基于多变量混沌时间序列的航班运行风险预测模型

为了提升航班运行风险预测精度,基于某航空公司2016—2018年航班运行风险数据,在验证15个风险时间序列的混沌特性后,构建基于多变量混沌时间序列的风险预测模型。首先,对15个风险时间序列进行多变量相空间重构,采用主成分分析法（PCA）对相空间进行降维处理;然后,基于迭代预测的方式,分别采用极限学习机、RBF神经网络、回声状态网络和Elman神经网络建立风险短期预测模型;最后,以降维后的相空间作为输入,计算并比较分析未来1～7 d的风险预测结果。结果表明:多变量相空间重构后总维数为62维,经PCA降维处理,降至31维;在不同的预测模型中,降维后RBF模型预测效果最佳;其中,预测第1天结果相对误差<25%出现频数为82.62%,至第5天仍达75%以上;该模型第1天预测结果的修正平均绝对百分比误差（MAPE）值为11.32%,且前5 d均低于20%,满足航空公司使用要求。1～5 d预测结果对航班风险管控具有实践操作价值,证明基于多变量混沌时间序列的风险预测方案可行、有效。      

嵌入式助航灯具定位系统设计与实现

针对民航机场嵌入式助航灯具清洗系统灯具定位问题,设计了基于视觉的灯具定位系统。首先,依据民航嵌入式灯具安装标准、夜间发光特点及外界干扰影响,同时考虑系统可行性,建立定位系统空间几何模型并优化摄像机安装参数;然后,提出最大类间方差法Otsu的改进算法对夜间发光灯具图像进行自适应阈值分割,并结合阶距法提取灯具质心;最后,为进一步提高系统精确度,对定位系统进行误差分析并进行误差补偿。夜间环境下对嵌入式助航灯具定位系统进行实际实验,结果表明,所设计系统定位速度快,精度高,平均误差达到16.3 mm,而且环境适应性强,能有效满足嵌入式灯具定位的需求。     

基于人工蜂群算法的飞机进场飞行航迹优化

基于飞机进场航迹模型、汇聚点所需到达时间(RTA)约束模型,以飞机油耗和全球增温潜势为优化目标,构建多目标优化模型。引入交叉操作和衰减因子对人工蜂群(ABC)算法进行改进,实现模型的智能求解。以A330飞机为例进行计算分析,结果表明,改进的ABC算法能满足RTA约束下的进场航迹优化需求,邻域搜索次数限制、优化子目标的权重、RTA窗口大小对优化结果有重要影响。     

QAR数据的数据融合算法

分析了QAR数据中影响飞机性能衰减的主要因素,采用自适应加权数据融合算法和扩展卡尔曼滤波算法对相关性能参数进行了状态参量的估计,并验证了自适应加权融合算法在外界环境影响较小时的便捷性和外界环境影响过大时的局限性.引入扩展卡尔曼滤波算法,加入高斯噪声的计算,提高了状态估计值的精确度,为航空公司改善飞机运行提供了参考.     

飞机尾涡扫描特性与涡核位置估算方法改进

飞机尾流涡核的精准辨识是动态缩减尾流间隔的前提。首先建立了尾涡流场演变模型，对尾涡流场进行了仿真；之后对不同强度和高度的尾涡组合速度场探测结果进行仿真分析；最后提出了涡核位置估算的“极大-次大值”法，提高了对涡核位置识别的准确度。研究表明：标准差两峰值处极大值与次大值之差越大，则涡核与最大标准差对应的距离门越接近；在代入的算例验证中，径向距离估算结果偏差不超过1.5 m,且涡核位置偏差程度均在3 m以内；相比极差法和梯度法，位置偏差修正了60%及以上，最高可达86%。