FAA飞行执勤时间新规定浅析

飞行机组成员的日程安排和休息时间的设定目的是防止过度疲劳,从而保持民众可接受的安全水平。文章详细比较了FAA关于飞行员执勤时间和休息要求的拟定新规章和现行规章,并分析了新规章的推行对小型航空公司的影响。     

基于机器学习的航空器进近飞行时间预测

为了准确预测航空器的落地时间,提高空管部门间的协作效率,采用机器学习的方法对航空器进近阶段飞行时间进行了预测。从实际运行出发,分析航空器在进近管制空域飞行时间产生差异的原因,提出了影响航空器在进近空域飞行的8类因素和17个重要特征。以航空器在进近飞行时间为标签,基于提出的重要特征,采用岭回归、支持向量机、随机森林和神经网络算法,建立了4种基于机器学习的航空器进近飞行时间预测模型。以南京进近为实例,对4种机器学习模型进行训练、验证和测试,对模型的性能指标、特征重要性和影响因素展开分析。研究结果表明,对于航空器进近飞行时间的预测,基于随机森林的模型表现出了最高的预测性能,模型的泛化能力最好、精确度高,回归效果越显著;进场状态是影响航空器进近飞行时间的最重要因素,而进场点和进场高度特征则对结果的贡献度最大。     

基于飞行时间的三维成像研究进展和发展趋势

随着数字成像技术的发展,三维成像已被应用在许多领域中,如自动驾驶汽车、机器人和生物医学成像。基于飞行时间(Time of Flight, TOF)的三维成像相机在记录强度和深度信息的同时,在成像速率、功耗、体积等方面有突出的优势,这也使得TOF相机在诸如计算机图形、机器视觉、机器人控制中的应用越来越多。介绍了TOF相机的发展情况,详细分析了TOF相机的成像原理、误差来源,总结了当前基于TOF相机的研究及应用情况,最后阐述了TOF相机的发展趋势。     

基于灰色理论的飞行事故率和事故症候率预测

基于灰色预测理论,给出了飞行事故率和事故症候率预测分析的新方法。分析结果表明,采用灰色预测理论对飞行事故率和事故症候率进行预测分析,可以得到满意的预测精度,从而为民用航空器运营管理提供决策依据。     

基于时间序列分析的装备可用度预测方法

阐述了装备可用度预测的重要性,并以此为需求牵引,构建了具有非线性、非平稳的装备可用度时间序列。基于奇异值分解滤波算法,将原始序列分解为趋势成分和随机成分,分别应用粒子群训练的径向基神经网络模型和函数系数自回归模型进行组合预测,充分体现了2类模型的各自的优势。实例分析,验证了模型和算法的有效性。实验与应用结果表明,该组合方法的预测性能和效果比单一使用RBF和FAR进行预测更好。     

基于支持向量经验模态分解的故障率时间序列预测

 针对故障率时间序列的非线性与非平稳特性,提出一种基于支持向量经验模态分解(SVEMD)的预测方法。首先,将故障率时间序列分解为多个固有模态函数(IMF)与一个余量(RF),利用最小二乘支持向量机(LSSVM)预测时间序列两端的局部极值点,以抑制传统经验模态分解(EMD)的边缘效应;同时以LSSVM回归方式形成包络线,以取代传统EMD中的三次样条插值;然后,建立各IMF与RF的预测模型;最终,将各IMF与RF的预测结果相加以获得故障率时间序列的预测结果。仿真结果表明,该方法的预测精度较传统基于EMD的预测方法与单一预测方法有显著提高,可实现对故障率的准确预测。     

基于小波分析与支持向量机的时间序列预测

时间序列广泛存在于工业、经济、军事等各个领域,时间序列预测是数据分析处理的一个重要方面。目前提出的预测模型大多基于＂原始时间序列是无噪的＂这一假定,而实际应用中,对时间序列去噪处理的好坏将直接影响预测的准确率,针对这一事实,使用小波分析对原始时间序列去噪。利用小波变换对时间序列进行多尺度分解,对各尺度上的细节序列使用阀值法去噪;使用支持向量机对重构后的各组小波系数进行预测并将结果融合,得到预测结果。实验结果表明,用于时间序列预测,能及时反应序列的变化趋势并具有较高的预测精度。     

基于贯序正则极端学习机的时间序列预测及其应用

为实现对液压泵特征参数的在线预测,提出一种贯序正则极端学习机(SRELM),并研究了基于SRELM的预测方法.SRELM根据结构风险最小化原理实现网络训练,其网络权值可随新样本的逐次加入而递推求解,具有泛化能力强与训练速度快的优点,因此适于特征参数的在线预测.基于SRELM的预测方法利用特征参数训练SRELM模型,以逐...     

基于小波分析和时间序列理论的陀螺仪随机漂移建模研究

综合分析了已有的对陀螺随机漂移建模的各种方法,在分析其各自的优缺点的基础上,考虑到运算的快速性及模型的准确性,这里提出了综合运用小波分析和时间序列理论对陀螺仪随机漂移进行建模的方法,并通过M atlab仿真实验,分析肯定了该方法的有效性和实用性。     

诊断和预测:使监控达到更高水平

科学监控公司(SMI)可按照每台发动机每飞行小时1美元的价格为航空公司处理监控数据,该公司所提供的服务几乎不需要高技术的机载设备.