一种多雷达航迹加权融合的权值动态分配算法

针对多雷达航迹加权平均融合法,分析了权值分配对融合航迹精度的影响,提出了一种权值的动态分配方法。该方法利用多雷达对相同目标跟踪的航迹信息,对各雷达输出航迹的精度进行在线估计,实现权值的动态分配,提高了融合航迹的精度。仿真实验结果验证了该算法的有效性。     

雷达与ACARS数据融合研究

为了更好地利用雷达与ACARS进行空中目标监控,研究了雷达与ACARS的数据融合问题,提出了一种数据融合算法。对雷达与ACARS数据进行坐标变换和时空配准;对二者进行航迹关联,包括空间粗关联、逻辑航迹关联和多义性处理;对关联航迹进行融合。仿真结果表明,该算法可以提高空中目标监控的数据率,识别出雷达中的部分商用和通用航空飞机,得到目标更加详细和准确的信息。     

基于机载数据的高精度飞行航迹合成技术研究

合成高精度的飞行航迹数据是航空安全评估和民航事故调查中需要解决的首要问题.针对直接使用QAR记录数据合成飞行航迹面临着精度不够、数据互斥性较大、影响轨迹计算精度的实际问题,采用地图投影方式和飞行性能数据积分方法分别计算出飞行航迹,在此基础上对航迹进行了融合计算,最后提出利用已知飞行中的准确位置点地理信息数据对飞行航迹进行校准,实现对四维飞行航迹的高精度合成,较好地满足了飞行事故分析和飞行过程再现对高精度水平航迹的需要.     

一种新的异类传感器信息融合算法

针对典型的雷达和红外异类传感器信息融合系统,提出了一种新的雷达和红外信息融合算法。对雷达和红外传感数据进行了预处理,分别滤波得到各自的局部航迹,基于线性最小均方误差准则（Linear Minimum Mean Square Error,LMMSE）对局部航迹进行融合以得到最终航迹。仿真结果表明：该算法可以对雷达和红外传感器进行有效融合并大幅提高航迹跟踪精度。     

多传感器多目标跟踪及航迹融合系统

多传感器数据融合能够实现信息互补以提高目标跟踪精度、识别能力以及增强系统的抗干扰性,因此受到广泛关注。本文主要针对雷达和红外跟踪及航迹融合的体系结构,对目标跟踪、航迹关联和航迹融合的各个算法进行详细描述及仿真。仿真结果表明,基于雷达和红外传感器数据融合跟踪相对于单传感器的跟踪,性能有所提高。      

基于动态时间弯曲的欠时间信息雷达精度评估方法

测量精度是雷达核心系统指标之一,工程中对其进行准确评估有着重要意义;实际应用中在利用ADS-B数据进行精度评估时常因时间信息缺失、时间节拍不均匀等原因导致航迹点匹配误差增大,精度评估效果急剧下降甚至失效;针对上述问题对欠时间信息条件下精度评估问题进行了研究,采用了基于动态时间弯曲算法的雷达航迹点匹配技术,利用形状信息在时间信息缺失的情况下仍能实现航迹点精确匹配从而提升评估精度;考虑到实际应用中边界束缚与计算资源限制,一种预筛选与下界加速技术被提出;然后基于实际应用中序列高维序列信息采用联合度量方法进一步提高航迹点匹配精度;最后在实际测量数据上进行验证,经实验测试表明本方法在时间信息缺失的情况下也可准确评估雷达精度,计算速度快;算法扩展了ADS-B精度评估应用范围,具有广泛实用价值。     

基于着陆雷达的飞机下滑航迹融合算法设计与实现

针对目前飞机进近着陆阶段部分型号着陆雷达实时提供三维位置数据时信息不完整的问题,提出了一种基于雷达坐标系的航迹融合算法,将不同源的航迹数据转换到雷达坐标系下进行航迹关联,再进行最小二乘加权卡尔曼滤波,并通过仿真验证与工程实践,证明该算法可以有效实现飞机着陆阶段的航迹融合。     

基于合作目标的大系统误差方法研究

基于合作目标,分析了雷达存在的大系统误差的原因,提出了解决大系统误差的方法,改进的方法可以有效地提高航迹融合精度。用模拟的雷达数据对算法的性能进行了评估,计算机仿真试验验证了该算法的可行性和有效性。     

基于可信度的航迹融合

本文提出了一种基于可信度的数据融合的航迹处理方法。该方法基于各雷达提供的信息的相对可信度,对不同航迹分别建立多雷达可信度判断矩阵,求得各雷达对该目标的可信度,进而求得各雷达的综合可信度。根据雷达的可信度,采用可信度高的雷达所获取的航迹信息进行卡尔曼滤波,获得每条航迹的最佳估计值。然后对多部雷达滤波后的数据进行线性加权融合处理,最终得到唯一航迹。     

基于B样条拟合的静态航迹预测

四维航迹（4DT）是基于航迹运行（TBO）的实现基础,是民航领域实现各项应用的关键技术,而目前提出的四维航迹预测算法在实际应用中存在较大预测误差,主要来源于航迹拟合和航距计算,为此,提出基于B样条拟合的静态航迹预测算法。首先,计算雷达数据的曲率值并保留极大值对应的航迹点,利用动态时间规整（DTW）算法提取标称航迹;然后用B样条逼近算法进行标称航迹的拟合,得到曲线的分段表示;最后融合航空器的飞行计划高精度计算飞行航距,研究航空器在过点时间预测方面的应用。以国内某航班历史飞行的雷达数据为例对比航空器过航路点的预测时间与实际时间,相比于传统的大圆航线预测方法,所提预测方法的预测精度有明显提高,可以将预测误差控制在1 min内。     

基于HBase的QAR数据存储设计与实现

为解决传统关系数据库存储QAR数据可扩展性低、可用性差的问题,设计一种基于HBase的QAR数据分布式存储方法。根据QAR数据的特点,设计HBase表结构,将QAR参数划分为安全、航迹、燃油、发动机、预测、飞行员操作及其它共七大主题,构建基于航班号、航班日期、参数主题三者组合的MD5散列值行键结构,根据行键散列值对QAR数据值表预分区,通过行键散列机制和预分区技术相结合的两级优化策略实现QAR数据文件分布式存储。真实QAR数据集上的实验结果表明,该QAR数据存储模式能使数据均衡分布在集群中,避免了写热点和数据倾斜问题,有较高的存取性能。     

基于缓存结构的民机实时QAR数据译码方法

新一代通信技术的发展使得QAR数据可在飞行中实时传输;传统译码研究均针对航后QAR数据,难以高效处理实时数据;为提升实时QAR数据的译码效率,提出了基于缓存结构的译码方法,将传统的译码表转换为专门的数据结构,并进行缓存,避免了译码过程中对配置表的全表搜索,提升了译码效率;采用Go语言、Redis缓存、Influxdb2数据库,搭建了实时QAR数据译码平台;采用基于ATG网络的实测QAR数据,对译码平台的性能进行了仿真测试;针对实时QAR数据,平均译码延迟约为5 ms,测试结果表明基于缓存结构的译码方法能够高效处理实时QAR数据。     

基于XGBoost的民航飞机发动机性能参数预测模型

为提高民航飞机发动机性能参数的预测精度,本文提出一种基于模糊推理和XGBoost算法的发动机性能参数预测方法。对发动机进行总体性能分析,确定油门杆位置、气压高度、总温、全重、马赫数及飞行阶段为影响发动机性能参数的主要因素。其次采用模糊推理对快速存取记录器（QAR）数据进行纵向飞行阶段划分,消除人为划分训练数据对预测精度的主观影响。最后,建立各发动机性能参数的XGBoost预测模型,并与多种预测模型进行对比实验。实验结果表明：对发动机N1、燃油流量参数的预测,XGBoost预测模型相比支持向量回归（SVM）、线性回归模型和BP神经网络,其精度更高且不需要对训练数据进行缩放。     

基于粒子群算法的SVM飞机空调系统状态评估

飞机空调系统对飞机和旅客都起着至关重要的作用,对飞机QAR(Quick Access Recorder)空调数据的健康评价进行预测,可以保证乘客和机组的飞行舒适性、安全性,以及电子电气设备工作的稳定性,避免机械故障导致的航班延误或取消。为提高空调系统状态监控SVM模型预测的准确度,提出了一种基于粒子群算法的SVM空调状态评估方法。通过实验结果可知,使用A320飞机空调系统状态监控收集的样本数据进行预测分析,提出的方法能够有效评估空调系统状态。     

外测数据融合准则及最优权值计算方法

航天发射对火箭飞行弹道数据处理的精度要求日益增高，对参与外测融合解算的雷达信息可靠性也提出了较高的要求。为解决航天发射时异常测量数据参与外测融合求解可能会导致火箭弹道精度降低的问题，提出了外测数据融合准则和短时多测元快速遴选方法，可有效识别、剔除异常测量数据，确保同目标高精度测元参与融合解算；并针对不同体制、不等精度的测量数据设计了一种最优权值快速计算方法，该方法综合考虑了测控设备的实际测量精度及布站几何对弹道精度的影响，确保在设定步长内融合权值最优。仿真结果证明该算法简单适用，可确保关键节点测控信息源的准确度，有效提高了发射场火箭弹道参数的处理精度。     

基于CNN-LSTM的QAR数据特征提取与预测

针对传统数据驱动的故障诊断方法难以从QAR数据中提取有效特征的问题,提出一种融合卷积神经网络（convolutional neural network,CNN）与长短时记忆网络（long short-term memory,LSTM）的双通道融合模型CNN-LSTM。CNN与LSTM分别作为两个通道,通过注意力机制（attention）融合,从而使模型能同时表达数据在空间维度和时间维度上的特征,并以时间序列预测的方式验证融合模型特征提取的有效性。实验结果表明,双通道融合模型与单一的CNN、LSTM相比,能够更有效地提取数据特征,模型单步预测与多步预测误差平均降低35.3%。为基于QAR数据的故障诊断提供一种新的研究思路。     

基于无人机GPS的测量雷达标校方法研究

针对测量雷达常规标校方法存在的场地及设施限制性问题,提出了一种基于无人机加装GPS设备的雷达标校方法.利用无人机加装差分GPS设备作为跟踪目标并提供真值数据,根据系统误差修正模型,通过最小二乘法对雷达测量误差进行回归分析,解算出系统误差修正参数,即可完成雷达标校.通过模拟数据解算得出了该标校方法适用的航线范围,通过飞行测试对标校方法进行了验证,结果表明,利用解算得出的标定参数进行系统误差修正能够满足雷达精度要求,证明了该方法有效、可行.     

基于某型雷达的着陆航迹纠偏监控研究

为了减少飞机着陆阶段的飞行事故,基于某型精密进场雷达设计了飞机着陆航迹纠偏监控设备;通过研究某型雷达的回波数据格式和传输要求,在Windows环境下,采用Microsoft Visual Studio 10.0开发工具,用C#语言开发了着陆航迹纠偏监控软件;该软件能实时、自动监控加入着陆航线的多批次飞机的着陆航迹数据,对超出安全着陆要求的飞机按不同着陆等级设置三类告警门限,在超限事件引发严重事故之前,实时提醒地面人员指挥引导飞机切入安全合适的下滑道进行着陆,解决了某型雷达完全依赖人工监视飞机着陆状态的缺陷;同时,软件可对雷达数据包进行实时采集和误差分析,以作为日常飞行训练质量的辅助分析手段和飞行事故的调查依据。     

An algorithm for trajectory prediction of flight plan based on relative motion between positions

Traditional methods for plan path prediction have low accuracy and stability. In this paper, we propose a novel approach for plan path prediction based on relative motion between positions (RMBP) by mining historical flight trajectories. A probability statistical model is introduced to model the stochastic factors during the whole flight process. The model object is the sequence of velocity vectors in the three-dimensional Earth space. First, we model the moving trend of aircraft including the speed (constant, acceleration, or deceleration), yaw (left, right, or straight), and pitch (climb, descent, or cruise) using a hidden Markov model (HMM) under the restrictions of aircraft performance parameters. Then, several Gaussian mixture models (GMMs) are used to describe the conditional distribution of each moving trend. Once the models are built, machine learning algorithms are applied to obtain the optimal parameters of the model from the historical training data. After completing the learning process, the velocity vector sequence of the flight is predicted by the proposed model under the Bayesian framework, so that we can use kinematic equations, depending on the moving patterns, to calculate the flight position at every radar acquisition cycle. To obtain higher prediction accuracy, a uniform interpolation method is used to correct the predicted position each second. Finally, a plan trajectory is concatenated by the predicted discrete points. Results of simulations with collected data demonstrate that this approach not only fulfils the goals of traditional methods, such as the prediction of fly-over time and altitude of waypoints along the planned route, but also can be used to plan a complete path for an aircraft with high accuracy. Experiments are conducted to demonstrate the superiority of this approach to some existing methods.     

融合模型基残差分析与数据驱动的气路故障诊断方法研究

为了提高气路故障诊断方法的可靠性,研究聚焦传感器测量噪声、个体差异和性能衰退等不确定性因素影响,导致气路故障诊断方法虚警率过高,无法实现工程应用的问题,开展了融合模型基残差分析与数据驱动的气路故障诊断方法研究;为此,构建了基于发动机模型分析偏差与卷积神经网络建模理论融合的气路故障诊断架构,在建模过程中充分考虑了传感器测量偏差、个体差异和性能衰退等不确定性因素对气路故障诊断结果的影响,据此形成了融合模型基残差分析与数据驱动的气路故障诊断方法;随后,结合多种飞行轨迹和进气条件开展数值模拟分析验证研究,对形成的气路故障诊断方法的虚警率进行了定量验证分析;结果显示,研究提出的融合模型基残差分析与数据驱动的气路故障诊断方法可在多种不确定性因素存在时,提供满意的故障诊断精度,具有工程应用的潜力。