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。     

UNIX下空中交通管制系统雷达管制席位的设计及实现

在空中交通管制系统中，雷达管制席位分析并显示雷达航迹以及与之相关的飞行计划数据，并与空中交通管制人员进行交互。本文详细阐述了雷达管制席位子系统的设计，它与空中交通管制系统其它部分的关系及其实现。     

DRS系列航管雷达模拟机数据的组织

为了达到模拟现实空中交通状况的要求，航管雷达模拟机需采集、准备大量的机场环境、空域环境、空中交通流量状况等数据，这是通过其专用数据管理系统NIBASE来实现的。本的目的就是帮助管制教员正确理解它的设计思路而在培训中更好地使用。     

非结构化数据的多粒度集成分类方法

深度学习模型已经在文本和图像等分类任务上取得了不错的效果,然而深度学习模型很难为分类结果提供可解释性。本文提出一种非结构化数据的多粒度集成分类方法,与其他学习方法相比,多粒度集成分类方法能够保留数据的上下文信息。在多粒度集成分类方法中,数据被划分成不同的粒度,用于训练不同的基学习器,这些学习结果为集成模型最后的分类提供了可解释性。基学习器根据它们在验证集上的精度被赋予不同的权重,从而构造出一个较好的集成学习器。在实验中,本文验证了所提出模型在3种非结构化数据类型（文本、医学图像和时间序列）上的有效性。实验结果表明, 本文的模型比现有的基准方法简单,具有较好的分类精度,并且能够为数据的分类提供可解释性。     

基于微分Petri网的民机航迹演化通用模型构建

为实现对未来大流量、高密度、小间隔条件下的空域实施管理,在战略航迹规划阶段,提出了一种模块化的战略航迹演化通用模型。建立了不同航段之间航空器状态动态切换的一类宏观Petri网演化模型,以及同一航段内航空器速度和高度两种特征参数值连续变化的3类微观Petri网演化模型。根据航空器特征参数值转化的4种不同形式并基于航空器全飞行剖面的混杂运行特性,运用微分Petri网理论,定义了航空器的4种演化模式,通过组合各种演化模式得到了3种航空器基本演化模型。在满足航空器性能约束的前提下,通过设定10个航段及15个高度和速度预设值,得到了全飞行剖面下各特征参数的演化图。结果表明,所设计的演化模型增强了航迹预测模型的通用性,能够反映航空器在水平剖面和垂直剖面内的状态变化。     

空中交通流量控制的地面保持策略

空中交通流量控制的地面保持策略．即飞机地面保持时间的最优配置,是任何空中交通管理系统所具有的最重要功能之一,也是空中交通流量控制中战略管理的重要内容．最优配置的目的是减少或消除飞机的空中等待延时,提高空中交通流量．本文首先阐述了航线网拥挤的主要原因,然后介绍了空中交通流量控制的地面保持策略的问题描述和基本求解方法,最后指出了地面保持策略问题的进一步研究方向和应用前景。     

一种基于空域数据库的多种数据融合算法的设计与实现

作为空中交通管制现代化的有机组成部分之一,实现全国空域数据库的建设和管理,统计和预测数据库的建设,用适当的数学模型和仿真模型对全国空域现状的容量进行评估是非常重要和必要的.本文讨论了如何设计并实现一套多数据融合的算法以生成一种统一的融合数据,这种融合数据是在现有的多种数据源的基础上,形成对大范围、全空域的实际飞行状况的现实情况进行监控,其特点之一就是具有统一的时空坐标系,以便为后续的统计和预测数据库的建设和仿真提供支持.     

一种基于空域数据库的多种数据联合算法的设计与实现

作为空中交通管制现代化的有机组成部分之一，实现全国空域数据库的建设和管理，统计和预测数据库的建设，用适当的数学模型和仿真模型对全国空域现状的容量进行评估是非常重要和必要的。本讨论了如何设计并实现一套多数据融合的算法以生成一种统一的融合数据，这种融合数据是在现有的多种数据源的基础上，形成对大范围、全空域的实际飞行状况的现实情况进行监控，其特点之一就是具有统一的时空坐标系，以便为后续的统计和预测数据库的建设和仿真提供支持。     

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。     

一种多通道雷达数据记录仪的设计与实现

介绍了基于C/S结构的多通道雷达数据记录仪系统的设计与实现,详细描述了系统结构、系统设计与实现、系统可靠性等几个方面。     

基于动态结构自适应神经网络的非线性鲁棒跟踪控制

针对非线性系统,提出一种将H∞鲁棒跟踪控制器与动态结构自适应神经网络相结合的组合控制方法.文中首先将系统线性化,设计H∞鲁棒跟踪控制器;然后针对系统中仍然存在的高阶非线性和未知不确定性,引入一种动态结构自适应神经网络,以对消非线性和不确定性的影响.这种自适应神经网络的隐层神经元随着跟踪误差的增大而在线增加,使得神经网络能以较少的神经元获得最佳的逼近效果,加快神经网络的运算速度,提高整个系统的动态性能.最后用飞行跟踪控制系统的示例证明本文方法是有效的.     

一种在线神经网络在补偿飞机模型不确定性误差中的应用

讨论了一种基于神经网络动态逆的直接自适应控制方法，并应用于超机动飞机的飞行控制中。基本控制律采用非线性动态逆方法进行设计，对由于模型不准确导致的逆误差采用单隐层神经网络进行在线补偿。仿真结果表明，神经网络通过补偿由于模型不准确引起的逆误差，弥补了非线性动态逆要求精确数学模型的缺点，提高了整个控制系统的鲁棒性，而且可以大大简化动态逆控制律的设计。     

基于神经网络的空间桁架结构建模研究

空间桁架结构的振动主动控制目前已成为振动控制领域研究的热点，为了研究空间桁架的主动控制方法，首先必须建立其准确的模型。神经网络固有的学习能力使其在模型辨识中得到广泛应用，针对空间桁架结构的非线性动态特性，本文采用了修正的Elman递归网络进行了模型辨识，结果表明，带有自反馈增益修正的Elman网络能很好地反映桁架结构的真实情况，适用于非线性动态系统的模型辨识。     

基于BP网络的热工过程模型辨识方法

主要研究了人工神经网络在辨识火电厂热工过程模型中的应用，利用Visual C^ 语言构造BP神经网络,提出了把BP网络权值转换为传递函数的方法，针对火电厂常见的热工过程，不用人为加入特殊的激励信号，只利用现场生产中自然存在的扰动信号进行辨识试验，试验结果准确可靠。     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

超机动飞行的神经网络动态逆控制

根据反馈线性化理论，讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离的原则，采用动态逆方法设计了快回路和慢回路控制器；其次提出了模型的神经网络非线性直接自适应控制方案，其中设计一种在线神经网络用于补偿模型逆误差。仿真表明，该控制方案具有较好的自适应能力的鲁棒性。     

基于神经网络的非线性自适应输出反馈控制

针对能够采用仿射非线性表示的含有未建模动态的SISO非线性系统，讨论了一种基于神经网络的自适应控制方法，该方法对受控对象的已知部分，有用反馈线性化方法设计控制器，用神经网络在线补偿未建模动态及外部干扰等引起的误差，从而实现自适应控制。对具有未建模动态的双车倒立摆设计了输出反馈自适应控制系统，仿真表明该方法是有效的。     

基于小波神经网络的航空发动机建模研究

提出将多个多输入单输出小波神经网络(WNN)组合构造多输入多输出(MIMO)的WNN来逼近MIMO非线性动态系统的快速而简单的实现方法，并采用高效率的初始化方法缩短了训练时间。采用某型航空发动机在飞行包线内均匀分布的工作点参数来训练，建立了全包线适用的动态小波神经网络航空发动机模型，用交叉验证的方法检验表明在全包线内有较高的精度及泛化能力。与反传算法神经网络(BPNN)、径向基函数神经网络(RBFNN)建立的动态模型在精度及泛化能力等方面做比较，结果表明WNN建立的模型训练精度高而且泛化能力强。     

基于模糊径向基神经网络的小型无人机控制系统研究

为保证小型无人机的飞行安全,提出一种由无人机飞行控制器和地面学习单元构成的两层网络学习控制系统架构。无人机飞行控制器采用模糊控制策略,学习单元采用经遗传算法优化的径向基神经网络,充分利用模糊控制和神经网络的各自优势,将模糊控制策略与RBF神经网络相结合提出了一种基于RBF神经网络的自学习模糊控制策略。所设计的飞行控制器用于无人机飞行过程中的姿态控制,仿真及实验结果表明本方法是有效的。     

基于神经网络的航空发动机全包线PID控制

提出一种基于神经网络的航空发动机全包线PID控制器参数整定方法,在全包线内选定若干离线整定点,在这些点离线整定PID控制器参数kp,ki,kd.以离线整定点参数为训练样本,离线训练BP神经网络,该网络可映射高度H,马赫数Ma与kp,ki,kd的非线性关系,便可用该网络在线整定包线内任意点的kp,ki,kd.用发动机非线性部件级模型为被控对象的数字仿真表明,用上述方法设计的发动机PID控制器在全包线内,都能获得理想的动静态品质.该方法简单易行,效果好,具有实用价值.