基于航迹聚类的终端区飞行程序轨迹表示

为了定量评估飞行员严格按照规定的飞行程序执行飞行任务的能力,对终端区飞行程序轨迹的表示方法进行了研究。通常终端区范围内一条真实的航迹约有150个航迹点,而标准飞行程序仅使用4到9个航路点表示,不足以描述一条完整的航迹。针对这一问题,提出了基于航迹间面积加权的航迹相似性度量方法,并利用CURE算法实现航迹聚类。通过比较聚类集平均航迹和代表航迹分别与标准飞行程序的关系,建立了飞行程序轨迹表示模型。最后利用某大型国际机场的一条标准离场飞行程序以及实际运行航迹对提出的方法进行验证,实验表明,本文所述方法能更好的实现航迹聚类,并可准确地表示飞行程序轨迹,为分析与评估飞行员飞行品质提供理论基础和实践应用参考。     

基于终端区的空中交通流量管理研究

近几年来,随着我国民航事业的不断发展,航班起降架次数量日益增加,加上管理手段的落后,使得空中拥挤现象尤为严重,导致飞机比必要的空中盘旋,延误下降时间,不仅增加运营成本,而且给空中交通带来安全隐患。因此,加强终端区内的空中交通流量管理具有重要意义。本文则对终端区的空中交通流量管理给予重点分析。     

基于冒泡原理的多轨迹识别算法

多轨迹识别算法广泛应用于网络监控和信息安全领域,提高算法准确性并降低误判率是该领域一直重点研究的方向。本文通过引入恒变循环轨迹的概念,将一类问题都归结于剩余类循环轨迹的问题,并提出了一种基于冒泡原理的多轨迹识别算法,实验表明,使用该算法检测共享接入主机,具有很高的收敛性和准确性,更满足现网场景需求。     

基于能量平衡的太阳能飞机可持续高度分析

相对于常规动力型式的长航时飞机,尽量提高太阳能飞机的最大持续任务高度,更能体现其在工程应用中的显著优势。基于能量平衡,采用敏度分析的方法,着重分析了各总体参数对太阳能飞机可持续高度的影响及约束程度。参与分析的总体参数有各系统部件的"效率特性"参数、"重量特性"参数和设计指标中的飞行季节等。研究结果表明:主要有光伏组件效率及其面密度、结构面密度和二次电池比能量共同约束着可持续高度的上限;要实现跨季节或数年飞行时,飞行季节也约束着可持续高度的上限;另外,仅从能量采集与能量消耗之间的差值来看,太阳能飞机"有利"巡航高度约为10 km。所研究的结果能为太阳能飞机方案设计阶段中的总体参数选型提供指导。     

基于视角不变的三维手势轨迹识别

提出了一种新颖的基于视角不变的三维手势轨迹识别方法,手势分割采用Kinect传感器获取图像深度信息,通过先定位起始点再定位结束点的方法定位手心点,使手势轨迹点定位有自动无延时的特性。采用改进的质心距离函数表示视角不变的三维轨迹特征,隐马尔可夫模型用于训练和识别有效的轨迹。实验结果表明,该方法具有光照及复杂背景鲁棒性,数字0～9的平均识别率可达97.7%。     

基于工况识别的燃料电池公交车能量管理策略

为解决燃料电池混合动力公交车中基于优化的能量管理策略难以实车应用的问题,在分析燃料电池公交车(Fuel cell hybrid bus,FCHB)行驶路线的固定性和片段性的基础上,提出了一种基于SOM-K-means(Self-organized mapping K-means)工况识别的能量管理策略。首先,根据公交车站点将行驶路线划分为多个行驶片段,在车辆停站时,运用SOM-K-means二阶聚类模型完成工况识别,获取车辆下一行驶片段的识别协态变量;当车辆在下一个行驶片段运行时,运用识别协态变量完成基于庞特里亚金极值原理(Pontryagins maximum principle,PMP)求解的能量管理策略的实时应用。其次,建立基于公交车实际运行数据的仿真实验,最后建立硬件在环实验,将所提出的策略移植入整车控制器(Vehicle control unit,VCU)中进行实验。实验结果表明,与基于规则的能量管理策略相比,本研究提出的能量管理策略降低了19.77%的平均等效氢气消耗。且该策略在VCU中每一步的计算时间大约为30 ms,计算结果与仿真结果完全一致,满足车辆对能量管理策略的时效性和准确性的要求。     

基于能量的新型气井积液识别模型

准确、及时地判别气井是否积液是确保含水气井正常生产的重要保障。目前采用临界携液模型对气井积液进行判别,该方法对于已经积液的气井或通过措施排出积液后的井筒实际流动情况的预测与判别时常出错。基于气井能量和井筒需要的排液能量之间的协调,建立新型的气井积液识别方法及较为完整的气井积液识别体系。该方法结合气田生产数据,可对气井进行更为准确的积液判断和实时跟踪。用该方法对实例气井进行实时积液诊断,预测结果和实际情况非常吻合。新型积液识别方法的应用,对产水气井的正常生产和相关排水采气措施的实施,具有重要的指导意义。     

基于iBAT和DTW算法的异常轨迹检测

首先使用iBAT算法进行轨迹异常检测,然后结合DTW算法进行相似性度量,进一步区分轨迹。     

基于小波包能量变化率的钢桁架损伤识别研究

提出了一种基于小波包能量变化率的钢桁架结构损伤识别方法.运用Ansys软件对钢桁架结构进行数值模拟,得到结构各节点的加速度响应数据;利用Matlab对加速度响应数据进行小波包分析,然后通过小波包能量变化率指标识别损伤.主要研究了不同损伤位置、不同损伤程度、以及噪声对损伤识别的影响.数值模拟结果表明,小波包能量变化率指标能准确有效地识别损伤,该方法具有较好的鲁棒性.     

机场终端区交通流模式识别研究

为了实现智能化处理海量的航班数据,提高空中交通管理的效率,保障机场终端区空域中的航空器能够安全有序地运行,提出一种数据分析模型,用于从大量轨迹数据中高保真地表征空中交通流。通过基于DBSCAN密度聚类算法将轨迹聚类,用聚类评价指标调整、确定轨迹簇最佳类别数,用均值法提取中心线,以单个代表性轨迹概括轨迹簇,结合现有定义,提出了机场终端区交通流的定义。利用首都机场进行实例验证,结果表明此方法能够有效显示终端区轨迹特征。     

基于车牌识别数据的机动车出行轨迹提取算法

为了提取城市路网上所有运行车辆的出行轨迹,系统科学地再现所有车辆的运行场景,进而为分析城市交通需求的结构和时空分布特性提供数据支撑,提出基于车牌识别数据的机动车出行轨迹提取算法.通过车牌及时间戳排序提取出行链;利用相邻节点间的速度,结合交叉口邻接矩阵完成行链的分离;基于K则最短路径算法（KSP算法）及灰色关联法（GRA算法）,对出行轨迹进行补全重构.对贵阳市南明区的实际车牌识别数据进行算法测试.结果表明,提出的基于车牌识别数据的机动车出行轨迹提取算法在测试区域的综合准确率大于92%.     

基于对数Gammatone滤波器能量谱图的语种识别

针对语种识别在噪声环境下识别率低的问题,提出了一种基于对数Gammatone滤波器能量特征谱图的语种识别方法。依据Gammatone滤波器组的听觉特征提取出对数Gammatone滤波器能量特征,并将特征转化为图像获得特征谱图,然后运用暗通道先验算法对特征图进行增强去噪,最后使用残差神经网络模型进行训练识别。实验表明,在信噪比为0 dB,噪声源分别为白噪声、车内噪声和粉红噪声时,该方法相对于线性灰度语谱图识别率分别提升了32.7%、10.1%和29.1%,且在其他信噪比下的识别率也有一定的提升。     

基于车牌识别数据的行驶轨迹重构和排放测算

随着特大城市的发展,柴油车等高排放车辆成为城市的主要移动污染源之一,对大气环境质量控制造成越来越大的压力.基于道路交通车辆的车牌自动识别数据集,从识别断面的车辆通过时空数据推算车辆的行驶轨迹,获取城市级别高排放车辆的热点行驶路径、出行特征及活动规律,为制定车辆减排政策(如高排放车辆的管控及低排放区划定等)提供定量方法和科学依据.提出基于地图应用程序开发接口(application programming interfaces,API)导航的车辆行驶轨迹重构方法,较为真实地还原车辆行驶路径,并结合移动源排放测算(motor vehicle emission simulator,MOVES)模型对行驶车辆的多种污染物排放进行估算.以中国深圳市运行的柴油车为研究对象,分析验证该方法的可行性及可靠性.结果表明,该方法可完整重构柴油车在深圳市的运行轨迹,并实现对排放的估算,为机动车污染物减排提供辅助决策支持.     

机电产品能量因素的识别与提取方法研究

能量因素作为机电产品能耗属性与设计信息的联系纽带,与能耗关联的各种控制要素存在耦合关系,难以直接量化表达,针对这个问题,建立了能量因素识别与提取方法。该方法主要是应用模糊数学的隶属度函数进行可控性和能耗影响强弱程度分析,从而提取出机电产品的强可控能量因素集,应用于产品使用过程的能耗控制与优化。最后,以汽车传动系统关键部件的能量因素提取为例,对提取方法进行了说明。     

抗轨迹差异识别攻击的相似轨迹实时生成方法

用户使用基于位置服务进行连续查询产生的移动轨迹可能会遭受轨迹差异识别攻击,进而造成用户个人隐私的泄露问题,本文依据轨迹r-匿名的思想,提出了一种相似轨迹实时生成方法用来保护用户的个人位置隐私。该方法通过匿名服务器对用户提交进行需要匿名的真实位置计算,实时生成、筛选建立虚假位置集合,利用虚假位置形成的位置轨迹与真实轨迹之间的相似性模糊了真实轨迹,降低了生成的虚假轨迹被攻击者识别的概率,实现了连续位置查询中的实时轨迹匿名。通过性能分析和模拟对比实验验证,进一步说明了本文所提出算法的隐私保护效力和算法执行效率。     

基于模糊聚类分析识别内燃机缸内燃烧异常的故障

运用模糊诊断理论,通过测试内燃机循环内转速波动,对ＳＹ４９２Ｑ－４ 型汽油机燃烧异常的症状进行识别诊断,结果表明模糊聚类方法可以对故障发生的中间随机原因（症状）进行定位研究,并在一定的转速范围内对于多因素的故障识别具有很高的准确性．     

基于异常值识别的计量小区短期需水量预测

需水量预测是进行水资源调配、节能降耗和降低管网水龄的关键问题。现有需水量预测研究主要对预测模型进行改进,而忽视了对预测准确性至关重要的预处理步骤,如异常值处理,限制了预测模型的精度。为此,建立基于密度的局部离群因子模型(local outlier factor, LOF)对需水量数据中的异常值进行识别及矫正,并将其与一种新兴的高精度、高效率梯度提升树算法(light gradient boosting machine, LightGBM)结合,形成组合需水量预测模型(LOF+LightGBM)。通过实际案例进行模型性能测试,结果表明,相比基于原始数据的预测模型,基于经过LOF模型处理后的需水量数据进行预测的模型均方根误差平均降低10%。LightGBM模型在不同数据集上的绝对平均误差比人工神经网络和支持向量机平均降低了24.7%。整体上,LOF+LightGBM表现最佳预测性能,3个计量小区(district metered area, DMA)的纳什效率系数分别为0.886、0.951、0.942。所有模型训练及预测时间均小于0.7 s。无论是LOF模型、LightGBM模型还是LO...     

基于模糊聚类分析识别内燃机缸内燃异常的故障

运用模糊诊断理论,通过测试内燃机循环内燃转速波动,对ＳＹ４９２Ｑ－４型汽油机燃烧异常的症状进行识别诊断,结果表明模糊聚类方法可以对故障发生的中间随机原因进行定位研究,并在一定的转速范围内对于多因素的故障识别具有很高的准确性。