起降容量受限的地面等待模型研究

提出了基于离散事件系统(DES)的起降容量受限的地面等待随机型数学模型,解决了单跑道模型未涉及的多跑道、起降容量相互影响和连程航班等因素的地面等待问题,并给出了模型算法.详细研究了空地等待费用比系数和起降权重系数对地面等待决策的影响.仿真结果验证了模型的有效性.      

出口管制使美国通信卫星产业受到重创

1962年,美国利用“电星”（Telstar）卫星第1次把电视信号从欧洲中继到北美洲;1963年,美国发射了第1颗地球同步轨道通信卫星——同步通信-2（Syn—com-2）;1965年4月6日,美国为国际通信卫星（INTELSAT）组织发射了世界上第1颗商用通信卫星“晨鸟”（EarlyBird,即Intelsat-1）。     

浦东机场进出港航班将实行新的起降方式

3月26日,华东空管局在浦东机场塔台指挥飞机起降的“空中交警”将采用新的管制方式,用“双起双落”指挥方式替代已沿用了三年的“两起一落”的模式。届时,浦东机场将形成一号、二号跑道独立平行离场,二号、三号跑道相关平行进港,一号、三号跑道相临460米的窄距离跑道运行的崭新格局,特别是窄距离跑道运行的规程和积累的经验将填补国内空白。     

散点状分布危险天气区域下的航班改航路径规划

针对沿航线散点状分布的危险天气区域影响下的航班改航问题,提出了基于多目标遗传算法(MOGA)的航班改航路径规划方法。首先建立了基于网格的改航环境模型,并给出散点状分布危险天气区域的描述方法。然后以改航航段的航段距离、平均偏离距离和转弯点个数为目标,应用带精英保留策略的非支配排序遗传算法(NSGA-II)对改航路径规划进行研究,提出了适用于改航路径规划的编码方法,同时引入了删除算子。最后,以昆明—广州航线为例,研究了散点状分布危险天气区域下的改航路径规划,并与基于多边形的改航路径规划算法作了比较。仿真结果表明：采用本文方法运行一次即可得到多条安全、可行的改航路径,且无需先验知识,为决策者选择改航路径提供了充足的依据。     

航空发动机内窥故障诊断专家系统研究

采用BP神经网络准确识别内窥故障信息,并且建立综合基于规则推理和基于案例推理的混合专家系统,对内窥故障进行智能诊断。实验结果证明,该专家系统能快速有效地给出损伤评估和维修策略。     

机场跑道最大容量模型研究

目前,存在着三种比较知名的跑道最大容量评估随机解析模型,即FAA,LMI及MACAD,其建模逻辑各有不同.通过对管制规则进行分析,综合了这三种模型中的合理建模逻辑,构建了新的单跑道容量评估模型.该模型考虑了飞机进近速度、公共进近段长度、飞机位置不确定性、跑道占用时间、间隔标准、机型组合等参数,最终输出结果为跑道容量包络...     

基于MDSL的语音通道智能排障的研究与设计

目前,空管技保人员频繁地在日常工作中使用空管记录仪的语音查询功能进行线路故障的排查。为解决人工排查的漏洞,本文提出一种基于通道自动比对的可视化排障设计。此设计大大提高了排障效率,降低了日常人工排障的不准确性和随机性。本文首先描述其功能设计,随后提出采用进程分离的技术保证其可靠性,语音索引文件技术保证其高效性。此设计的可行性在新一代川大智胜记录仪系统中得以验证。     

面向大数据的数据处理与分析算法综述

大数据处理是近年来广受关注和研究的技术领域,数据挖掘作为从大量数据中挖掘隐藏价值信息的技术,是处理大数据的有效工具。本文主要从数据挖掘的角度对大数据处理算法的研究现状进行分类总结。首先介绍了大数据中针对流式数据分类的方法,包括单模型算法和集成分类算法;其次分别从单机算法和基于分布式并行平台的多机算法两个角度概括介绍了大数据聚类方法以及大数据关联规则挖掘方法;最后总结了现有面向大数据的数据挖掘算法的研究进展并展望未来的发展趋势。     

基于C/S结构的航行电报系统的实现

随着目前国内航空运输飞行流量的增大，保持空管系统与航运协调同步发展，保证飞行安全有序，使空管系统的综合保障能力进一步提高，将是空管系统战略发展要达到的主要目标。为了适应这一发展的需要，提高工作效率，逐步实现空管电报处理的自动化和飞行信息处理自动化。本文给出了一套稳定实用的民航电报系统的设计思路和实现方式，通过客户服务器模式实现了使用一条电报线路对于多个终端航行电报报文的存储转发，运用现有内部网资源节约了转报成本，提高了报文收发的稳定性。     

外关联规则挖掘

根据项集内项的关联性,现有关联规则挖掘算法可分为正关联规则挖掘和负关联规则挖掘两大类,它们反映的是项集内频繁项之间的关联性。通过对实际数据集的分析发现,一个项集可以划分成若干子项集,子项集内的项有较高的相关性,而不同的子项集相关性则较低,这意味着每个子项集与其外部的一个潜在因子间存在着关联,由此本文提出了外关联规则的概念,并基于因子分析和主成分分析方法,提出了外关联规则挖掘算法(FAAR),从而将项集内的关联规则挖掘外推到子项集和潜在因子集之间的外关联规则挖掘,扩展和丰富了关联规则挖掘的应用,在此基础上还可进一步发现它所蕴涵的正、负关联规则。