基于LightGBM算法的机场聚合离场延误预测

航班延误预测具有非线性聚合的动力学特征。在保证准确率的前提下为提高预测效率,提出一种基于轻量级梯度提升机(Light gradient boosting machine, LightGBM)算法的机场聚合离场延误预测模型。通过对历史航班数据的分析处理,提取时间特征、飞行计划特征和延误特征三类重要特征,并以提取出的特征作为输入变量,采用LightGBM算法基于广州白云机场的历史运行数据对航班延误时间进行预测。结果表明：模型预测延误时间与实际延误时间吻合良好;与其他常用算法的预测结果相较而言,所提模型在各种预测指标上结果更优,效率更高。     

考虑雷暴气象细分因子的航班延误集成学习预测

雷暴天气对机场航班延误的影响较为显著,早期的航班延误预测模型通常将雷暴的影响因素看作单一的0-1变量,缺乏对雷暴气象因子的进一步细分,导致现有航班延误模型在恶劣天气下的预测效果不佳。选取国内两个机场全年的航班计划数据,基于机场的天气雷达数据提取了12个雷暴气象细分因子。在此基础上,采用随机森林算法计算各雷暴气象细分因子...     

基于Bi-IndRNN和PSO的航班延误预测

针对普通循环神经网络在航班延误预测问题上精度不高、调试时间长的问题,提出基于Bi-IndRNN和粒子群的机场短期航班延误预测模型。模型采用Bi-IndRNN结构作为预测模型,使用粒子群算法对模型超参数进行全局寻优,使模型不仅能够处理长序列的数据,还能够高效率地选择合适的参数,使其预测准确度更高。实验在2018年国内某机...     

区域管制空域航班延误实时预测模型

目前航班延误是航空运输业亟待解决的问题之一,建立有效的预测模型实现较准确的实时延误预测,对管制员解决空中交通拥挤、减少航班延误意义重大.基于航班计划,建立区域管制空域内单航路的平均延误时间实时预测模型,通过求和可得到空域内多航路的延误预测模型.算例分析表明,模型能够实时预测区域管制空域平均延误时间,是可行有效的.     

基于小波分解与ARMA-RBF模型的航班延误时间短期预测

针对航班延误的非线性复杂特性及短期预测精度不高的特点,研究设计了基于小波分解(WD)与ARMA-RBF的组合算法,以分析延误时间序列并进行短期预测。首先,引入小波分解方法,将航班延误时序进行分解得到近似分量和细节分量;然后,对各分量分别构建了自回归移动平均(ARMA)模型和径向基(RBF)神经网络模型并进行预测;之后,构建了WD-ARMA-RBF延误时间短期模型,最终结果即为各分量预测结果的组合叠加值;最后,依据实际延误数据进行了算例仿真。验证结果表明:该模型较WD-ARMA、AR、RBF及GM(1,N)等多种现行的经典算法具有更高的预测精度和稳定性,预测误差MAE仅为3.349,其应用于航班延误时间的短期预测有效、可行。     

基于贝叶斯网络的航班延误传播分析

 由于机场航班之间存在前后衔接关系,每个航班的延误会波及到下游机场及其航班,因此需要一种有效手段来分析航班衔接时的延误传播。贝叶斯网络（BN）是一种有效的传播分析方法,从某个枢纽机场航班延误出发,对其关联机场的衔接航班的延误影响进行分析,提出了基于BN的航班延误传播模型。结合某航空公司实际数据,通过最大期望值算法对模型进行训练,给出了测试结果。实验表明,所提出的方法能有效地分析航班延误从局部到全局的传播。     

基于MHSA和C- BiGRU的航班延误预测研究

针对普通神经网络预测人为因素造成的航班延误能力不足的问题,提出了一种基于多头自注意力机制和卷积双向门控循环单元的预测模型(MHSA-C-BiGRU)对航班延误问题进行研究。模型采用卷积双向门控循环单元(C-BiGRU)提取局部信息和上下游数据的时序信息,利用多头自注意力机制(MHSA)的并行能力从不同位置提取数据内部之间的特征,强化重要信息的权值,使模型聚焦到对当前任务更重要的信息,从而增强模型分析人为因素造成的航班延误的能力。研究使用2018年上海浦东机场的航班数据和气象数据。结果表明,预测模型相对于基础模型的预测准确率提高了4.4%,各项宏平均值有8%的提高,各项权重平均值有5%的提高。     

基于EEMD和BiLSTM的航班准点率预测研究

航班准点率问题是民航业最为关心的问题之一,准确地预测出航班的准点率能够有效降低航班延误所带来的不利影响、提高乘客满意度。为解决普通深度学习预测模型存在的航班准点率数据挖掘程度不足、预测准确度较低的问题,提出一种基于集合经验模态分解法(EEMD)和双向长短时记忆神经网络(BiLSTM)的机场短期航班准点率预测模型。模型使用EEMD算法将准点率时间序列进行分解,采用BiLSTM结构作为预测模型,使模型能够更深层、高效地处理航班准点率数据,提高预测准确度。实验数据为2018年上海虹桥机场航班准点率及天气数据,实验建立了多个参照模型与所提模型进行对比分析。结果表明：提出的EEMD-BiLSTM模型相较于一般模型预测误差更小,准确度更高。     

基于SVR选择性集成的机场噪声预测模型研究

机场噪声预测对机场规划设计、航班计划制定以及机场噪声控制具有十分重要的作用。针对机场周围各个监测点上的单飞行事件进行噪声预测。由于机场噪声数据的复杂性,用单一的SVR方法对其预测往往得出局部优化结果,不能达到理想的预测效果,针对这一问题,提出一种基于SVR选择性集成的机场噪声预测方法,通过Adaboost方法对机场噪声数据进行采样训练得到多个SVR预测模型,并结合一种排序方法对预测模型进行选择集成得到最终机场噪声预测值,取得了较好的预测效果。     

润滑油质量组合预测

以某自行火炮润滑油氧化程度光谱分析数据为基础,利用线性回归理论、灰色理论及组合预测理论建立了润滑油的氧化程度预测模型,并且分析各模型在预测上的差异,验证了润滑油质量组合预测模型能够充分利用单一预测模型的有效信息,提高预测精度.     

支持向量机的B737飞机水平尾翼裂纹故障预测

为保障飞机的飞行安全,做到预防性维修,提升飞机的飞行安全及任务出勤率,需要对飞机结构出现的疲劳裂纹进行及时检测并修理。基于支持向量机理论,建立了支持向量机回归预测模型,并应用该模型对B737飞机水平尾翼健康信息的特征值(小波包分解系数提取的能量)进行了故障预测研究。为建立最佳支持向量机模型,选用了支持向量机四种常用的核函数分别对特征值进行了预测。同时还对支持向量机预测模型与神经网络预测模型(BP神经网络预测模型)的预测结果进行了比较与分析,研究表明,应用支持向量机所设计的预测模型准确率比较高,可以较好地对飞机水平尾翼的裂纹故障进行预测。     

六旋翼无人机的飞行力学建模研究

为开展六旋翼无人机的全机飞行力学建模研究,针对六旋翼无人机的前飞和非定常飞行要求,引入了动量叶素理论和动态人流理论对旋翼气动力进行分析.根据无人机的变转速控制方式,增加了旋翼转速变化对机身运动的影响项,推导了使六旋翼总需用功率最小的拉力分配优化方法,建立了六旋翼无人机的飞行力学模型.气动力计算结果表明,新建立的旋翼气动力计算方法精度高于现有的比例系数法.     

基于Fratar模型的航班时刻需求战略预测方法

航班时刻是机场运行的基础和核心,准确预测机场的航班时刻需求,对于指导机场基础设施建设、运行模式调整等具有重要意义。在航班计划结构信息分析的基础上,构建了全国航班O-D矩阵,建立了多层级机场起降量预测模型,并以起降量预测结果为输入,利用Fratar交通分布预测模型,预测目标机场时刻需求。以杭州萧山机场为例,以2010年为基年,2014为预测年,验证了方法的准确性和可行性,并预测了2020年航班时刻需求,分析了不同运行模式下机场理论容量与航班时刻需求的匹配状况,分析结果表明,2020年萧山机场需由隔离运行模式过渡到相关进近,方能满足时刻需求。     

A novel virtual material layer model for predicting natural frequencies of composite bolted joints

A novel virtual material layer model based on the fractal theory was proposed to predict the natural frequencies of carbon fiber reinforced plastic composite bolted joints. Rough contact surfaces of composite bolted joints are modeled with this new proposed approach. Numerical and experimental modal analyses were conducted to validate the effectiveness of the proposed model. A good consistence is noted between the numerical and experimental results. To demonstrate the necessity of accurately modeling the rough contact surfaces in the prediction of natural frequencies, virtual material layer model was compared with the widely used traditional model based on the Master-Slave contact algorithm and experiments, respectively. Results show that the proposed model has a better agreement with experiments than the widely used traditional model (the prediction accuracy is raised by 8.77% when the pre-tightening torque is 0.5 N∙m). Real contact area ratio A* of three different virtual material layers were calculated. Value of A* were discussed with dimensionless load P*, fractal dimension D and fractal roughness G. This work provides a new efficient way for accurately modeling the rough contact surfaces and predicting the natural frequencies of composite bolted joints, which can be used to help engineers in the dynamic design of composite materials.     

新型组合预测模型在空中交通流量预测的应用

民航运输业的快速发展使空中交通流量迅猛增加,如何准确预测未来的交通流量是关乎到行业资源高效分配、战略合理部署的一个重要问题。因此,国内外众多专家对空中交通流量的预测进行了大量研究．提出了诸多模型和方法。针对目前空中交通流量预测中存在的缺陷与不足,提出并建立了一种适用于民航的新型组合预测模型。将趋势外推法拟合的结果作为多元回归分析法的复合时间变量组,并利用主成份分析法实现了复合时间变量组与其他影响因素变量的有机结合,建立了趋势外推法和多元回归分析法的组合预测模型。以上海终端区的空中交通流量预测为例,借助SPSS数据统计软件进行研究分析,通过对预测结果的各项精度检验,与传统方法相比较,证实本预测模型的优越性。     

机翼结冰生命周期的数字孪生软件系统

飞机巡航中的机翼结冰情况是关系到飞行安全的重大实际问题之一,如果能够实时监测甚至根据环境提前预测机翼结冰过程和状况,对改进机翼防除冰设计、规避飞行危险都具有重大意义。数字孪生技术作为5G信息时代中新兴的技术,为物理过程的虚拟呈现提供了新的思路与解决方案、同时数字孪生技术结合人工智能等技术,同样可以应用于飞机巡航中机翼结冰物理过程,对实时监测与预测提供了新的技术保证。从数字孪生的角度出发,以机翼结冰神经网络模型为切入点,设计实现了一款基于数字孪生和人工智能技术的巡航中机翼结冰二维过程快速呈现软件系统。软件获取飞机巡航结冰参数与飞行参数,运行结果能够利用动态显示方式,呈现飞机巡航中机翼结冰全生命周期。     

飞机性能参数预测的不确定性处理

 利用飞机的性能参数对飞机进行故障预报和状态监控是非常重要的。飞机的性能参数不仅具有非线性而且往往包含噪声,使得故障预测结果具有不确定性。针对这些问题,研究了利用非线性支持向量机处理飞机性能参数的预测问题,通过增加线性约束的方式解决了噪声带来的不确定性问题。此种方法不仅提高了预测的精度,而且模型可以利用适用于处理大规模二次规划的序列最小最优化算法进行求解,使得其可以解决大数据量的预测问题。利用仿真数据以及实际飞机性能参数对该方法进行了实验分析,实验结果表明此方法在精度上较不考虑噪声影响的模型有所提高,对于进一步提高飞机故障预测的精度,从而提高飞机的安全性具有重要意义。     

基于遗传算法的航路点流量组合预测方法研究

航班放行是保证航班正常的最基本工作之一,航路点流量特别是走廊口流量是航班放行中最关注的问题之一,航路点流量预测对航班放行的时隙分配至关重要。在对几种常用航路点流量预测方法优缺点进行分析和比较的基础上,提出了一种基于遗传算法的航路点流量组合预测方法,该方法利用遗传算法群体搜索的特点,组合了各种算法,优化了预测思路,充分发掘不同算法的差异优势,实践证明该思路切实有效。     

Dynamic temperature prediction of electronic equipment under high altitude long endurance conditions

Unmanned Aerial Vehicle (UAV) is developing towards the direction of High Altitude Long Endurance (HALE). This will have an important influence on the stability of its airborne electronic equipment using passive thermal management. In this paper, a multi-node transient thermal model for airborne electronic equipment is set up based on the thermal network method to predict their dynamic temperature responses under high altitude and long flight time conditions. Some relevant factors are considered into this temperature prediction model including flight environment, radiation, convection, heat conduction, etc. An experimental chamber simulating a high altitude flight environment was set up to survey the dynamic thermal responses of airborne electronic equipment in a UAV. According to the experimental measurement results, the multi-node transient thermal model is verified without consideration of the effects of flight speed. Then, a modified way about outside flight speed is added into the model to improve the temperature prediction performance. Finally, the corresponding simulation code is developed based on the proposed model. It can realize the dynamic temperature prediction of airborne electronic equipment under HALE conditions.