期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GAPSO Elman神经网络算法的短时航迹预测
被引量:
3
1
作者
嵇胜
李桂芳
疏利生
《航空计算技术》
2021年第1期60-63,共4页
为保证空中交通运行通畅,避免交通拥堵和其他可能存在的风险,有必要对航空器进行短时航迹预测,为管制员提前做出决策提供依据。基于遗传算法(GA)的全局搜索能力和粒子群算法(PSO)的局部搜索能力,将两者相结合的遗传粒子群混合算法(GAPSO...
为保证空中交通运行通畅,避免交通拥堵和其他可能存在的风险,有必要对航空器进行短时航迹预测,为管制员提前做出决策提供依据。基于遗传算法(GA)的全局搜索能力和粒子群算法(PSO)的局部搜索能力,将两者相结合的遗传粒子群混合算法(GAPSO)应用于Elman神经网络算法的优化中,提出了GAPSO Elman神经网络算法,将该算法应用于短时航迹预测。仿真实验结果表明:方法能够极大地提升Elman神经网络的预测精度,准确地预测航空器的飞行轨迹,提前15 min预测的航空器过点时间与真实过点时间平均误差能够控制在1 min以内,具有良好的预测效果,为终端区航路网络的拥挤管控提供了技术依据。
展开更多
关键词
短时航迹预测
GAPSO算法
ELMAN神经网络
航路网络
下载PDF
职称材料
基于强化学习的航空器机场智能静态路径规划
被引量:
6
2
作者
疏利生
李桂芳
嵇胜
《航空工程进展》
CSCD
2021年第3期65-70,共6页
随着人工智能迅速发展以及"智慧机场"的提出,研究人工智能在机场如何有效地辅助机场管制人员,驾驶员指挥航空器在地面滑行具有重要意义。本文提出一种基于强化学习的滑行路径规划方法,构建航空器机场地面强化学习移动模型,并...
随着人工智能迅速发展以及"智慧机场"的提出,研究人工智能在机场如何有效地辅助机场管制人员,驾驶员指挥航空器在地面滑行具有重要意义。本文提出一种基于强化学习的滑行路径规划方法,构建航空器机场地面强化学习移动模型,并以海口美兰机场为案例采用Python内置工具包Tkinter进行场面仿真;在此基础上,考虑机场航空器滑行规则,采用Off-Policy中Q-Learning算法求解贝尔曼方程,实现航空器在Modelbased环境中进行静态路径规划。结果表明:本文所提方法能够实现停机位到跑道出口智能静态路径规划。
展开更多
关键词
强化学习
Q-Learning算法
航空器滑行规则
智能静态路径规划
下载PDF
职称材料
题名
基于GAPSO Elman神经网络算法的短时航迹预测
被引量:
3
1
作者
嵇胜
李桂芳
疏利生
机构
南京航空航天大学民航学院/飞行学院
出处
《航空计算技术》
2021年第1期60-63,共4页
文摘
为保证空中交通运行通畅,避免交通拥堵和其他可能存在的风险,有必要对航空器进行短时航迹预测,为管制员提前做出决策提供依据。基于遗传算法(GA)的全局搜索能力和粒子群算法(PSO)的局部搜索能力,将两者相结合的遗传粒子群混合算法(GAPSO)应用于Elman神经网络算法的优化中,提出了GAPSO Elman神经网络算法,将该算法应用于短时航迹预测。仿真实验结果表明:方法能够极大地提升Elman神经网络的预测精度,准确地预测航空器的飞行轨迹,提前15 min预测的航空器过点时间与真实过点时间平均误差能够控制在1 min以内,具有良好的预测效果,为终端区航路网络的拥挤管控提供了技术依据。
关键词
短时航迹预测
GAPSO算法
ELMAN神经网络
航路网络
Keywords
short term trajectory prediction
GAPSO algorithm
Elman neural network
air route network
分类号
V355 [航空宇航科学与技术—人机与环境工程]
下载PDF
职称材料
题名
基于强化学习的航空器机场智能静态路径规划
被引量:
6
2
作者
疏利生
李桂芳
嵇胜
机构
南京航空航天大学民航学院
出处
《航空工程进展》
CSCD
2021年第3期65-70,共6页
文摘
随着人工智能迅速发展以及"智慧机场"的提出,研究人工智能在机场如何有效地辅助机场管制人员,驾驶员指挥航空器在地面滑行具有重要意义。本文提出一种基于强化学习的滑行路径规划方法,构建航空器机场地面强化学习移动模型,并以海口美兰机场为案例采用Python内置工具包Tkinter进行场面仿真;在此基础上,考虑机场航空器滑行规则,采用Off-Policy中Q-Learning算法求解贝尔曼方程,实现航空器在Modelbased环境中进行静态路径规划。结果表明:本文所提方法能够实现停机位到跑道出口智能静态路径规划。
关键词
强化学习
Q-Learning算法
航空器滑行规则
智能静态路径规划
Keywords
reinforcement learning
Q-Learning algorithm
aircraft taxiing rules
AI static path planning
分类号
V355 [航空宇航科学与技术—人机与环境工程]
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GAPSO Elman神经网络算法的短时航迹预测
嵇胜
李桂芳
疏利生
《航空计算技术》
2021
3
下载PDF
职称材料
2
基于强化学习的航空器机场智能静态路径规划
疏利生
李桂芳
嵇胜
《航空工程进展》
CSCD
2021
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部