基于改进粒子群算法的无人机三维航迹规划

针对传统粒子群(Particle Swarm Optimization, PSO)算法在航迹规划的过程中需要根据无人机性能建立约束条件和易陷入局部最优值的缺点,提出了一种结合天牛须(Beetle Antennae Search, BAS)算法的球坐标PSO算法。该改进算法直接利用球坐标系对无人机的航向角和俯仰角进行约束,并且通过BAS算法避免PSO算法陷入局部最优值。根据数字高程地图建立仿真环境,综合考虑航迹长度、平滑度和危险性等因素构建目标函数。仿真结果表明,改进后的算法与其他PSO算法相比,规划的三维航迹质量更高,能够很好地适应无人机在各种环境下的飞行要求。     

人群异常识别技术研究进展

人群行为分析是计算机视觉领域最活跃的研究方向之一. 有许多针对人群异常行为及检测的算法如人群密度估计、人群中运动检测、人群跟踪和群体行为识别. 在对目前人群异常行为进行总结分析,并概括出人群异常的三大关键特征. 并在次基础上,分别针对人群特征提取、异常识别技术、异常分类技术以及人群异常识别数据库方面,对人群异常识别技术现状进行总结概括,并并对存在的问题,以及未来发展方向提出了研究的建议和意见. 文章对相关领域的研究具有一定的参考价值.     

管制指令语音识别在模拟飞行界面的实现

将语音识别技术应用到管制学员的培训中是提高管制模拟机应用效率的重要途径.在深入分析中文管制指令特征的基础上,从语音识别基础技术出发,设计一套适合于中英文管制指令语音特点的语音识别技术,利用MATLAB完成相应程序的编写和模拟飞行界面的设计.通过形成独特的管制指令语音识别模板库,最终在模拟飞行界面实现管制语音指令对航空器飞行的控制.从而为进一步实现自动化模拟机机长席位提供可能,最终完全替代人工机长席位.     

人工智能在空管中应用的研究进展

在民航飞速发展的同时,空中交通也变得更加复杂、快速、多变,与之相关的种种问题也逐渐显现。同时,作为近几年取得重大突破的计算机辅助技术,人工智能技术已经广泛地应用于多个领域。人工智能技术与传统的空管相结合,更有利于构建一个更加安全、有序、高效的智能化空中交通管理系统。本文主要从国内外空管发展现状、空管系统对人工智能技术的需求以及人工智能在空管系统的应用几个方面进行综述和分析,最后对人工智能技术在空中交通管理中应用所面临的挑战进行了分析和展望。     

基于K-L距离的改进D-S证据合成方法

提出了一种证据距离为基础的冲突证据合成方法.通过改进的K-L距离得到证据间间距,进一步通过相关算法转化为证据权值,权值反映了证据的重要程度,以权值为系数对原始的基本可信度分配函数进行重新分配,再通过改进的合成公式,得到证据合成结果.最后通过具体的算例比较,说明新方法的合成结果更确定,更符合实际情况.     

厦门湖滨西路口跨线桥静动载试验研究

文章结合厦门湖滨西路口连续钢箱梁跨线桥的静动载试验研究。测试并分析了该桥的自振特性、静载工况下的挠度、截面应力和行车激振试验工况的冲击作用,并用Ansys有限元软件做了对比计算分析。试验结果表明桥梁在试验荷载下处于弹性工作状态,具有良好的强度与刚度,满足设计要求。     

基于多目标优化禁忌搜索算法的停机位分配方法研究

针对机位资源分配不均给机场运行多方带来的公平性问题,提出多目标优化的停机位分配方法。建立以旅客通行距离、飞机滑行距离和远机位使用次数最小为多目标优化分配模型。分析航班属性设置分配优先级表。设计一种基于pareto最优的多目标优化禁忌搜索算法,使用pareto最优策略对解集进行筛选。在机场实际分配方案的基础上进行仿真实验,旅客通行距离和飞机滑行距离分别缩短18%和5%,机位资源的使用数量减少20%,航班靠桥率提高到93%,多目标优化禁忌搜索算法比遗传算法更优。     

基于SimHydraulics的某飞机起落架液压系统建模与故障仿真

采用SimHydraulics软件构建某飞机起落架液压系统工作仿真模型。通过设置模型中液压部件的参数,分析不同参数的变化对作动筒活塞杆位移动态特性的影响。仿真结果表明:构建的模型能够较好的反映某飞机起落架液压系统的工作状况,通过故障仿真,飞行员可直观认识到不同的液压系统故障对起落架收放运动的影响程度,提高了飞行员对起落架液压系统故障的应急处理能力。机务人员也可通过故障仿真清楚地了解液压系统故障发生的机理,为故障的诊断和预防提供参考依据。     

基于注意力机制的飞行学员疲劳分类网络研究北大核心

近年的通用航空事故中,出现在飞行训练期间由人因引起的事故约1/3。疲劳是人因中重要的一种,准确地识别飞行学员的疲劳状态对飞行安全有积极意义。提出了一种融合注意力机制的飞行学员精神疲劳分类网络,使用深度可分离卷积对网络参数进行精简,引入注意力机制充分利用通道与空间特征对脑电无用信息进行抑制的同时增大了关键信息权重。使用公开疲劳数据集SEED-VIG对网络进行预训练,然后通过迁移学习将其应用于飞行学员精神疲劳分类,网络在对4种精神疲劳状态分类时达到了84.12%的准确率,并在NVIDIA Jetson Nano上达到了27samples/s的运行速度。该网络可有效识别飞行学员的疲劳类型,并及时向飞行教员反馈学员精神状态情况,为判断飞行学员是否适合训练提供生理依据,同时该网络满足移动设备和嵌入式设备的计算要求。     

基于复杂网络理论的空中交通网络脆弱性分析

针对当前空中交通网络节点通信覆盖性能差的问题,提出一种基于复杂网络理论的空中交通网络脆弱性分析方法.采用网络节点分布结构模型与传输信道模型构建多层复杂网络模型,通过自适应时变时延约束误差修正方法对网络节点密度进行优化调整,对空中交通网络节点分布密度融合程度进行跟踪控制,以节点区域覆盖度为约束条件对信息状态向量进行预测,根据控制节点密度函数计算空中交通网络的覆盖能力,通过能量均衡控制方法完成空中交通网络节点的最优部署,实现空中交通网络脆弱性分析.仿真测试结果表明,与传统方法相比,所提方法能提高空中交通网络节点覆盖度,改善网络的通信覆盖性能.