PTDN技术在航天测控通信网的应用研究

针对我国航天测控通信网采用TCP/IP(Transmission Control Protocol/Internet Protocol,传输控制协议/互联网协议)导致的协议无法自主可控、服务质量难以保障以及网络资源难以精细化管理等问题,分析了国际上通信网络技术的现状及发展趋势,在介绍PTDN(Packet Telecommunication Data Network,分组通信数据网)技术的基础上,进行了PTDN技术在航天测控通信网中的适用性分析,给出了协议应用带来的效果改善以及存在的不足。随后,结合PTDN技术的未来发展情况,提出了该技术在航天测控通信网中的应用部署策略。最后,搭建实验环境对航天测控通信网采用PTDN技术的效果进行了实验测试,结果表明PTDN技术可有效支持除组播传输以外的其他业务应用。     

联盟环境下航空公司航线网络优化

航空公司如何设计航线网络满足自身运营需求,同时便于同联盟伙伴开展多国际航线合作,是联盟合作领域中亟需解决的问题.在经典UMpHMP模型基础上,综合考虑联盟航线网络的特性,以最小化航空公司运输总成本为目标,构建了联盟航线网络优化设计模型.选取国内某航空公司进行实例分析,得出最佳枢纽位置和旅客运输最优路径,并分析了枢纽数目和成本分摊比例对网络布局的影响,验证了模型的实用性和可行性.     

基于移动网络的飞行控制系统

一个实现精确姿态显示的飞行控制系统不仅能改善飞行品质,而且能保障飞行任务的圆满完成,飞行姿态数据的研究与设计具有重大的安全意义和研究价值.设计了以STM32F103为核心控制芯片的飞行控制系统,通过读取HMC5883磁阻传感器、MPU6050三轴姿态传感器、MS5611气压计的数据,编入相应控制程序,获取飞行器的三轴姿态和高度位置,并将取得精确的姿态数据通过4G移动网络传输到手机客户端上,保证飞行中GPS以及遥控信号失灵等突发状况时,能够及时地根据数据调整飞行姿态,达到安全返航的目的.实验测试结果表明,系统实时性好,可靠性高,易于安装,调试简单,具有较高的实用价值.     

Human factors quantification via boundary identification of flight performance margin

A systematic methodology including a computational pilot model and a pattern recognition method is presented to identify the boundary of the flight performance margin for quantifying the human factors. The pilot model is proposed to correlate a set of quantitative human factors which represent the attributes and characteristics of a group of pilots. Three information processing components which are influenced by human factors are modeled： information perception, decision making, and action execution. By treating the human factors as stochastic variables that follow appropriate probability density functions, the effects of human factors on flight performance can be investigated through Monte Carlo（MC） simulation. Kernel density estimation algorithm is selected to find and rank the influential human factors. Subsequently, human factors are quantified through identifying the boundary of the flight performance margin by the k-nearest neighbor（k-NN） classifier. Simulation-based analysis shows that flight performance can be dramatically improved with the quantitative human factors.     

CAN总线在助航灯光监控系统的应用

<正>1前言1.1机场助航灯计算机监控系统的发展意义早先,机场灯光的开关操作需要塔台与灯光站工作人员进行电话联系,灯光站工作人员根据塔台空管人员的指令到设备间对调光器等相应设备进行手动操作并记录操作过程,整个操作过程复杂而又容易出错。随着航空工业     

空间激光通信进展及在天基网中应用构想

在分析国内外空间激光通信技术研究进展和试验验证的基础上,按照"全球覆盖、重点支持、便于组网、便于管理"的原则,重点对未来激光链路卫星星座构型进行研究,提出了基于已有轨位的4节点GEO(Geostationary Earth Orbit,地球静止轨道)星座、基于已有轨位的6节点GEO星座以及激光/微波卫星共存下空间激光宽带网络发展构想;采用高效资源分配算法和智能化运行管理系统,支持我国数百个航天器、非航天器的在线管理和高速数据传输服务,可以满足我国天基平台和全球骨干节点的高速数据传输需求。通过分析论证,提出构建我国的空间激光宽带网络,需要在超长距离激光通信技术、激光链路自主建立技术、星地激光大气效应研究、空间激光宽带网络协议、卫星星座智能管理技术等关键技术和重点研究方向上集智攻关,取得突破性进展,并对未来发展进行了展望。     

基于InfoLSGAN和AC算法的滚动轴承剩余寿命预测

为解决小样本和噪声干扰下滚动轴承剩余寿命(RUL)预测准确率低的问题,提出一种基于信息最小二乘生成对抗网络(information least squares generative adversarial network,InfoLSGAN)和行动者-评论家(actor-critic,AC)算法的滚动轴承剩余寿命预测方法。将堆叠降噪自动编码器、信息生成对抗网络和最小二乘生成对抗网络相结合,构建InfoLSGAN,自动地从噪声数据中提取可解释的鲁棒特征,解决梯度消失问题;采用基于AC的训练算法训练InfoLSGAN,减少训练时间,加快收敛速度;根据训练后的InfoLSGAN,利用softmax分类器预测测试样本中滚动轴承的剩余寿命。通过滚动轴承加速疲劳寿命试验验证该方法的有效性。试验结果证明,当信噪比等于0时,该方法对滚动轴承测试样本的寿命预测准确率至少提高了10%。在小样本情况下,滚动轴承剩余寿命预测的平均准确率达9584%。     

基于深度信念网络的航空发动机维修等级决策

准确的航空发动机维修等级决策,能够避免过维修和欠维修,在保证航空发动机运行安全的前提下节约维修成本。结合航空发动机状态监控信息和维修等级特点,采用深度信念网络（DBN）算法,挖掘状态监测及维修等级决策之间的深层次对应关系,实现对维修等级的分类和预测。该模型通过DBN预训练和反向传播(BP)神经网络反向微调提取出样本特征,从而提高维修等级预测准确率。以某航空公司CF6航空型发动机的状态参数和维修等级数据作为实例进行验证,结果显示:该模型能够通过构建多层网络结构挖掘出样本的更深层次信息,在分类能力、决策准确性方面优于传统神经网络,有较强的特征提取能力,对维修等级分类有较高的正确率,能得出更准确的维修等级决策结果,避免因维修等级误判而带来不必要的损失。      

基于威胁评估和扩展Voronoi图的战术飞行轨迹规划方法

针对目前各种基于Voronoi图的路径规划方法在威胁处理过程中存在的问题,提出了一种基于威胁评估和扩展Voronoi图的战术飞行轨迹规划方法。建立了基于贝叶斯网络和模糊逻辑的威胁源威胁度和路径威胁度评估模型,在此基础上建立包括路径威胁度和燃油在内的最优路径代价计算模型。结合扩展Voronoi图的路径生成方法以及Dijkstra路径规划算法,得到了从飞行起点到目标点的能够适应战场态势变化的最小代价路径。最后利用κ-Trajectory路径圆滑算法,得到了与所规划路径等长的圆滑可飞的最优路径。仿真结果验证了所提方法的可行性和有效性。     

考虑机场位置与航线流量影响的航空网络防御资源优化策略

传统复杂网络领域对网络防御问题的研究未考虑影响航空网络防御资源配置的主要因素,为此提出 一种考虑机场位置、航线流量等因素的基于航空网络实际的防御策略,来降低网络风险。首先,利用节点脆弱 性减少模型确定不同类型防御资源防御量与节点防御能力的函数关系;然后,对传统的重要度评价矩阵做出改 进,考虑航线流量、机场位置等影响航空网络防御资源配置的因素对节点进行重要度排序,并分析节点与整个 航空网络风险的关系;最后,在总防御资源量一定的情况下,利用模拟退火算法对各个节点配置的防御资源量 进行求解,使得网络总风险最小。通过对随机生成网络与中国航空网络的实验发现,该优化策略在分配防御资 源时,能够区分机场节点位置和流量的差异,相比于传统方法能够有效降低网络总风险。