基于优化支持向量机的飞机重着陆智能诊断

为提高飞机重着陆判断的准确性,研究了将最小二乘支持向量机应用于飞机重着陆诊断的方法;首先,根据飞机着陆阶段运动方程确定5类关键的重着陆诊断指标,将传统的单一指标诊断扩展到多指标诊断;接着,对支持向量机的分类算法进行扩展,实现了支持向量机的多类分类,建立了飞机重着陆诊断模型;然后,分别利用遗传算法和粒子群算法优化了模型参数,并对优化结果进行了分析比较;最后,利用飞行品质监控数据库中的样本数据对某航空公司B737型飞机进行了重着陆诊断实验,结果表明;支持向量机模型具有较高的诊断精度,适用于飞机重着陆诊断.     

利用地平线与跑道边缘线估计无人机着陆参数

研究了一种基于机器视觉的无人机着陆参数计算方法,通过利用图像处理得到的地平线、跑道两条边缘线在图像像素坐标系下的直线方程,可以获得无人机着陆过程中的5个飞行参数:高度、侧偏距、滚转角、俯仰角、偏航角.介绍了视觉测量的一般理论;给出了飞行姿态角测量方法;提出了无人机高度和与机场跑道中线的距离的计算方法.利用实拍的一段无人机着陆视频验证了提出的方法,实验研究表明:该方法可以有效地获得5个飞行参数,为无人机自主着陆提供着陆参数.     

无人机的自动着陆控制

无人机的自动着陆控制是无人机控制中的一个难点,文中给出了一种无人机自动着陆的控制方法,并在某型无人机上得到了应用.基于无人机真实的风洞试验数据,利用MATLAB建立了无人机自动着陆的线性化模型和非线性模型,设计了无人机自动着陆导引控制方案及控制律,并在实际飞行试验中得到了验证,最终的飞行试验结果表明了所设计的自动着陆控制律能满足自动着陆的要求,并具有很好的静态和动态特性.     

飞行模拟器自动着陆系统的建模与仿真

对飞行模拟器自动着陆系统进行了研究.现有的研究多集中在进近阶段,而对接地、拉平以及复飞阶段的研究不够,或并没有统一在相同的控制结构中,使得自动着陆系统的功能和性能无法满足高等级飞行模拟器的指标要求.为了完善自动着陆控制过程,提出了一个完整的自动着陆系统控制律算法,基于典型飞行控制系统体系结构,分别建立了制导回路和姿态回路的控制模型,并进行仿真.算法结果能够满足自动着陆过程中所有飞行阶段对控制算法的功能要求和性能要求,仿真结果表明了控制算法的有效性.     

基于RTK的仪表着陆系统飞行校验研究

针对当前国内飞行校验基准系统的飞行校验能力和效率远远无法满足需求的现状,分析了RTK技术在仪表着陆系统飞行校验领域的应用,根据仪表着陆系统飞行校验精度,设计了基于RTK技术的飞行校验系统方案,在系统工作过程中,通过坐标变换实现了坐标系的统一;对GPS天线和仪表着陆系统机载天线定位点不一致带来的误差进行了修正;采用虚拟仪器软件平台LabVIEW实现了飞行校验数据的实时采集与分析,通过实际飞行校验程序验证了方案的可行性。     

光电经纬仪补充条件定位方法及其应用

在固定翼飞机定点着陆飞行训练过程中,由于测试装备种类数量较少、测试手段有限或装备故障等因素,经常出现测量记录的数据不能满足飞行讲评和飞行质量评估要求的情况,从固定翼飞机定点着陆飞行训练数据分析入手,根据飞机在下滑道中的运动特点,建立了飞机定点着陆训练下滑道段补充条件定位解算的数学模型,在有效测元不足不能运用常规方法进行定位解算的情况下,提供了定位解算的方法.实测数据计算结果验证了这一方法的正确性和有效性.该方法简单实用,可有效提高光电经纬仪有效信息源的利用效率,在固定翼飞机定点着陆飞行训练中具有十分重要的工程应用价值.     

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。     

ILS对进近着陆支持情况的三维可视化仿真

在民航飞行着陆优化控制问题的研究中,着陆阶段作为飞行器运行的最后环节,对飞行安全至关重要.由于气候条件、导航信号受到电磁干扰影响,使飞行员难以准确着陆.为此,对进近着陆系统采用仪表着陆系统(Instrument Landing System,ILS)的航向天线特性,结合全球地理信息系统,采用ILS对飞行器终端区进近着陆支持的三维可视化方法.可依据ILS天线的辐射特性和电磁仿真软件,对ILS天线进行建模.根据航向天线的CSB和SBO信号在跑道中心线延长线方向最强特性得到航向面,与下滑面相交得到下滑道,并进行仿真.仿真结果证明了仿真ILS对飞行器的终端区进近着陆优化控制的准确性,表明改进方法的结果符合飞行器终端区进近着陆的要求,可以为民航机场在布设ILS台站和飞行校验时提供可靠的三维空间参考.     

预测趋势保安全

确保飞行安全是航空公司最关心的问题,出是航空公司得以生存和发展的最重要前提条件,实现安全飞行是整个航空公司严格和高效的管理,准确的飞行调度,有效的突发事件处理的综合体现,对于这样一个庞大的系统工程,正确的决策分析必需建立在全面、正确、实时的数据信息基础之上。     

地形对仪表着陆系统下滑道影响的仿真评估

通过飞行检验对仪表着陆系统下滑道进行评估的方法历时较长,且耗资巨大;为实现经济、快速的仪表着陆系统下滑道评估,提出一种应用计算机仿真分析非理想地形对仪表着陆系统下滑道影响的方法。建立了非理想地形的数学模型,结合仪表着陆系统下滑道形成原理,基于一致性几何绕射理论(UTD),建立了非理想地形所造成的多径效应模型,通过对下滑信号的多径射线寻迹和计算,并结合接收误差模型,实现对仪表着陆系统地形的仿真评估;应用该方法对某实际机场地形情况下,飞机在300米的高度沿跑道中线等高飞行进行仿真评估,结果表明,使用仿真评估方法可以得到与飞行检验一致的结果,从而实现地形对仪表着陆系统下滑道影响的快速评估。     

基于神经网络的城市轨道交通短期客流预测研究

该文结合神经网络来研究城市轨道交通中短期客流预测问题。设计出了基于自回归神经网络的轨道交通客流预测模型、模型描述及其模型训练算法。通过matlab仿真实验来验证预测模型的性能,优于将最小二乘支持向量机与离散一维Daub4小波分析结合起来预测效果。     

基于神经网络的回转窑建模及其优化控制设计

实现水泥回转窑温度稳定性控制,水泥回转窑熟料煅烧是一个涉及传质、传热和物理化学反应的复杂多变量、多扰动非线性过程。为了稳定回转窑烧成温度以提高孰料烧成质量,降低能耗,传统的控制方法,存在干扰大,稳定时间长等问题。在分析水泥回转窑工艺的基础上,采用Elman神经网络建立回转窑系统的模型,提出BP神经网络的PID控制方法,根据系统的运行状态,调节PID控制器的参数,以达到性能指标,设计了回转窑温度优化控制器,具有超调量小、动态性好、收敛速度快和控制精度高等优点。进行仿真的结果表明,回转窑烧成带温度逐渐趋于稳定,实现了对水泥回转窑的优化控制。     

基于神经网络的飞参数据特征选择方法

针对飞参数据中存在的大量冗余和不相关,提出了一种基于神经网络的飞参数据特征选择方法.为克服传统算法收敛速度慢、易陷入局部极小等缺陷,神经网络的训练采用粒子群优化算法和Levenberg-Marquardt优化算法相结合的方式.神经网络训练结束后,先利用网络权值信息对飞参数据特征的相对重要度进行排序,然后根据重要度次序对飞参数据特征进行选择.实验结果表明该方法能快速有效地删除冗余飞参数据特征,同时提高网络的泛化能力.     

BP神经网络在缺失数据估计中的应用

由于飞行参数记录系统所记录的数据很容易被污染,所以对飞参数据进行预处理已显得十分重要,而预处理的一项重要内容就是对缺失参数数据进行合理且有效地估计,真实地反映飞行器当时的状态.通过分析神经网络理论和飞参数据特征,提出了一种基于BP神经网络的缺失数据估计的方法,有效地解决了目前飞行参数记录系统记录数据时缺失数据的问题.利用某型飞机真实的数据进行仿真,结果表明了这种方法是可行且有效的.     

基于深度全连接神经网络的离港航班延误预测模型

针对提升离港航班延误预测精确度困难的问题,提出一种基于深度全连接神经网络（DFCNN）的离港航班延误预测模型。首先,在考虑航班信息、机场气象与航班延误历史的基础上,考虑航班网络结构对预测模型的影响;然后,从激活函数、输入数据项及延误时间阈值三个维度进行实验,以对模型抑制梯度弥散与提升学习表现能力的能力进行了优化与验证;最后,通过调控神经网络层数的纵向拓展方式与随机丢失层的Dropout参数,提升模型的泛化能力。实验结果表明：所提模型使用tanh、指数线性函数（ELU）,预测精确度比使用线性整流函数（ReLU）分别提升了1.26、1.28个百分点;考虑航班网络结构后,所提模型采用ELU函数计算时,预测精确度比未考虑航班网络结构时提升了3.12个百分点;在时间阈值为60 min时,通过调控Dropout参数,模型的损失值不断降低;在5层隐含层网络和Dropout参数为0.3时,所提模型可以取得92.39%的预测精确度。因此,所提模型能够对国内航班延误做出较为准确的判断。     

基于深度学习的问答匹配方法

面向中文问答匹配任务,提出基于深度学习的问答匹配方法,以解决机器学习模型因人工构造特征而导致的特征不足和准确率偏低的问题。在该方法中,主要有三种不同的模型。首先应用组合式的循环神经网络（RNN）与卷积神经网络（CNN）模型去学习句子中的深层语义特征,并计算特征向量的相似度距离。在此模型的基础上,加入两种不同的注意力机制,根据问题构造答案的特征表示去学习问答对中细致的语义匹配关系。实验结果表明,基于组合式的深度神经网络模型的实验效果要明显优于基于特征构造的机器学习方法,而基于注意力机制的混合模型可以进一步提高匹配准确率,其结果最高在平均倒数排序（MRR）和Top-1 accuray评测指标上分别可以达到80.05%和68.73%。     

基于云的网络安全态势预测规则挖掘算法研究

现有网络安全态势预测算法对初始训练数据依赖性强,预测结果客观性差。提出了基于云的网络安全态势预测思想和基于云的网络安全态势预测规则挖掘算法。采用基于云模型的属性论域区间软划分方法解决了定性与定量转换中的区间硬性划分导致的边界元素内在联系丢失的问题。通过实验验证了算法的可行性和有效性。基于云的网络安全态势预测思想,不需要对预测算法进行数据训练,提高了网络安全态势预测的客观性。     

基于PCA优化的神经网络飞机燃油消耗预测方法

针对传统方法存在的不足,提出了基于主成分分析法优化的Elman神经网络飞机燃油消耗预测方法。利用主成分分析法降低神经网络输入维数。构建主成分分析与Elman神经网络模型,进行基于飞参数据的实例分析,并将几种神经网络的预测效果进行了对比;提出了基于K-S检验法预测结果冗余修正法并进行了修正。误差指标和预测图像表明与主成分分析结合后Elman神经网络对飞机燃油消耗的预测性能优于其他传统神经网络,且K S检验法能够有效实现对预测结果的修正。     

基于RBF网络的足球点球轨迹预测

基于计算机视觉线性化轨迹预测模型在预测足球轨迹时,只能保证局部稳定性,存在轨迹跟踪局部稳定性问题和parking问题,提出了基于RBF网络的足球点球轨迹预测方法。建立足球运动状态传感信号解析模型,计算足球飞行地心重力、空气阻力、空气浮力、自身旋转时产生的马格努斯力的参数。建立足球飞行过程中的飞行受力解析模型,鉴于多参数模型复杂度过高,产生parking问题。利用RBF网络模型简化能力,建立飞行轨迹预测模型,结合并行滤波控制器,融合以上所有信息,在已知视觉概率计算的基础上,完成足球飞行轨迹的状态估计,并将其误差的协方差计算作为滤波控制的输入值,从而得到所有方差、均值的数据。最后获得足球在任意时刻的运动状态函数,完成预测。实验结果显示,该方法的足球运行轨迹吻合度为12 mm,且落点距离标准差最大仅为0.0412 m,因此,该预测方法能够得到精度更高的预测数据。