Actual TDoA-based augmentation system for enhancing cybersecurity in ADS-B

Currently, cybersecurity and cyber resilience are emerging and urgent issues in next-generation air traffic surveillance systems, which depend primarily on Automatic Dependent Surveillance-Broadcast (ADS-B) owing to its low cost and high accuracy. Unfortunately, ADS-B is prone to cyber-attacks. To verify the ADS-B positioning data of aircraft, multilateration (MLAT) techniques that use Time Differences of Arrivals (TDoAs) have been proposed. MLAT exhibits low accuracy in determining aircraft positions. Recently, a novel technique using a theoretically calculated TDoA fingerprint map has been proposed. This technique is less dependent on the geometry of sensor deployment and achieves better accuracy than MLAT. However, the accuracy of the existing technique is not sufficiently precise for determining aircraft positions and requires a long computation time. In contrast, this paper presents a reliable surveillance framework using an Actual TDoA-Based Augmentation System (ATBAS). It uses historically recorded real-data from the OpenSky network to train our TDoA fingerprint grid network. Our results show that the accuracy of the proposed ATBAS framework in determining the aircraft positions is significantly better than those of the MLAT and expected TDoA techniques by 56.93% and 48.86%, respectively. Additionally, the proposed framework reduced the computation time by 77% compared with the expected TDoA technique.     

一种基于Kriging和Monte Carlo的主动学习可靠度算法

机械结构可靠性分析时,常常会采用代理模型拟合隐式功能函数来解决计算量大的问题,但由于试验设计方案需要同时考虑代理模型的拟合精度和可靠度计算精度的问题。因此,为了能够充分使用较少的样本信息,最大化可靠度计算精度,本文充分发挥Kriging预测的随机特性,提出一种主动学习可靠度计算方法。首先,类似于优化问题中改善函数的选点方式,提出一种基于Kriging预测的学习函数,基于Monte Carlo法生成大量的候选样本点,找出学习函数最小值对应的样本点作为最佳取样点。其次,推导和提出了一种学习停止的条件,保证了Monte Carlo样本点预测符号的正确性且学习次数明显减小。最后,通过2个数值算例分析结果表明,该算法相比其他方法需要更少的样本数量,得到的可靠度计算精度更高,验证了本文算法的正确性和高效性。     

空间机械臂的确定性学习控制

研究一类空间机械臂系统的基于模式的控制方法。首先在训练阶段,基于确定性学习理论设计自适应神经网络控制器使机械臂系统跟踪不同的任务模式,得到对应于不同任务模式的一系列空间机械臂闭环动态的局部准确神经网络建模,并利用这些模型构造对应不同任务模式的常值神经网络控制器。其次,在测试阶段,首先快速识别出任务模式,然后调用相应的常值神经网络控制器实现对空间机械臂系统基于模式的闭环控制。理论证明基于模式的控制方法可提高机械臂闭环系统的控制性能,并可避免频繁切换。理论结果最后在空间机械臂中得到了仿真校验。     

颤振飞行试验的边界预测方法回顾与展望

颤振飞行试验是新型机种定型必不可少的环节,其目的是要确定颤振边界。由于颤振飞行试验的风险大、耗费高并且周期长,研究者一直在追求安全、准确和高效的颤振边界预测方法。鉴于此,在总结前人研究的基础上,从传统的颤振边界预测方法及其改进和新的颤振边界预测方法两个层面展开,对常用的和近年发展的颤振边界预测方法较为全面而相对简洁的论述,着重介绍了各种颤振边界预测方法的基本原理、适用性及其推广和改进。针对各种方法的原理和特点,将其归纳为构造稳定性参数的方法和基于流固耦合分析模型的方法,并对两类方法进行了对比和总结。最后,对目前颤振边界预测存在的一些技术难点及其发展趋势进行了初步的探讨。     

A machine learning approach to crater detection from topographic data

Craters are distinctive features on the surfaces of most terrestrial planets. Craters reveal the relative ages of surface units and provide information on surface geology. Extracting craters is one of the fundamental tasks in planetary research. Although many automated crater detection algorithms have been developed to exact craters from image or topographic data, most of them are applicable only in particular regions, and only a few can be widely used, especially in complex surface settings. In this study, we present a machine learning approach to crater detection from topographic data. This approach includes two steps: detecting square regions which contain one crater with the use of a boosting algorithm and delineating the rims of the crater in each square region by local terrain analysis and circular Hough transform. A new variant of Haar-like features (scaled Haar-like features) is proposed and combined with traditional Haar-like features and local binary pattern features to enhance the performance of the classifier. Experimental results with the use of Mars topographic data demonstrate that the developed approach can significantly decrease the false positive detection rate while maintaining a relatively high true positive detection rate even in challenging sites.     

高职院校学习型辅导员队伍构建策略探析

在高职院校,普遍存在着辅导员学习研究意识淡漠,缺乏学科背景支持、学习氛围不浓等问题,针对这些问题,高职院校须构建一支学习型辅导员队伍,可采取的具体策略包括：建设学习型学生工作领导队伍、培养问题研究意识、加强团队学习和培训指导等策略。     

高职院校实施工学结合人才培养模式面临的问题与对策

工学结合是高职教育改革与发展的方向,工学结合人才培养模式是高职教育的生命线。大力推进校企合作、创新实践工学结合人才培养模式的有效实施方案、探索适合高职院校发展的新思路,是实现高职院校服务社会需求的重要任务。本文分析了我国高等职业教育工学结合的现状及其影响因素,以西安航空职业技术学院为例构建了工学结合人才培养模式的运行体系,提出了实施工学结合的实践策略。     

基于过程神经网络的液体火箭发动机状态预测

提出一种基于极限学习算法的离散过程神经网络模型,用于解决液体火箭发动机状态预测这一难题。首先,在历史数据的基础上建立离散过程神经网络（DPNN）预测模型;然后,根据在线更新的数据样本,采用递推极限学习（EL）算法对双并联前馈离散过程神经网络（DPFDPNN）隐层到输出层的权值进行更新,并应用权值更新后的过程神经网络对发动机状态进行预测;最后,以液体火箭发动机状态预测中氢涡轮泵扬程预测为例,分别采用有权值更新和无权值更新两种预测模型进行了试验。结果表明,通过更新过程神经网络权值可以使模型具有更高的预测精度和更好的适应能力,该方法能够为液体火箭发动机状态预测提供一种有效的解决途径。      

航空网络关键节点辨识的核极限学习机算法研究

通过技术手段准确识别航空网络的关键节点,对航空网络平时的正常运行以及战时的防御和修复,具有重要的理论意义和参考价值。提出一种基于核极限学习机的航空网络关键节点识别方法,首先,采用层次分析法对节点综合重要度进行评估;然后,选取三个简单指标,基于核极限学习机学习简单指标与综合重要度之间的映射关系,建立重要度评估模型;最后,以中美两国航空网络为例进行仿真。结果表明:仅需计算 40 个节点的复杂指标值,就可对关键节点取得较满意的辨识效果,降低了计算复杂度,提高了辨识效率,即采用本文方法辨识航空网络的关键节点是有效、可行的。     

机器人动作规划的新方法

机器人动作规划是智能机器人控制系统的一个特别重要而又十分复杂的研究课题，本文在对机器人动作规划进行问题描述的基础上，通过应用解释学习来获取搜索策略，为其提出了一种新的方法，仿真结果表明，该方法是可行且有效的。