基于密度聚类与匹配算法的异常飞行行为挖掘

在空中交通愈加拥挤的背景下,航空器的异常飞行行为的有效挖掘可以辅助管制员进行调配决策。现有方法只能辨识飞机空间位置特征异常,存在水平可扩展性的局限。本文考虑位置、速度、高度和航向4个异常特征,采用高度层划分策略、局部异常因子和快速覆盖树对基于密度的有噪声应用中的空间聚类(Density-based spatial clustering of applications with noise,DBSCAN)方法进行改进,提出局部异常因子改进的考虑速度、方向及高度的基于密度聚类方法(Density-based spatial clustering considering speed,direction and high level improved by local outlier factor,LOFDBSC-SDH)密度聚类算法对正常航迹模式进行快速准确提取。然后,基于正常航迹模式设计考虑过点时间和上述异常特征的航迹匹配算法,挖掘异常飞行行为。最后,通过实验仿真验证了本文方法的有效性和应用价值。

基于文本挖掘的空管不正常事件风险预测研究

人为因素是导致航空事故的主要原因。在空管系统安全问题频发的背景下,以空管不正常事件为研究对象,采用Python语言对空管不正常事件记录进行文本挖掘分析。建立概念向量空间模型,解决一义多词问题。提出将空管风险模式抽象为主题,采用LDA(潜在狄利克雷分配)算法围绕风险主题提取风险致因因素。相比于TF IDF算法,LDA能挖掘出更多潜在风险致因因素,且与专家评审意见基本一致,证明了方法的可靠性,实现了风险致因因素的自动提取。提出将LDA提取的风险致因因素与HFACS模型进行整合,形成以人为因素为中心的风险贝叶斯预测网络。考虑到不正常事件为不完全样本,使用EM算法优化贝叶斯网络参数。通过Netica软件对测试记录进行预测,验证了方案的有效性,同时也证明了文本挖掘结果的正确性与客观性。

基于LMBP神经网络的战斗机综合作战效能评估

针对双重任务战斗机一机多能、功能复合的发展趋势,在融合空空、空地作战需求的效能评估指标体系基础上,引入LM算法的BP神经网络对该类战斗机的综合作战效能进行了建模、评估。利用人工神经网络良好的函数拟合和预测能力建立指标与效能值之间的非线性关系,并借助网络优良的容错性解决样本数据残缺或存在错误等问题。最后,采用Matlab神经网络工具箱进行建模,对6种机型进行了计算;并将本模型评估值同另外两种模型评估值进行了对比分析,结果表明该模型是合理、可行的。

战斗机综合作战效能评估的改进灰色关联模型

一机多能、功能复合是战斗机发展的一个重要趋势。为了评估战斗机综合作战效能,首先结合空空和空地作战需求,建立了效能评估指标体系;然后针对传统方法主观性较强的问题,并考虑到作战效能评估的灰色特征,采用较客观的灰色关联法,建立了战斗机综合作战效能评估模型。对于模型分辨系数取0.5不一定能使关联度具有明显区分性的问题,采用关联度的灰熵均衡度函数建模,优化分辨系数取值;而对于模型的等权不合理问题,则通过引入改进的综合权重、构造加权关联度计算式解决;最后,对采用本文模型、传统灰色关联度模型、LM神经网络模型针对6种机型的评估结果进行了对比分析,验证了所建模型的可用性和合理性。