(jù)類(lèi)型多，缺乏統(tǒng)一管理，數(shù)據(jù)導(dǎo)入過(guò)程復(fù)雜、效率低，導(dǎo)致數(shù)據(jù)更新的時(shí)效性差。3）對(duì)于大數(shù)據(jù)，無(wú)法使用存儲(chǔ)介質(zhì)進(jìn)行設(shè)備與服務(wù)器之間的數(shù)據(jù)交換，導(dǎo)致大量數(shù)據(jù)浪費(fèi)。4）數(shù)據(jù)利用率低，分析困難，無(wú)法利用大數(shù)據(jù)處理方法來(lái)進(jìn)行高精度慣性導(dǎo)航系統(tǒng)可靠性評(píng)估與故障診斷。5）高精度慣性導(dǎo)航系統(tǒng)數(shù)據(jù)處理與分析方法不規(guī)范，共享性差，導(dǎo)致推廣困難，重復(fù)工作。6）數(shù)據(jù)自動(dòng)判讀的深度與廣度不夠，導(dǎo)致測(cè)試覆蓋性不全，容易漏掉產(chǎn)品的質(zhì)量問(wèn)題。據(jù)統(tǒng)計(jì)，一個(gè)測(cè)試任務(wù)結(jié)束時(shí)，往往會(huì)產(chǎn)生GB量級(jí)的文檔甚至TB量級(jí)的測(cè)試數(shù)據(jù)，這些數(shù)據(jù)的利用還存在著嚴(yán)重不足。一方面，數(shù)據(jù)查找非常不方便，測(cè)試人員在資料收集上浪費(fèi)大量時(shí)間；另一方面，一旦設(shè)備出現(xiàn)故障，這些數(shù)據(jù)可能會(huì)丟失，給企業(yè)帶來(lái)?yè)p失。

面對(duì)高精度慣性導(dǎo)航系統(tǒng)測(cè)試過(guò)程中產(chǎn)生的諸多問(wèn)題，大數(shù)據(jù)技術(shù)將成為提升高精度慣性導(dǎo)航系統(tǒng)測(cè)試效率和準(zhǔn)確性的有效方案。因此，高精度慣性導(dǎo)航系統(tǒng)迫切需要建設(shè)一個(gè)高效統(tǒng)一的數(shù)據(jù)管理和分析系統(tǒng)，提升測(cè)試準(zhǔn)確性和效率，完善企業(yè)的知識(shí)積累。

2.3 高精度慣性導(dǎo)航系統(tǒng)數(shù)據(jù)應(yīng)用中存在的問(wèn)題

在慣性導(dǎo)航測(cè)試技術(shù)中主要以精度、可靠性、儲(chǔ)存維修指標(biāo)和退役指標(biāo)評(píng)價(jià)高精度慣性導(dǎo)航系統(tǒng)4類(lèi)重要的應(yīng)用性能。目前的慣性導(dǎo)航系統(tǒng)數(shù)據(jù)應(yīng)用中，每一類(lèi)指標(biāo)的數(shù)據(jù)采集中都存在問(wèn)題，具體如圖1所示。下面針對(duì)高精度慣性導(dǎo)航系統(tǒng)的4類(lèi)指標(biāo)，分析慣性導(dǎo)航測(cè)試系統(tǒng)數(shù)據(jù)采集中存在的具體問(wèn)題。

（1）精度

慣性導(dǎo)航測(cè)試系統(tǒng)中精度指標(biāo)包括設(shè)計(jì)指標(biāo)、測(cè)試指標(biāo)、試驗(yàn)指標(biāo)和環(huán)境指標(biāo)。其中，設(shè)計(jì)指標(biāo)來(lái)源于高精度慣性導(dǎo)航系統(tǒng)最初的理論設(shè)計(jì)，測(cè)試指標(biāo)來(lái)源于生產(chǎn)制造過(guò)程，試驗(yàn)指標(biāo)來(lái)源于出廠驗(yàn)收階段，而環(huán)境指標(biāo)則來(lái)源于應(yīng)用過(guò)程。目前，對(duì)于各階段精度的測(cè)試，指標(biāo)體系不完善，概念不一致，行業(yè)應(yīng)用存在差異。在行業(yè)體系的上下游指標(biāo)要求不標(biāo)準(zhǔn)、設(shè)置不規(guī)范不配套、關(guān)系不科學(xué)、標(biāo)準(zhǔn)體系不完善、參數(shù)不配套、量化細(xì)化差，導(dǎo)致精度測(cè)試數(shù)據(jù)可操作性差。

（2）可靠性

高精度慣性導(dǎo)航系統(tǒng)的可靠性包括穩(wěn)定性、可靠性和壽命3個(gè)方面。在高精度慣性導(dǎo)航系統(tǒng)可靠性的測(cè)試中，由于測(cè)試數(shù)據(jù)有限，小子樣很難對(duì)系統(tǒng)的性能有效估計(jì)。同時(shí)，可靠性的經(jīng)驗(yàn)公式通常在少量干擾下能夠較準(zhǔn)確地預(yù)估，而對(duì)于高精度慣性導(dǎo)航系統(tǒng)，結(jié)構(gòu)和應(yīng)用環(huán)境復(fù)雜，經(jīng)驗(yàn)數(shù)據(jù)無(wú)法準(zhǔn)確估計(jì)系統(tǒng)可靠性。在實(shí)際測(cè)試過(guò)程中，可靠性的3個(gè)方面通常單獨(dú)考慮，而忽略了三者之間的物理聯(lián)系。

（3）儲(chǔ)存壽命

在儲(chǔ)存過(guò)程中，高精度慣性導(dǎo)航系統(tǒng)需要滿足功能的可靠性，同時(shí)還要求滿足精度指標(biāo)的穩(wěn)定性。這些性能需要在檢測(cè)和維修的數(shù)據(jù)中真實(shí)反應(yīng)，但目前慣性導(dǎo)航測(cè)試系統(tǒng)中對(duì)于儲(chǔ)存壽命的判讀缺乏可信度。首先，儲(chǔ)存環(huán)境中各因素對(duì)高精度慣性導(dǎo)航系統(tǒng)組件性能的影響因子無(wú)法準(zhǔn)確確定；其次，缺乏高精度慣性導(dǎo)航系統(tǒng)失效判據(jù)，不能判別系統(tǒng)功能的可靠性，更無(wú)法判斷系統(tǒng)精度的變化。

（4）退役

在高精度慣性導(dǎo)航系統(tǒng)退役檢測(cè)中包括退役、鑒定和評(píng)判3項(xiàng)指標(biāo)，由于數(shù)據(jù)積累較少，3項(xiàng)指標(biāo)的準(zhǔn)確性和完備性不足。對(duì)于3項(xiàng)指標(biāo)標(biāo)準(zhǔn)的完善和統(tǒng)一，仍然需要大量試驗(yàn)和數(shù)據(jù)的積累。

3 高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)管理分析系統(tǒng)的需求和目標(biāo)

慣性導(dǎo)航測(cè)試系統(tǒng)大數(shù)據(jù)管理分析系統(tǒng)的建立是為了提供并行計(jì)算平臺(tái)，并且高效地對(duì)慣性導(dǎo)航平臺(tái)產(chǎn)生的海量測(cè)試數(shù)據(jù)進(jìn)行處理，進(jìn)而對(duì)數(shù)據(jù)進(jìn)行管理、融合、分析、挖掘，實(shí)現(xiàn)慣性導(dǎo)航測(cè)試數(shù)據(jù)分析處理的統(tǒng)一化、批量化、自動(dòng)化、模板化、重用化。如圖2所示，該目標(biāo)的實(shí)現(xiàn)是完善當(dāng)前高精度慣性導(dǎo)航系統(tǒng)測(cè)試，提高其準(zhǔn)確性和高效性不可或缺的步驟。

（1）建立多型號(hào)全過(guò)程產(chǎn)品數(shù)據(jù)中心

為了高效合理地管控平臺(tái)生產(chǎn)的海量測(cè)試數(shù)據(jù)，需要建立標(biāo)準(zhǔn)統(tǒng)一、體系完善的數(shù)據(jù)中心。多型號(hào)全過(guò)程產(chǎn)品數(shù)據(jù)中心是要將系列型號(hào)產(chǎn)品參數(shù)、系列品種產(chǎn)品參數(shù)生產(chǎn)過(guò)程中的原材料性能參數(shù)、物理成型幾何參數(shù)、元器件性能參數(shù)、儀表集成過(guò)程參數(shù)、測(cè)試試驗(yàn)激勵(lì)參數(shù)、系統(tǒng)集成性能參數(shù)、環(huán)境適應(yīng)性參數(shù)、儲(chǔ)存應(yīng)用過(guò)程參數(shù)、功能精度失效參數(shù)等全方位多角度的產(chǎn)品參數(shù)通過(guò)測(cè)試采集下來(lái)，形成融合理論數(shù)據(jù)、設(shè)計(jì)數(shù)據(jù)、制造數(shù)據(jù)、測(cè)試數(shù)據(jù)、試驗(yàn)數(shù)據(jù)、應(yīng)用數(shù)據(jù)、失效數(shù)據(jù)等大量數(shù)據(jù)的全參數(shù)媒體數(shù)據(jù)庫(kù)；建立完善的指標(biāo)體系和標(biāo)準(zhǔn)體系，解決試驗(yàn)測(cè)試中精度標(biāo)準(zhǔn)不統(tǒng)一、可操作性差、可靠性分析預(yù)估不準(zhǔn)確、儲(chǔ)存環(huán)境影響量化困難、壽命數(shù)據(jù)缺失等核心關(guān)鍵問(wèn)題。實(shí)現(xiàn)數(shù)據(jù)采集存儲(chǔ)格式統(tǒng)一化、歷史數(shù)據(jù)縱向分析和橫向?qū)Ρ扰炕?、平臺(tái)數(shù)據(jù)處理算法重用化、單元測(cè)試與總裝測(cè)試數(shù)據(jù)判讀自動(dòng)化、測(cè)試判讀報(bào)告模塊化，避免數(shù)據(jù)遺漏和缺失，顯著提高數(shù)據(jù)檢索效率，形成各類(lèi)型號(hào)產(chǎn)品數(shù)據(jù)體系的完整 “檔案”，實(shí)現(xiàn)準(zhǔn)確高效的取用數(shù)據(jù)。

（2）建立大數(shù)據(jù)多媒體推理專(zhuān)用平臺(tái)

如圖3所示，為了更好地挖掘數(shù)據(jù)價(jià)值，有效地積累和利用測(cè)試數(shù)據(jù)，需要依托數(shù)據(jù)管理分析系統(tǒng)。結(jié)合完備的性能參數(shù)、過(guò)程參數(shù)，跨越視覺(jué)、文字、語(yǔ)言等不同類(lèi)型的媒體數(shù)據(jù)，利用智能動(dòng)態(tài)優(yōu)化技術(shù)，建立慣性導(dǎo)航測(cè)試系統(tǒng)大數(shù)據(jù)網(wǎng)絡(luò)媒體推理應(yīng)用平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)的深度挖掘，實(shí)現(xiàn)對(duì)現(xiàn)實(shí)物理精密結(jié)構(gòu)實(shí)體知識(shí)、機(jī)理、功能、精度、壽命的統(tǒng)一表征，實(shí)現(xiàn)數(shù)據(jù)和物理機(jī)理的深入關(guān)聯(lián)和理解。

大數(shù)據(jù)網(wǎng)絡(luò)媒體推理應(yīng)用平臺(tái)的建設(shè)需要實(shí)現(xiàn)測(cè)試數(shù)據(jù)的機(jī)器學(xué)習(xí)、自主學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)，以智能動(dòng)態(tài)優(yōu)化（IDO）為支撐，利用遺傳算法、粒子群算法、果蠅優(yōu)化算法等先進(jìn)的數(shù)據(jù)挖掘和分析方法，實(shí)現(xiàn)數(shù)據(jù)價(jià)值的深入挖掘，從而解決高精度慣性導(dǎo)航系統(tǒng)中表征體系的統(tǒng)一、關(guān)聯(lián)映射的理解和推導(dǎo)、標(biāo)準(zhǔn)體系的優(yōu)化與完善、誤差模型的準(zhǔn)確識(shí)別和科學(xué)模型的預(yù)估等關(guān)鍵重大問(wèn)題。

在大數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的基礎(chǔ)上，大數(shù)據(jù)理論可以進(jìn)一步推進(jìn)產(chǎn)品設(shè)計(jì)改進(jìn)和性能提升。一方面，依據(jù)對(duì)慣性導(dǎo)航系統(tǒng)機(jī)理、設(shè)計(jì)、生產(chǎn)、測(cè)試及應(yīng)用過(guò)程中大數(shù)據(jù)的挖掘，可以全面分析系統(tǒng)性能。從產(chǎn)品和型號(hào)設(shè)計(jì)的角度，可以分析慣性導(dǎo)航系統(tǒng)設(shè)計(jì)精度指標(biāo)分配是否合理，從而在生產(chǎn)過(guò)程中對(duì)精度的提升有的放矢；從產(chǎn)品和型號(hào)的生產(chǎn)角度，可以分析生產(chǎn)和設(shè)計(jì)的一致性是否充分發(fā)揮，機(jī)械和電氣系統(tǒng)是否滿足兼容性的要求，從而完善設(shè)計(jì)方案；從產(chǎn)品和型號(hào)的應(yīng)用角度，可以分析系統(tǒng)機(jī)動(dòng)性能、準(zhǔn)備時(shí)長(zhǎng)、使用精度等性能是否滿足實(shí)際需求。另一方面，相對(duì)于過(guò)去的樣本代替全體的統(tǒng)計(jì)方法，大數(shù)據(jù)將使用全局的數(shù)據(jù)，統(tǒng)計(jì)出來(lái)的結(jié)果更為準(zhǔn)確。這樣，利用大數(shù)據(jù)平臺(tái)將慣性導(dǎo)航系統(tǒng)的設(shè)計(jì)、生產(chǎn)和應(yīng)用環(huán)節(jié)緊密聯(lián)系，實(shí)現(xiàn)一體化。

基于這樣的高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)管理分析系統(tǒng)框架，一方面，從基本原理的角度可以構(gòu)建現(xiàn)實(shí)物理精密結(jié)構(gòu)實(shí)體跨媒體知識(shí)圖譜、模型、標(biāo)準(zhǔn)、理論，實(shí)現(xiàn)跨媒體現(xiàn)實(shí)物理精密結(jié)構(gòu)實(shí)體的知識(shí)演化、推理、預(yù)警、預(yù)測(cè)、評(píng)價(jià)、評(píng)估、演繹、饋補(bǔ)、優(yōu)化、簡(jiǎn)化；另一方面，從實(shí)戰(zhàn)應(yīng)用的角度可以實(shí)現(xiàn)現(xiàn)代自主智能控制理論驗(yàn)證和實(shí)踐，從而推動(dòng)慣性技術(shù)應(yīng)用優(yōu)化，適應(yīng)現(xiàn)代多維立體交叉戰(zhàn)爭(zhēng)中多元裝備自主智能多信息融合協(xié)同精確打擊模式的需求。因此，高精度慣性導(dǎo)航系統(tǒng)測(cè)試技術(shù)中大數(shù)據(jù)管理分析平臺(tái)的建立是深入理解數(shù)據(jù)物理機(jī)理、優(yōu)化系統(tǒng)設(shè)計(jì)、提高精度、提升產(chǎn)品可靠性及準(zhǔn)確預(yù)估系統(tǒng)壽命等慣性導(dǎo)航關(guān)鍵技術(shù)的必經(jīng)之路。

4 高精度慣性導(dǎo)航系統(tǒng)測(cè)試技術(shù)中的大數(shù)據(jù)關(guān)鍵技術(shù)和框架

為了實(shí)現(xiàn)高效地慣性導(dǎo)航系統(tǒng)數(shù)據(jù)管理，分析和挖掘體系，需要高精度慣性導(dǎo)航系統(tǒng)全壽命周期測(cè)試大數(shù)據(jù)平臺(tái)。其中，應(yīng)用的大數(shù)據(jù)關(guān)鍵技術(shù)包括大數(shù)據(jù)形成技術(shù)、大數(shù)據(jù)分析技術(shù)、大數(shù)據(jù)應(yīng)用技術(shù)和大數(shù)據(jù)資源統(tǒng)籌共享技術(shù)這4個(gè)方面。

4.1 高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)形成技術(shù)

高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)的形成是大數(shù)據(jù)數(shù)據(jù)庫(kù)建立的源頭，是數(shù)據(jù)分析和挖掘的基礎(chǔ)［5-6］，數(shù)據(jù)的形成需要保證數(shù)據(jù)的可靠性和完備性?？煽啃詮臏y(cè)試機(jī)理、測(cè)試方法、測(cè)試激勵(lì)和測(cè)試采集的過(guò)程中都要嚴(yán)格把關(guān)，保證每個(gè)環(huán)節(jié)數(shù)據(jù)真實(shí)有效地反映慣導(dǎo)系統(tǒng)的性能。完備性要記錄和保留高精度慣性導(dǎo)航系統(tǒng)從研制、生產(chǎn)、驗(yàn)收和應(yīng)用各環(huán)節(jié)的測(cè)試數(shù)據(jù)，形成完整的測(cè)試鏈條，建立產(chǎn)品和型號(hào)的完備檔案。

4.2 高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)分析技術(shù)

為實(shí)現(xiàn)針對(duì)高精度慣性導(dǎo)航系統(tǒng)海量測(cè)試數(shù)據(jù)的有效利用分析，采用以Hadoop為基礎(chǔ)的并行大數(shù)據(jù)計(jì)算分析平臺(tái)，進(jìn)而實(shí)現(xiàn)高精度慣性導(dǎo)航系統(tǒng)測(cè)試數(shù)據(jù)的管理、分析、挖掘，完成平臺(tái)的可靠性預(yù)測(cè)與故障診斷等功能。

（1）數(shù)據(jù)存儲(chǔ)

針對(duì)航天大數(shù)據(jù)的特點(diǎn)和處理需求，目前較多采用分布式文件系統(tǒng)來(lái)存儲(chǔ)航天數(shù)據(jù)。將數(shù)據(jù)存儲(chǔ)在物理上分散的多個(gè)節(jié)點(diǎn)上，對(duì)這些資源進(jìn)行統(tǒng)一的管理和分配，并向用戶提供文件系統(tǒng)訪問(wèn)接口，可以解決本地文件系統(tǒng)在大小、文件數(shù)量和打開(kāi)文件數(shù)等方面受限的問(wèn)題。

在高精度慣性導(dǎo)航系統(tǒng)測(cè)試數(shù)據(jù)存儲(chǔ)方面，為面對(duì)不斷增長(zhǎng)的平臺(tái)測(cè)試數(shù)據(jù)量及分析需求，可采用HDFS分布式數(shù)據(jù)存儲(chǔ)代替?zhèn)鹘y(tǒng)的以O(shè)rcale為代表的單點(diǎn)存儲(chǔ)模式。HDFS為流式數(shù)據(jù)訪問(wèn)，可以一次寫(xiě)入，多次讀取，數(shù)據(jù)通常由數(shù)據(jù)源生成或從數(shù)據(jù)源復(fù)制而來(lái)，非常適合當(dāng)前高精度慣性導(dǎo)航系統(tǒng)產(chǎn)生的海量數(shù)據(jù)存儲(chǔ)與分析［7-9］。

（2）數(shù)據(jù)分析

在高精度慣性導(dǎo)航系統(tǒng)測(cè)試數(shù)據(jù)分析方面，Hive技術(shù)提供了一種類(lèi)SQL語(yǔ)言（HiveQL），可以查詢存儲(chǔ)在HDFS中的數(shù)據(jù)。高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)分析可視為一種數(shù)據(jù)倉(cāng)儲(chǔ)應(yīng)用程序，而傳統(tǒng)的數(shù)據(jù)倉(cāng)儲(chǔ)往往使用SQL作為查詢語(yǔ)言。Hive降低了在HDFS上進(jìn)行慣性導(dǎo)航測(cè)試數(shù)據(jù)查詢的難度，更便于開(kāi)發(fā)人員進(jìn)行數(shù)據(jù)庫(kù)設(shè)計(jì)和業(yè)務(wù)分析［10-12］。

（3）數(shù)據(jù)展示

在高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)分析結(jié)果展示以及用戶交互方面，基于JEE+Structs2的Web前端技術(shù)可以用來(lái)與Hive以及HDFS進(jìn)行無(wú)縫連接。利用當(dāng)前廣泛使用的JDBC數(shù)據(jù)操作技術(shù)，測(cè)試人員可以方便地上傳慣性導(dǎo)航平臺(tái)測(cè)試數(shù)據(jù)到分布式系統(tǒng)，并進(jìn)行存儲(chǔ)分析，分析結(jié)果也可以通過(guò)Web頁(yè)面方便快速地瀏覽。

（4）挖掘算法

高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)測(cè)試分析過(guò)程中，針對(duì)系統(tǒng)數(shù)據(jù)所涉及的挖掘算法是測(cè)試過(guò)程的核心［13-18］，算法模型的普適性、擴(kuò)展性、容錯(cuò)性是設(shè)計(jì)過(guò)程中必須考慮的要素。高精度慣性導(dǎo)航系統(tǒng)測(cè)試數(shù)據(jù)挖掘目標(biāo)是從海量的測(cè)試數(shù)據(jù)中通過(guò)算法搜索出數(shù)據(jù)中的隱藏信息，再將這些信息用于指導(dǎo)高精度慣性導(dǎo)航系統(tǒng)的生產(chǎn)測(cè)試過(guò)程，這一過(guò)程可以被視為高精度慣性導(dǎo)航系統(tǒng)中的自動(dòng)化故障診斷。高精度慣性導(dǎo)航系統(tǒng)測(cè)試數(shù)據(jù)的分析挖掘較適合使用基于統(tǒng)計(jì)的故障診斷方法，該方法以統(tǒng)計(jì)學(xué)和人工智能為技術(shù)基礎(chǔ)，不需要提供除數(shù)據(jù)以外的任何先驗(yàn)知識(shí)，采用從數(shù)據(jù)中提取的客觀規(guī)則對(duì)問(wèn)題的不確定性進(jìn)行描述，將大量數(shù)據(jù)融合成有序的層次化故障診斷知識(shí)。

故障診斷與健康預(yù)測(cè)是一個(gè)復(fù)雜的過(guò)程，牽涉到大量的試驗(yàn)數(shù)據(jù)與復(fù)雜的計(jì)算模型。故障診斷算法通常與設(shè)計(jì)、制造、裝配以及維護(hù)保障等工作緊密結(jié)合，核心是對(duì)特定模型進(jìn)行描述、歸納形成故障模式集。該集合可具備多種形態(tài)，如先驗(yàn)知識(shí)集、邏輯規(guī)則集、設(shè)備功能模型集等，分別從專(zhuān)家經(jīng)驗(yàn)、設(shè)備運(yùn)行過(guò)程以及設(shè)備數(shù)學(xué)模型等角度挖掘故障模式。

（5）數(shù)據(jù)安全

航天數(shù)據(jù)安全是一個(gè)復(fù)雜而重要的問(wèn)題，軍用航天中的關(guān)鍵數(shù)據(jù)通常采用加解密方式傳輸［19-20］。而大數(shù)據(jù)系統(tǒng)通常是分布式的網(wǎng)絡(luò)系統(tǒng)，雖然具有數(shù)據(jù)高效共享的優(yōu)點(diǎn)，但在數(shù)據(jù)安全方面卻存在一定隱患。大數(shù)據(jù)的特點(diǎn)必然會(huì)給加解密方式帶來(lái)新的挑戰(zhàn)，但也有一些相應(yīng)的可行方案，如利用大數(shù)據(jù)的數(shù)據(jù)價(jià)值密度低的特點(diǎn)，在續(xù)傳輸?shù)南嗤瑤瑘D像中插入少量的密文，從而大幅提高數(shù)據(jù)的安全性。

結(jié)合數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析、數(shù)據(jù)展示、挖掘算法和數(shù)據(jù)安全這5個(gè)方面，可以初步構(gòu)架大數(shù)據(jù)平臺(tái)框架，如圖4所示。

4.3 高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)應(yīng)用技術(shù)

在初步設(shè)計(jì)框架基礎(chǔ)上，應(yīng)在后續(xù)工作中逐步完善慣性導(dǎo)航測(cè)試系統(tǒng)數(shù)據(jù)分析挖掘功能，完成高精度慣性導(dǎo)航系統(tǒng)數(shù)據(jù)分析的遠(yuǎn)期規(guī)劃，最終將高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)分析平臺(tái)應(yīng)用在生產(chǎn)實(shí)踐中，實(shí)現(xiàn)高精度慣性導(dǎo)航系統(tǒng)測(cè)試的自動(dòng)化故障診斷，幫助測(cè)試人員快速提高測(cè)試效率和準(zhǔn)確度。

大數(shù)據(jù)分析系統(tǒng)的整體框架包括多源數(shù)據(jù)采集層、數(shù)據(jù)平臺(tái)支撐層和數(shù)據(jù)平臺(tái)應(yīng)用層3大數(shù)據(jù)模塊［21-22］，如圖5所示。在多源數(shù)據(jù)采集層中，測(cè)試設(shè)備將各類(lèi)測(cè)試數(shù)據(jù)采集匯入網(wǎng)絡(luò)數(shù)據(jù)交換設(shè)備，通過(guò)數(shù)據(jù)預(yù)處理傳遞給數(shù)據(jù)平臺(tái)支撐層。平臺(tái)支撐層將數(shù)據(jù)存儲(chǔ)進(jìn)入數(shù)據(jù)庫(kù)，并完成數(shù)據(jù)備份與修復(fù)。最后，當(dāng)數(shù)據(jù)平臺(tái)應(yīng)用層發(fā)送數(shù)據(jù)請(qǐng)求，數(shù)據(jù)平臺(tái)支撐層通過(guò)數(shù)據(jù)流準(zhǔn)確快速地將數(shù)據(jù)傳遞給平臺(tái)應(yīng)用層。數(shù)據(jù)平臺(tái)應(yīng)用層一方面通過(guò)數(shù)據(jù)統(tǒng)計(jì)和分析生成形式多樣、可讀性好的判讀報(bào)告，另一方面通過(guò)數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能等手段分析系統(tǒng)性能，為產(chǎn)品質(zhì)量的提升、高精度慣性導(dǎo)航系統(tǒng)精度的提高打下基礎(chǔ)。

在高精度慣性導(dǎo)航系統(tǒng)應(yīng)用及儲(chǔ)存過(guò)程中，通過(guò)完整的大數(shù)據(jù)處理平臺(tái)可以實(shí)現(xiàn)長(zhǎng)期的監(jiān)測(cè)慣性導(dǎo)航系統(tǒng)的健康檢測(cè)和故障診斷。對(duì)于平臺(tái)使用數(shù)據(jù)的異常能夠由頂層到底層精確溯源，異常部位準(zhǔn)確判斷，快速精準(zhǔn)解決問(wèn)題，從而實(shí)現(xiàn)故障監(jiān)測(cè)的及時(shí)性、早期故障檢測(cè)的靈敏性、故障定位和評(píng)價(jià)的準(zhǔn)確性及故障診斷的魯棒性［23］。

4.4 高精度慣性導(dǎo)航系統(tǒng)大數(shù)據(jù)資源統(tǒng)籌共享技術(shù)

大數(shù)據(jù)資源統(tǒng)籌共享技術(shù)要求在保證數(shù)據(jù)安全的基礎(chǔ)上，數(shù)據(jù)形成過(guò)程中的參與者打破壁壘，建立數(shù)據(jù)云，形成共享。數(shù)據(jù)共享平臺(tái)通常采用分布式系統(tǒng)構(gòu)架，由一個(gè)數(shù)據(jù)總中心和若干分中心組成，從而實(shí)現(xiàn)數(shù)據(jù)整合、數(shù)據(jù)交換和數(shù)據(jù)共享，形成資源統(tǒng)籌共享服務(wù)網(wǎng)絡(luò)［24-25］。數(shù)據(jù)的采集、集成和整合由車(chē)間、研究所、控制系統(tǒng)、總裝測(cè)試和靶場(chǎng)測(cè)試等底層元數(shù)據(jù)單元完成，并上傳至分中心。各階段用戶通過(guò)數(shù)據(jù)總中心索引分中心數(shù)據(jù)，形成數(shù)據(jù)多點(diǎn)互通。

對(duì)于底層元數(shù)據(jù)單元，數(shù)據(jù)的加工處理規(guī)范化，形成包含數(shù)據(jù)標(biāo)識(shí)信息、內(nèi)容信息、時(shí)間和空間覆蓋信息、人員和權(quán)責(zé)信息、關(guān)聯(lián)信息、技術(shù)信息等各個(gè)方面信息的結(jié)構(gòu)化數(shù)據(jù)，便于用戶檢索查找［26］。

5 結(jié)論

本文依據(jù)高精度慣性導(dǎo)航測(cè)試系統(tǒng)數(shù)據(jù)采集和數(shù)據(jù)管理中存在的大量嚴(yán)峻問(wèn)題，分析了大數(shù)據(jù)在慣性導(dǎo)航測(cè)試系統(tǒng)中的使用需求。結(jié)合數(shù)據(jù)分析中數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析、數(shù)據(jù)展示、挖掘算法、數(shù)據(jù)安全的關(guān)鍵技術(shù)，構(gòu)建了慣性導(dǎo)航測(cè)試系統(tǒng)以多源數(shù)據(jù)采集層、數(shù)據(jù)平臺(tái)支撐層和數(shù)據(jù)平臺(tái)應(yīng)用層為3大模塊的大數(shù)據(jù)分析平臺(tái)基本框架。利用大數(shù)據(jù)資源統(tǒng)籌共享技術(shù)進(jìn)行數(shù)據(jù)挖掘和決策分析，從而優(yōu)化產(chǎn)品應(yīng)用。大數(shù)據(jù)平臺(tái)為高精度慣性導(dǎo)航系統(tǒng)優(yōu)化設(shè)計(jì)、提升精度、保障產(chǎn)品可靠性、合理預(yù)估系統(tǒng)壽命及適應(yīng)未來(lái)戰(zhàn)爭(zhēng)提供了重要支撐，當(dāng)以重視。

［1］張炎華，王立端，戰(zhàn)興群，等.慣性導(dǎo)航技術(shù)的新進(jìn)展及發(fā)展趨勢(shì)［J］. 中國(guó)造船， 2008， 49（s1）： 134-144.ZHANG Yan-hua， WANG Li-duan， ZHAN Xing-qun， et al.The new advancement and trend of inertial navigation technology ［J］.Shipbuilding of China， 2008， 49（s1）：134-144.

［2］ 周世勤.新型慣性技術(shù)的發(fā)展［J］.飛航導(dǎo)彈，2001（6）： 70-77.ZHOU Shi-qin.The development of new types of inertial technology ［J］.Aerodynamic Missile Journal， 2001（6）：70-77.

［3］謝世富.導(dǎo)航技術(shù)與系統(tǒng)發(fā)展述評(píng)［J］.電子質(zhì)量，1995（1）： 9-16.XIE Shi-fu.The development overview of inertial technol-ogy and system ［J］.Electronics Quality， 1995（1）： 9-16.

［4］薛連莉，陳少春，陳效真.2016年國(guó)外慣性技術(shù)發(fā)展與回顧［J］. 導(dǎo)航與控制， 2017， 16（3）： 105-112+84.XUE Lian-li， CHEN Shao-chun， CHEN Xiao-zhen.Development and review of foreign inertial technology in 2016［J］.Navigation and Control， 2017， 16（3）： 105-112+84.

［5］李水平，陳意云，黃劉生.數(shù)據(jù)采掘技術(shù)回顧［J］.小型微型計(jì)算機(jī)系統(tǒng)， 1998， 19（4）： 74-81.LI Shui-ping， CHEN Yi-yun， HUANG Liu-sheng.A technology overview of data mining ［J］.Journal of Chinese Computer Systems， 1998， 19（4）： 74-81.

［6］韓京宇，徐立臻，董逸生.數(shù)據(jù)質(zhì)量研究綜述［J］.計(jì)算機(jī)科學(xué)， 2008， 35（2）： 1-5+12.HAN Jing-yu， XU Li-zhen， DONG Yi-sheng. An overview of data quality research ［J］.Computer Science，2008， 35（2）： 1-5+12.

［7］唐箭.云存儲(chǔ)系統(tǒng)的分析與應(yīng)用研究［J］.電腦知識(shí)與技術(shù)， 2009， 5（20）： 5337-5338+5340.TANG Jian.Research and application of the cloud computation storage system ［J］.Computer Knowledge and Technology， 2009， 5（20）： 5337-5338+5340.

［8］陳全，鄧倩妮.云計(jì)算及其關(guān)鍵技術(shù)［J］.計(jì)算機(jī)應(yīng)用， 2009， 29（9）： 2562-2567.CHEN Quan，DENG Qian-ni.Cloud computing and its key techniques ［J］.Journal of Computer Applications，2009， 29（9）： 2562-2567.

［9］羅春榮.國(guó)外網(wǎng)絡(luò)數(shù)據(jù)庫(kù)：當(dāng)前特點(diǎn)與發(fā)展趨勢(shì)［J］.中國(guó)圖書(shū)館學(xué)報(bào)， 2003， 29（3）： 44-47.LUO Chun-rong.Online databases in foreign countries：present characteristics and development trends［J］.Journal of Library Science in China， 2003， 29（3）： 44-47.

［10］高翔，王勇.數(shù)據(jù)融合技術(shù)綜述［J］.計(jì)算機(jī)測(cè)量與控制， 2002， 10（11）： 706-709.GAO Xiang，WANG Yong.Survey of multisensor information fusion ［J］.Computer Measurement ＆ Control，2002， 10（11）： 706-709.

［11］林士敏，田鳳占，陸玉昌.用于數(shù)據(jù)采掘的貝葉斯分類(lèi)器研究［J］. 計(jì)算機(jī)科學(xué)， 2000， 27 （10）：73-76.LIN Shi-min， TIAN Feng-zhan， LU Yu-chang.Studies on Bayesian classifier in data mining ［J］.Computer Science， 2000， 27（10）： 73-76.

［12］胡金星，吳煥萍，潘懋，等.基于格網(wǎng)劃分的海量DEM數(shù)據(jù)生成［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2004， 16（1）： 41-44.HU Jin-xing， WU Huan-ping， PAN Mao， et al.Massive DEM creation with grid partitioning approach ［J］.Journal of Computer Aided Design ＆ Computer Graphics，2004， 16（1）： 41-44.

［13］黃解軍，潘和平，萬(wàn)幼川.數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究［J］. 計(jì)算機(jī)工程與應(yīng)用， 2003， 39（2）： 45-48.HUANG Jie-jun， PAN He-ping， WAN You-chuan.Application research on the technology of data mining ［J］.Computer Engineering and Applications， 2003， 39（2）：45-48.

［14］汪明.數(shù)據(jù)挖掘綜述［J］.河北軟件職業(yè)技術(shù)學(xué)院學(xué)報(bào)， 2001， 14（1）： 48-55.WANG Ming.Survey of data mining ［J］.Journal of Hebei Software Institute， 2001， 14（1）： 48-55.

［15］談恒貴，王文杰，李游華.數(shù)據(jù)挖掘分類(lèi)算法綜述［J］. 微型機(jī)與應(yīng)用， 2005， 24（2）： 4-6+9.TAN Heng-gui， WANG Wen-jie， LI You-hua.An overview of data mining sorting algorithms［J］.Microcomputer ＆ Its Applications， 2005， 24（2）： 4-6+9.

［16］呂安民，林宗堅(jiān)，李成名.數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)的技術(shù)方法［J］. 測(cè)繪科學(xué)， 2000， 25（4）： 36-39.LV An-min， LIN Zong-jian， LI Cheng-ming.Technique methods of data mining and KDD ［J］.Developments in Surveying and Mapping， 2000， 25（4）： 36-39.

［17］張雪英.國(guó)外先進(jìn)數(shù)據(jù)挖掘工具的比較分析［J］.計(jì)算機(jī)工程， 2003， 29（16）： 1-3.ZHANG Xue-ying.Analysis and comparison of overseas leading data mining tools ［J］.Computer Engineering，2003， 29（16）： 1-3.

［18］馬江洪，張文修，徐宗本.數(shù)據(jù)挖掘與數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)： 統(tǒng)計(jì)學(xué)的觀點(diǎn)［J］. 工程數(shù)學(xué)學(xué)報(bào)， 2002， 19（1）：1-13.MA Jiang-hong， ZHANG Wen-xiu， XU Zong-ben.Data mining and knowledge discovery in database：a statistical viewpoint［J］.Chinese Journal of Engineering Mathematics， 2002， 19（1）： 1-13.

［19］周水庚，李豐，陶宇飛，等.面向數(shù)據(jù)庫(kù)應(yīng)用的隱私保護(hù) 研 究 綜 述 ［J］. 計(jì) 算 機(jī) 學(xué) 報(bào)， 2009， 32（5）：847-861.ZHOU Shui-geng， LI Feng， TAO Yu-fei， et al.Privacy preservation in database applications： a survey ［J］.Chinese Journal of Computers， 2009， 32（5）： 847-861.

［20］張?jiān)朴?，陳清金，潘松柏，?云計(jì)算安全關(guān)鍵技術(shù)分析［J］. 電信科學(xué)， 2010， 26（9）： 64-69.ZHANG Yun-yong， CHEN Qing-jin， PAN Song-bai， et al.Key security technologies on cloud computing ［J］.Telecommunications Science， 2010， 26（9）： 64-69.

［21］李敏強(qiáng)，紀(jì)仕光，陳富贊，等.數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的結(jié)構(gòu)與設(shè)計(jì)研究［J］. 決策與決策支持系統(tǒng)， 1997， 7（2）：23-31.LI Min-qiang， JI Shi-guang， CHEN Fu-zan， et al.Date warehouse architecture and system design ［J］.Journal of Decision and Decision Support Systems， 1997， 7（2）： 23-31.

［22］錢(qián)曉江.物流信息系統(tǒng)體系結(jié)構(gòu)［J］.東南大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2001， 31（6）： 40-44.QIAN Xiao-jiang.Architecture design of logistics information system ［J］.Journal of Southeast University （Natural Science Edition）， 2001， 31（6）： 40-44.

［23］王宏鼎，童云海，譚少華，等.異常點(diǎn)挖掘研究進(jìn)展［J］. 智能系統(tǒng)學(xué)報(bào)， 2006， 1（1）： 67-73.WANG Hong-ding， TONG Yun-hai， TAN Shao-hua， et al.Research progress on outlier mining ［J］.CAAI Transactions on Intelligent Systems， 2006， 1（1）： 67-73.

［24］王常力.分布式控制系統(tǒng)的現(xiàn)狀與發(fā)展［J］.電氣時(shí)代， 2004（1）： 82-86.WANG Chang-li.The status and development of distributed computer control dystems ［J］.Electric Age， 2004（1）： 82-86.

［25］蔣良孝，蔡之華.分布式數(shù)據(jù)挖掘研究［J］.計(jì)算機(jī)與現(xiàn)代化， 2002（9）： 4-7.JIANG Liang-xiao，CAI Zhi-hua.The research of the distributed data mining ［J］.Computer and Modernization，2002（9）： 4-7.

［26］連立貴，金鳳，蔡家楣.數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)提取［J］.計(jì)算機(jī)工程， 2001， 27（9）： 61-62+99.LIAN Li-gui， JIN Feng， CAI Jia-mei.Data extraction in data warehouse ［J］.Computer Engineering， 2001， 27（9）： 61-62+99.