固定翼无人机的4D无冲突航迹规划（英文）

基于4D航迹的运行(Four-dimensional trajectory-based operation,4D-TBO)有利于增强高效飞行的计划和执行,减少潜在冲突并解决即将出现的巨大航班需求。大多数与4D航迹规划有关的研究都集中在有人驾驶飞机上,而不是无人驾驶飞机(Unmanned aerial vehicle,UAV)。本文着重于为起飞前或飞行期间的固定翼无人机规划无冲突的4D航迹。文中提出了一种基于Tau理论的4D航迹生成技术,该技术将时间约束的飞行航路点纳入了飞行计划中。然后,通过粒子群优化(Particle swarm optimization,PSO)算法对4D航迹进行优化。仿真实验证明了所提出方法的有效性。     

基于LOFC时间窗分割算法的航迹聚类研究

针对传统聚类算法在聚类过程中缺乏时间信息而仅考虑三维坐标点的聚类,同时未考虑航空器运行速度和航向变化对聚类结果的影响,以及由于二次雷达机载设备、地面设备和信号遮挡等原因造成的实测数据源中存在离群点异常数据,离群点很难被有效识别出来从而使得非正常航迹点的影响放大,得不到理想的聚类效果等问题。本文提出LOFC算法,引入时间窗分割概念,将航空器进场平均速度值和航向变化值作为确定聚类簇大小的影响因子对进场航空器航迹点数量进行分割,引入离群点检测以及离群点剔除率等概念对离群点进行识别和剔除。对进场二次雷达数据仿真分析,从仿真结果中可以看出,新算法能有效地对离群点进行识别和剔除,当影响因子α取值为0.7时,航迹的曲率最小,得到的中心航迹的平滑程度最佳,验证了新算法对于聚类和离群点识别与剔除具有可行性和优越性。     

基于深度自编码器的终端区异常航迹识别方法及其在航迹聚类中的应用（英文）

异常航迹识别与交通流分类对复杂空域的安全与效率分析是重要的。一些研究人员使用基于密度的无监督聚类算法提取空域中这两种与管制行为相关的航迹数据。然而,数据质量问题和交通流之间的微小密度差异是这项工作的两个主要难点。为了解决这两个问题,本文提出一种结合稳健自编码器模型(Robust deep auto?en?coder,RDAE)和密度峰值(Density peak,DP)聚类算法的框架。具体地,通过不同的正则化优化方式使得RDAE模型分别用来重构去噪航迹与异常航迹检测。然后,RDAE模型的Encoder输出的非线性降维向量作为DP聚类算法的输入以分类空域中全局的交通流。在含有标签的广州白云机场数据集上的实验表明,所提算法能够自动地捕捉到空域内飞机运动的非常规时空交通模式。RDAE在异常航迹检测以及所提框架在交通流分类上的优越性均通过可视化与定量的结果评估分析。     

一种基于航空器气象资料下传数据的飞行剖面生成方法

由于飞行剖面识别是航空器四维(Four-dimensional,4D)航迹预测研究的热点问题,提出一种基于航空器气象资料下传(Aircraft meteorological data relay,AMDAR)数据的全飞行过程剖面生成方法,包括由高度-航程构成的标称高度剖面和空速-航程构成的标称速度剖面。首次将动态空间规整算法(Dynamic space warping,DSW)应用到飞行高度剖面的相似距离计算中,计算出标称飞行高度剖面;为解决在地速未知情况下标称速度剖面的计算问题,结合大椭圆距离算法与航空器基本性能数据库(Base of aircraft data,BADA),给出一种标称飞行速度剖面的计算方法,该方法保留了AMDAR实测历史数据中所隐含的飞行意图与气象因素。实际算例表明,本文提出的方法能够有效地得到真实反映航空器飞行状态的全飞行剖面。     

基于混杂系统模型的航空器4D航迹推测

为实现对未来大流量、高密度、小间隔条件下空域实施管理,4D航迹推测是国内新一代空管自动化系统最为核心的一项技术。首先基于飞行剖面不同飞行阶段的航空器动力学模型,构造了在不同飞行阶段之间转移,而在同一阶段航空器重量、校正空速、高度和距离等状态连续变化的混杂系统模型。通过温度和风速风向修正航空器真空速及地速,利用混杂系统递推法求解航空器4D航迹。实际算例表明,本文提出的混杂系统模型推测得到的水平航迹和垂直剖面能够准确地反映航空器的飞行状态变化,单架航空器4D航迹推测计算时间可以控制在2 s以内。     

雷达的目标识别技术

对雷达自动目标识别技术和雷达目标识别过程进行了简要回顾。研究了相控阵雷达系统中多目标跟踪识别的重复检测问题。提出了角度相关区算法，分析了实现中的若干问题。通过在相控阵雷达地址系统中进汀的地址实验和结果分析表明，采用角度相关区算法对重复检测的回波数据进行处理时，将使识别的目标信息更精确，从而能更早地形成稳定的航迹，达到对目标的准确识别。     

基于目标威胁度计算的相控阵快速确认跟踪模式

机载相控阵雷达在探测远程、低空、高速目标时具有较大潜力。本文对机扫加相扫雷达环境下,如何充分发挥相控阵优势,提高机载雷达跟踪远程低空高速目标性能展开研究,在传统边扫边跟(Track while scan,TWS)技术基础上,给出了一种基于目标威胁度的快速确认跟踪模式。该模式采用有效的相控扫描策略,充分利用其波束捷变能力,通过相控回扫,一方面快速起始航迹,增加高威胁目标的跟踪距离;另一方面适当增加探测数据率,提高对远距高威胁目标的跟踪性能。仿真试验表明,新跟踪方法不但可以较好克服目标雷达散射截面积(Radarcross section,RCS)起伏影响,较快地起始和跟踪目标航迹,而且保留了TWS方法覆盖空域广的优点。     

基于GPS航迹的飞行误差分布规律研究

研究航迹误差分布规律,制定合适的飞行安全间隔标准是提高空域利用率的关键所在。本文针对CESSNA172机载GPS航迹数据对手动飞行条件下的航迹误差分布规律进行了研究。首先通过解析GPS航迹数据,利用Haversine公式对手动飞行条件下的航迹偏差进行统计分析;接下来采用quantile-quantile图检验法对航迹误差数据进行正态分布检验,根据Michael拟合优度检验方法给出正态分布的显著性水平;最后计算得到正态分布总体均值和标准差的置信区间。结果表明,训练飞机下降着陆阶段的实际位置点与跑道中心线的距离偏差符合正态分布规律,为训练飞行中空域规划及飞行安全间隔标准的制定提供了可靠理论依据。     

基于B/S的空管自动化综合航迹显示系统的设计与实现

提出一种基于B/S的综合航迹显示系统,该系统通过解析空管自动化系统的综合航迹实现了在IE浏览器上对区域内的航迹的监视。系统实现主要包括三部分:一是综合航迹的接收,主要通过对同步串口卡的数据读取;二是对数据的数据库处理;三是对综合航迹的显示。系统实现了对MH4008003类数据的解析以及对空管自动化系统的地图解析,并且在IE界面上提供了航迹态势显示以及用户交互接口。     

基于航迹聚类的终端区进场程序管制适用性分析

为了定量评估终端空域的空中交通管制服务水平,提出了描述进场飞行程序管制适用性的新概念。在对实际运行航迹数据特征分析的基础上,建立了基于对应雷达轨迹点逆向比对方法的航迹间相似性测度模型。应用层次聚类法对航迹数据集进行了聚类分析,提出了根据航迹聚类集构造平均航迹的方法。通过比较平均航迹和标准进场程序,建立了描述管制适用性的3个量化指标及其算法,包括:纵向偏离度、侧向偏离度和非常规航迹比例等。实例分析表明:以上指标能准确表示进场飞行程序提供空中交通管制服务的水平,并可以根据聚类结果来改进现有进场飞行程序结构。     

真实航迹与雷达模拟机仿真航迹的对比

改进了DRS系列航管雷达模拟机训练数据准备软件,将川大智胜航管雷达训练课件制作系统采集的真实雷达目标航迹与相对应的模拟仿真得到的航迹进行对比分析,发现仿真航迹与真实航迹在飞行线路、速度、高度上的区别,得出了分析结果,同时对航管雷达模拟机模拟仿真方法的改进提出了意见.     

一种一二次雷达航迹相关的算法

目标航迹相关是雷达数据处理的重要部分，它是把获取的航迹信息与已知航迹比较并确定正确配对的过程。本通过对一次雷达和二次雷达数据的分析，提出了一次雷达和二次雷达航迹相关的相应算法。     

多雷达系统数据包抓取与分析算法的设计

多雷达融合航迹数据是航班进离港系统的重要数据来源,因此对多雷达网络数据包进行抓取与分析是航班进离港系统开发的关键环节.论文通过综合利用WinPcap抓包工具、多线程处理及过滤无关航迹的方法,大大提高了对网络数据包抓取与分析的性能,有效地避免了网络丢包,满足了航班进离港系统对多雷达系统网络数据包的实时处理需求.     

基于密度聚类与匹配算法的异常飞行行为挖掘

在空中交通愈加拥挤的背景下,航空器的异常飞行行为的有效挖掘可以辅助管制员进行调配决策。现有方法只能辨识飞机空间位置特征异常,存在水平可扩展性的局限。本文考虑位置、速度、高度和航向4个异常特征,采用高度层划分策略、局部异常因子和快速覆盖树对基于密度的有噪声应用中的空间聚类（Density-based spatial clustering of applications with noise, DBSCAN）方法进行改进,提出局部异常因子改进的考虑速度、方向及高度的基于密度聚类方法（Density-based spatial clustering considering speed, direction and high level improved by local outlier factor,LOFDBSC-SDH）密度聚类算法对正常航迹模式进行快速准确提取。然后,基于正常航迹模式设计考虑过点时间和上述异常特征的航迹匹配算法,挖掘异常飞行行为。最后,通过实验仿真验证了本文方法的有效性和应用价值。     

基于相关性度量的伪主成分分析

采用数据样本间的相关性作为相似性度量,并引入样本的类信息,提出一种新的降维方法,即伪主成分分析(Pseudo-PCA),该方法尽可能地保持原样本的变化信息,同时又使得降维后的同类数据样本尽可能保持相似。此外,将这种思想方法成功推广到近年来提出的2DPCA,MatPCA和(2D)2PCA。在ORL,Yale和AR等人脸数据集上的实验表明,该类方法的识别率高于相应的基于欧氏距离的PCA,2DPCA,M atPCA和(2D)2PCA等方法。     

面向繁忙区域扇区动态管理的相似运行场景识别（英文）

由于空中交通的不确定性,管制员在策略制定时面临着很大的挑战,而相似运行场景识别是一种很好的辅助管制员进行策略制定的方法。基于典型繁忙区域管制空域的运行特征建立了复杂度度量指标体系,在此基础上分析出区域扇区运行特征具有聚集性及连续性的特点,利用主成分分析有效地降低了数据维度和信息冗余,并利用主成分构建了代表运行模式场景和运行趋势场景的离散特征和时序特征。基于高斯核函数,采用欧氏距离和动态时间规整(Dynamic time warping,DTW)方法对特征间的相似度进行了度量,将度量结果输入到谱聚类模型中得到场景识别结果。聚类结果表明,基于上述指标体系,相似运行趋势场景识别效果不明显,相似模式场景识别结果较理想。最后采用多维缩放(Multidimensional scaling,MDS)方法对相似模式场景识别结果与扇区实际垂直运行进行了可视化对比,识别结果在高峰时刻能很好的反映运行情况,高峰时刻繁忙运行模式和开扇运行的匹配率达到96.7%,并分析出凌晨时段管制员在相似的场景下会做出不同决策,实验结果表明了识别结果的客观性及实际运行的主观性。相似的空中交通活动为管制策略制定提供了规律性支撑,也证明了这种方法在管制运行中对其他人工智能技术及动态策略制定的支持潜力。     

用遥测数据识别飞行外声场

给出了一种用遥测数据通过混响室噪声试验识别飞行外声场的方法,并提供了一个实例。该方法以遥测加速度功率谱为控制谱,以遥测点为响应测量点,通过噪声试验调节外声场声谱,使测量点的响应与控制谱一致,识别出飞行外声场。共识别了起飞段和跨音速段两种外声场。实例给出了某火箭某次遥测数据及识别外声场,并将识别外声场与该火箭另次飞行的实测外声场进行了比较。比较表明,识别外声场与实测外声场总声压级最大相差5.2dB,谱型振动能量分布存在较大差别。作为有限条件下(仅有遥测数据)获取外声场的一种方法,并以此外声场作为输入载荷对试件进行故障分析和振动环境获取,从飞行结果看,该方法是可行有效的。     

基于级联虚-实融合的飞机钣金零件识别方法（英文）

提出了一种级联虚实融合方法来识别具有显著相似性的各种飞机钣金零件(Sheet metal parts, SMPs)。SMP通过涉及“粗略”“精细”和“首选”阶段的级联过程进行识别和编号。该方法将虚拟工作台建模与物理工作台识别相结合。最初,通过捕获物理工作台上钣金件的主方向图像并从图像中提取8D形状描述向量来识别SMP的“粗糙”集,这导致候选SMP集的发现。随后,利用图像的灰度信息对候选SMP集进行模板匹配,以实现“精细”匹配。提出了识别可靠性的定量测量,在增强现实3D投影的帮助下启动后续的“首选”识别过程。通过实际实验验证了该方法的有效性和优越性,在测试件中达到了最高准确率96.9%。借助3D投影,人机结合准确率100%。     

LLE算法的模态识别及影响因素研究

局部线性嵌入算法(LLE)是一种实现对高维数据降维的流形学习算法,可基于结构响应数据进行模态参数识别,算法的噪声敏感度和稳定性对参数识别精度具有重要影响。本文以一块复合材料板为研究对象,利用LLE算法对其振动响应数据进行降维处理从而实现模态识别,重点分析了该算法的噪声敏感度和其在不同采样频率下的流形特征稳定性,同时利用模态置信准则(MAC)衡量LLE算法提取得到的振型与有限元振型的相关性。结果表明,利用LLE算法识别的模态参数具有较高的精度,且LLE算法具有较强的抗噪声干扰能力,采样频率对LLE算法的影响与采样定理相一致。     

基于SVM方法的APU故障预测方法

针对辅助动力装置(Auxiliary power unit,APU)故障预测时,仅基于快速存取记录器(Quick access recorder,QAR)数据存在实时性欠缺或精度不足的问题,提出了基于实时报文数据的APU故障预测方法。首先,对报文所采集的数据进行预处理,将每次航班的报文数据规整为一条数据集;其次,从参数阈值、维修记录及APU序列号变化情况等角度对数据集进行标注工作;随后,针对特征选择算法具有较差解释性的缺点,提出通过相关性分析选取能够表征APU运行性能的参数;最后,建立基于支持向量机(Support vector machine,SVM)的多参数故障预测模型并优化。经验证,该模型提高了预测正确率,为APU视情维修策略的制定提供参考。