基于复杂度分析的空域扇区划分

空中交通复杂度是对空域结构的客观衡量,是影响扇区规划的最主要因素之一。为了合理利用空域资源、提高空中交通运行效率,研究了基于复杂度分析的空域扇区划分问题。针对空域的内部结构与运行状态,深入分析扇区面积、航路结构、交叉点复杂性、机型混杂程度以及运行状态混合程度等影响因子的特性,建立了可量化计算的空中交通复杂度评估指标,定义了空中交通复杂度;基于空中交通复杂度来衡量管制员的工作负荷,以均衡管制员工作负荷为原则建立扇区规划模型,并采用生长算法进行求解。最后,选取珠江三角洲地区的空域进行实例分析,验证了本文扇区划分方法的有效性。     

基于调速法的交叉航路空域复杂度研究

目前基于航空器架次的空域容量评估方法很难映射出交通态势、扇区结构及管制员负荷之间复杂关系,采用复杂度评估空域系统运行能力是当前空中交通管理领域的研究热点。本文基于空域复杂度评估方法中的扰动分析思想,根据扇区实际运行中交叉航路、航班流随机到达等实际情况,建立扇区-航班流模型,采用调速法进行飞行冲突探测与解脱,进而定义交叉航路扇区空域复杂度计算方法,设计了瞬时和平均空域复杂度可视化表示方法,对预测和降低空域复杂度提供支持。仿真结果表明,该方法与基于航空器架次的评估模型相比更能反映出扇区交通态势微观特征,向空中交通管理提供了决策支持工具。     

空中交通管制员认知可靠性研究

针对空中交通管制员人因失误问题,首先分析了管制员人因失误的类型,然后利用核工业领域中的认知可靠性(HCR)理论对管制工作中的典型人机界面进行了研究。在DRS-98雷达模拟机上采集了短期冲突(STCA)告警环境下管制员反应时间,并利用SPSS软件进行数据分析,得出了不响应概率与规范化响应时间的概率分布拟合曲线。结果表明,在STCA告警界面下不响应概率与规范化响应时间服从3参数的威布尔分布,验证了HCR理论在空中交通管制领域的适用性。     

基于卷积神经网络的近壁流动高分辨率平均速度场预测方法

本文设计并验证了基于卷积神经网络的边界层近壁流动高分辨率平均速度场预测方法:首先采用示踪粒子图像对数据集训练卷积神经网络，通过调整神经网络参数可以预测示踪粒子在数据集上的平均跨帧位移；然后使用该卷积神经网络预测像素空间中各像素位置的单粒子位移，得到高分辨率的平均速度场信息。将该方法用于预测湍流脉动较小的边界层近壁区的平均流动，能够将空间分辨率提高到单像素精度。误差分析发现，该方法获得的测速精度略优于传统单像素系综平均互相关算法，且对粒子浓度和示踪粒子图像对数目的要求明显低于后者。     

基于BP神经网络的含褶皱复合材料强度预测

利用BP(Back propagation)神经网络处理多参数问题具有的非线性映射及泛化能力,构建了具有3层隐藏层的神经网络,对含纤维褶皱复合材料层合板的压缩强度进行预测。基于LaRC失效准则建立三维损伤模型,对含褶皱复合材料的压缩失效进行数值分析。将数值分析结果作为数据样本对神经网络进行训练。采用黄金分割法快速确定最佳隐藏层神经元数量区间范围,并通过分析对比不同数量神经元模型的强度预测结果及评价指标,确定具有高预测精度的隐藏层神经元数量。结果表明,所构建的神经网络预测最大褶皱角为5.6°、9.9°和11.4°的3种层合板失效强度误差分别为3.4%、4.6%和-0.01%。本文所发展的基于BP神经网络对复合材料强度进行预测的方法,为工程应用中复合材料强度评估提供了一种有效的途径。     

基于支持向量机的航路空域内对流天气避让预测（英文）

随着全球空中交通的快速发展,航班延误问题越来越严重。对流天气是造成航班延误的主要原因之一,已经影响到民航行业的可持续发展,成为一个社会问题。如果能够提前预测与天气有关的航班是否改航,那么空中交通活动的参与者就可以协调调度,极大减少航班延误。本文提出了天气避让预测模型(Weather avoidance prediction model,WAPM),以寻找天气与飞行轨迹之间的关系,并基于历史飞行数据预测未来航班是否改航。由于天气数据量大,采用主成分分析对10维天气指标进行降维以提取90%的信息。然后通过确定径向基函数的超参数c和γ,利用支持向量机来预测飞行是否改航。最后,通过预测准确率、精度、查全率和F1评价模型性能,并与k近邻(k nearest neighbor,kNN)、逻辑回归(Logistic regression,LR)、随机森林(Random forest,RF)和深度神经网络(Deep neural network,DNN)进行比较。对于准确率,WAPM比kNN、LR、RF和DNN方法分别高5.22%、2.63%、2.26%和1.03%;对于精度,WAPM比kNN、LR、RF和DNN方法分别大6.79%、5.19%、4.37%和3.21%;对于查全率,WAPM比kNN、LR、RF分别大4.05%、1.05%、0.04%,比DNN低1.38%;对于F1,WAPM比kNN、LR、RF和DNN方法分别高5.28%、1.69%、1.98%和0.68%。     

人工蜂群优化BP神经网络的太阳电池阵电流预测

通过对卫星太阳电池阵输出电流影响因子进行分析，提出了一种基于人工蜂群（Artificial bee colony,ABC）算法优化BP神经网络的太阳电池阵输出电流预测方法。将太阳入射角、卫星太阳电池阵工作温度、卫星星时等遥测量变换后作为神经网络输入，进行输出电流预测。考虑到神经网络对初始权值及偏置敏感的特点，采用ABC改进算法对神经网络初始参数进行优化。该模型可用于卫星太阳电池阵电流输出能力分析、太阳电池阵预警及异常检测等。实验测试表明，模型能够取得较高预测精度，同星预测均方根误差（Mean squared error, MSE）为0.10 A，跨星预测均方根误差为0.12 A，其精度明显优于传统数据拟合方法。利用该模型及本文提出的预警策略进行预警，对于7年5个月的正常卫星数据没有发生误报，对于某异常卫星数据能够及时进行预警。     

基于进近管制区流量的组合方法研究

为了提高西安进近空中交通流量预测的准确性,在综合干预分析模型和计量经济法各自优点的基础上,再以预测误差平方和最小为目标,将预测值的加权问题转化为优化问题,求解得到各种方法预测值的权值,然后,将两种方法所得的预测结果用最优加权法进行组合,得到组合预测值。利用西安进近空域实测流量数据进行的对比实验结果表明:组合预测模型的平均拟合误差为3.61%,组合方法总体上具有较高的预测精度和稳定性,即整体上优于干预分析预测模型,也优于计量经济预测模型。     

一类基于神经网络的非线性时延系统的稳定性分析和控制

针对一类有参数摄动和时延的非线性不确定性系统．提出了一种稳定性分析方法。控制方案将鲁棒控制和神经网络控制结合起来．首先由线性矩阵不等式(LMI)设计了参考模型即系统线性部分的鲁棒控制器,然后用神经网络来消除系统建模不确定非线性部分。稳定性分析中综合了参数摄动、时延和神经网络权值．合理地选择Lyapunov函数证明了误差闭环系统的稳定性．     

基于径向基神经网络的有限元模型修正研究

设计参数型有限元模型修正属于结构动力学反问题，其理论基础是将结构的特征量视为设计参数的函数。然后依据特征量对设计参数的一阶导数信息进行迭代求解。本文提出了一种基于径向基神经网络的有限元模型修正方法，把模型修正归结为正问题进行研究。首先将特征量视为自变量．设计参数视为因变量，以径向基神经网络逼近两者之间的非线性映射关系，然后利用神经网络的泛化特性直接求解设计参数的目标值。不但无需迭代求解，而且避开了反问题所面临的复杂的非线性优化计算。GARTEUR飞机模型仿真研究的结果表明．修正后设计参数误差在2％以内，模态频率误差在1％以内。     

基于相空间重构的网络流量RBF神经网络预测

应用混沌理论，分析了网络流量，用单变量的网络流量时闯序列重构与网络动力系统等距同构的相空间，进而计算了实际网络的关维数和Lyapunov指数，并证实了网络流量存在混沌特性；据此建立了基于径向基函数（RBF）神经网络的模型，并对实际网络数据流进行了预测。仿真结果表明，相对于其他前馈神经网络预测，基于混沌理论的RBF神经网络预测方法学习速度快，预测精度高。     

用人工神经网络模拟三维编织复合材料的力学性能

三维编织复合材料由于其材料结构及编织工艺的复杂性和众多工艺参数的影响，目前尚未建立成熟的力学模型。本文采用人工神经网络ＢＰ算法，将编织工艺参数作为人工神经网络的输入，将弹性模量及强度性能作为输出，建立了编织工艺参数与力学性能的人工神经网络关系模型，并讨论了ＢＰ算法及网络结构。这种人工神经网络关系模型对于三维编织复合材料的实验、生产和应用。工艺参数的选取以及理论模型的研究都有重要的参考价值。本文最后     

基于PCNC的航路网络拓扑结构鲁棒性优化

空中交通量的持续增长,使得航路网络拓扑结构的脆弱性日益凸显,其鲁棒性优化愈发重要。本文运用复杂网络理论,分析航路网络拓扑结构,提出了优先配置关键结点保护连边(Prefrential configuration node-protecting cycle,PCNC)的方法,该方法基于度值适应度技术,探测出自身及邻居节点度值都大的关键节点,增加连边,配置节点保护环,优化航路网络拓扑结构鲁棒性。以中国大陆地区的航路网络为例,选取其中1 017个航路点和1 568条航段,探测得到101个关键节点,共配置56条新增连边。结合随机攻击和基于节点度的蓄意攻击,验证得到优化后航路网络拓扑结构对于两种攻击方式的鲁棒性都得到明显增强,且在蓄意攻击下的网络鲁棒性改善效果更好。     

基于扇区负荷约束的管制移交间隔多目标优化模型

繁忙扇区的容量随着交通复杂性的改变而动态变化,现有的基于确定容量的管制移交间隔管理策略不再适用,且动态容量下频繁改变移交间隔也不利于空中管制指挥。本文首先通过将交通复杂性转化为管制工作负荷参数,解决移交间隔改变导致的容量动态变化问题,建立基于扇区负荷的容量流量匹配模型。其次设计管制移交间隔策略稳定性表征函数,提出以策略稳定性和延误成本为目标的管制移交策略优化模型和智能算法。最后基于昆明机场进近扇区实际数据进行仿真验证,证明本方法可以获得一组帕累托最优解,能够为流量管理部门发布管制移交策略以供决策支持。     

试论情景意识在空中交通管制中的具体应用

空中交通管制活动的重要性和复杂性决定了管制员必须具有较高的情景意识水平。本文结合笔者在实际管制工作中的体会,从对管制员自我的认知、对空中动态的掌握、对空域信息的管理、对陆空通话的加强、对团队合作的优化等方面简单谈一谈情景意识在管制工作中的具体应用。     

非静止轨道卫星网络中Hopfield神经网络路由算法

应用Hop fie ld神经网络路由算法能够解决全球无缝覆盖的W a lker de lta卫星通信网络中的路由问题。模拟退火算法作为一种全局优化的方法能够解决神经网络迭代运算中的振荡环问题,消除Hop fie ld神经网络计算局部稳定状态。Hop fie ld神经网络路由算法需要大量的神经元,消耗大量的运算时间。本文提出一种适合卫星网络运算的神经元数量减少的神经网络路由算法,根据卫星网络半径,削减神经元数量、加快运算时间。根据中轨和低轨卫星网络卫星数量的差异,在仿真过程中选择Hop fie ld神经网络的最优参数,比较不同源-目标节点对、不同时刻和不同收敛判决门限时的算法性能。     

神经网络在直升机空空导弹攻击中的应用研究

应用神经网络方法研究了直升机发射空空导弹的一些问题。文中首先介绍了直升机空空导弹攻击的火控系统原理；其次，对复杂且不稳定的直升机飞行运动模型设计了模糊神经网络控制器；然后，用BP网络实时计算了直升机发射空空导弹的空中攻击包线；最后，设计了综合火／飞控制系统，并对所设计的整个攻击系统进行了仿真，通过仿真证明满足系统设计要求。在神经网络设计中，采用了变尺度优化算法，提高了算法的速度和精度，对空战的实时应用提供了重要的参数价值。     

飞行流量管理系统的模糊综合评判

探讨了飞行流量管理系统评价的方法,给出了飞行流量管理系统评价的指标体系,针对评价对象的复杂性及其指标的模糊性,采用模糊数学的理论与技术,通过单因素模糊评价,给出了模糊综合评价模型,并进行了评估的示例。     

基于最小时间的航线选择问题

针对空中航线选择优化问题,分析了空中交通流的特点。结合航班在航线上等待点空中盘旋的情况,考虑从求解空中飞行时间最短的角度,建立了航线网络中航班最小费用流问题的数学模型,给出了求解这种最小费用流的算法。通过航线网络的简单算例,求出了最佳航线以及相应航线流量,说明了模型和算法的具体应用。     

基于小波神经网络的多模型故障检测

提出了一种利用小波神经网络辨识非线性系统多模型故障的方法。证明了状态估计误差渐近收敛到零，同时证明了如果激活函数满足持续激励条件，辨识器参数将趋于理想辨识器参数。分析了多模型辨识结构，并将小波神经网络作为辨识器应用于多模型故障检测。给出了小波神经网络进行非线性系统逼近的实例，用小波神经网络辨识器对多故障模型检测进行了仿真，证明了此方法的正确性和可行性。