多跑道离场分配仿真模型及算法

多跑道作为大型繁忙机场的关键资源和瓶颈区域,在机场运行管理中必须对其进行科学和高效配置。基于经验滑行时间数据,建立了多跑道离场分配模型,在满足场面运行安全约束的前提下,以离场航班滑行时间最小为目标,寻求最优的跑道分配方案。通过选取典型机场进行地面网络建模,结合实际运行数据及航班计划等信息,利用计算机仿真对模型进行了验证分析。仿真结果表明,所提方法与随机分配方法相比,多跑道机场地面容量提高了2．1％,冲突探测与解脱次数降低了20．6％,最大延误时间减小了5．2％。因此,机场运行安全与效率得到改善,所提方法有效,适用于多跑道离场分配问题。     

基于航路点布局的多目标网络结构优化方法

为了提高区域航路网络结构的科学性、减轻飞行流量增长对网络运行带来的压力,提出了基于航路点布局的多目标网络结构优化方法。首先,考虑区域航路网络的组成要素,设计了反映网络综合性能的优化目标和约束条件以形成优化模型。然后,建立基于节点移动、融合、分解的航路点布局策略,进而给出优化模型的求解步骤,并利用NSGA-Ⅲ算法完成模型求解。最后,对北京飞行情报区部分区域航路网络进行仿真分析,结果表明,使用NSGA-Ⅲ算法得出的区域航路网络具有良好的综合性能。最优网络在满足约束条件的同时,保证了运行费用和非直线系数基本不变,并使得飞行冲突系数减少了10.8%。可见,所提优化方法能有效提升区域航路网络的经济性、安全性和可行性,符合中国现行空域环境和管理体制。      

空中交通管制运行中的威胁与差错管理分析

在威胁与差错管理（TEM）理论基础上,科学地分析了空中交通管制（以下简称空管）运行中面临的威胁和可能的差错,指出威胁与差错管理的目标并非是消除威胁和差错,而是把其危害控制在一个可以接受的范围以内。通过分析,如果使我们能预先知道哪些情况下,哪些人员容易产生错误,并且知道这些因素是如何作用的,就可以帮助我们更好地防止和避免空管运行中的人为差错,降低事故和事故征候概率。文章分别界定了威胁、差错和非期望状况的概念,并给予详细的实例分析,从而提出了空管运行中TEM的策略和措施,以助空管系统从主动控制的角度提升空管运行安全的效能。     

容量受叠限的航班时刻规划算法的设计和实现

航班时刻规划是战略时期空中交通管制的主要方法.针对起降容量受限和航班延误耗损的变化趋势,提出基于时隙分配的航班时刻规划算法.该算法以调整时间最小和延误耗损总和最小为准则,对进离港航班统一分配时隙.算法考虑了对航班的前提调整,从而得到总延误损失费用与总延误时间值都较小的分配结果.同时,该算法也能处理有后继任务的航班.结合实际数据,用计算机仿真实验对该算法进行了验证,证明了算法的优化性和有效性.     

飞行冲突探测与解脱的研究

由于空中交通流量的增加,我国的空中交通管理系统面临着越来越严重的航线拥挤。解决这一问题的最有效方法之一就是“自由飞行”,即允许飞行员选择最合适自己的飞行航线和飞行速度。但这却给管制员的工作带来的困难。本介绍了如何将遗传算法用于自由飞条件下的飞行冲突探测与解脱,并且表明由于该方法计算快速,能够很好地解决飞行冲突问题。     

三万英尺上的万种风情

在3万英尺的高空,每一位空乘的微笑,都表达着一片土地的文化。他们或者年轻漂亮,或者亲切幽默,不同的文化让云中的空乘风情万端,而属于他们的微笑更让这种风情有了亲切的温度。     

"嫦娥五号"任务再入返回段测控布站区域确定方法

针对再入返回任务地面测控总体分析设计中多天多条弹道地面测站布局优化及返回过程中应急情况下快速测控资源调配的问题,提出了一种基于再入段返回器飞行弹道的测站区域分析方法.建立了测站、返回器的位置与测站工作仰角之间的关系模型,在此基础上提出了对返回器可见的测站分布区域确定的具体方法.利用再入返回过程的理论设计弹道,计算了地面...     

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。      

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。