基于大数据聚类的飞行探测器复合跟踪控制系统设计

飞行探测器会受到气象条件、磁场等环境干扰,影响探测器的运动轨迹,进而影响跟踪精度;为实现对飞行探测器运动轨迹的实时跟踪与控制,设计基于大数据聚类的飞行探测器复合跟踪控制系统;在复合框架体系中,设置主控芯片、伺服驱动设备两类应用结构,并联合信标机元件,调节微惯性传感器器件的实时连接状态,完成飞行探测器复合跟踪控制系统的硬件设计;完善大数据聚类算法,根据跟踪路径节点标定结果,定义具体的复合跟踪坐标系,完成对飞行探测器复合跟踪的实时控制建模,结合相关硬件,实现基于大数据聚类的飞行探测器复合跟踪控制系统的设计;实验结果表明,所设计系统在跟踪1号、2号目标的跟踪准确率平均值分别为96.5%、97.0%,对目标跟踪时延的平均值为0.9 ms,可以保证基站主机对飞行探测器运动轨迹的实时控制能力。

航班误点率可视化分析系统的设计与实现

在大数据时代,数据采集、存储、分析技术的快速发展大幅降低了数据存储和处理的成本。越来越多的跨专业领域正在投资开发和应用大数据,其中可视化技术是最有效的技术之一。文章以航班抵达时间为研究数据,通过借助可视化系统,能够清晰地显示航班相关历史数据,从而对航班延误率进行可视化分析,方便航空公司的服务改进和旅客的行程规划。

飞行试验大数据技术发展及展望

现代航空武器装备综合化和信息化程度越来越高,飞行试验测试数据的种类增多,测试数据量剧增,飞行试验进入了大数据时代;试飞大数据的来临,对试验数据的获取、记录、传输和处理等传统技术及模式产生了强大的冲击,也提出了严峻的挑战;文章在简要介绍大数据概念及国外研究应用现状的基础上,通过总结分析飞行试验数据的新特征、新需求,提出了"试飞大数据"的概念,得出飞行试验数据是典型大数据的结论;按照试飞测试流程和大数据技术范畴,重点分析了试飞大数据技术中的数据获取、交换、记录、传输、监控、处理、存储等关键技术,最后,对试飞大数据技术的应用前景进行了展望。

大数据时代下的航班延误组合预测

为更加准确地预测航班的延误率,基于2015年7月国内所有29.89万次航班数据,对大数据进行数据挖掘处理,筛选可利用的数据,然后对数据进行定量化处理,用量化后的数据进行延误预测。首先,对航班数据进行预处理,并通过影响因素分析确定航班延误的主要影响因素;然后,基于最小二乘法进行参数标定,建立组合预测模型预测航班延误率。采用SPSS对组合预测模型进行求解与检验,得出7月份航班的延误率为43.33%,而全国航班的实际延误率为46.79%,验证得出航班延误判断正确率高达81.86%;组合预测模型对8月份的航班的预测结果显示,该模型是可行的。结果表明,组合预测模型能有效预测航班延误情况,能为航空公司、机场提供快速的短时航班延误决策。

基于HBase和Hive的航班延误平台的存储方法

针对我国目前航班延误平台的移植难、可扩展性差,无法适应民航高速发展所带来的大数据量存储的现状,设计了面向大数据的跨平台、高适用性与高扩展性的航班延误平台。该平台以大数据工具Leaf Let为可视化载体,在地图界面实时显示航班轨迹并将轨迹数据加载至HBase数据库中,并且利用信息摘要算法(MD5)重新设计与优化航班数据表的行键,以解决其递增的飞行时间特性产生的"热点"问题;针对HBase过滤器多级查询的缺陷,提出了基于Solr Cloud的关联查询算法,利用Solr Cloud实现对行键与索引字段的分层存储,从而实现HBase二级快速索引;最后在HBase的历史航班数据与飞行计划数据基础上,构建基于Hive的海量航班信息数据仓库。实验结果显示,航班延误大数据平台的可扩展性与搭建的航班信息数据仓库可以满足民航对数据集中统一存储的需求,而多条件查询的响应速度与无二级索引的集群相比提高了上百倍,并且这种优势随着航班数据量的增长愈发明显。

典型大数据仓库-飞行试验数据仓库设计

在现代数据仓库技术思想的指导下,围绕试飞数据的非结构化大数据的特点,面向型号工程对试飞数据的统一管理和高效处理需求,分别针对试飞大数据的粒度描述和综合管理,设计了飞行试验元数据标准和特有的基于二进制文件的数据库管理服务,解决了飞行试验数据仓库设计中结构化与非结构化大数据的统一维度建模和数据关系维护的关键技术问题,为基于数据仓库的试飞大数据在线管理与分析系统的建立提供了基础,满足了型号工程对试飞数据的高效分析需求。

航空飞行试验工程大数据管理与应用思考

飞行试验是航空装备研制的重要环节之一,形成和产生的工程数据具有明显的大数据特征;传统的以试验测试数据为主的数据管理思想,难以保证试飞工程数据及其关系的完整性和准确性,无法全面表征飞行试验全过程,不利于试飞数据的再利用;在分析航空飞行试验复杂系统工程的有机组成及其工程大数据的本质特征和逻辑结构的基础上,结合近年来在飞行试验数据管理和处理研究中取得的技术成果和实践经验,提出了基于试飞工程全生命周期的航空飞行试验工程大数据管理思想,以试验对象为中心的一体化大数据采集和系统化大数据结构模型,和面向业务的基于SOA的分布式系统框架,便于建立一个综合、全面、开放的试飞工程大数据管理和挖掘应用平台,促进航空产品试飞数据处理效率的提升和试飞工程大数据在航空科研中的挖掘和广泛应用,发挥试飞工程大数据的发展助推作用。

飞行试验工程大数据治理思考

飞行试验工程大数据是典型的工业大数据,是试飞工程规划、设计、执行、评估以及开展航空科学研究的最重要的基础;文章分析了试飞工程大数据的质量特性及其影响因素,学习借鉴国际标准化《数据治理白皮书》提出的数据治理思想体系与模型,针对试飞工程大数据管理与应用特点,结合多年来在试飞工程中的大数据管理应用的实践经验,提出了以飞行试验大数据标准化体系为基础,以涵盖试飞工程全过程和全业务流程的试飞数据质量监控系统和一体化的试飞大数据管理与应用系统为并行相互支持的大数据治理技术平台,将试飞业务流程、业务策略、业务标准、业务逻辑以及组织管理有机有效地融入到数据管理与治理体系中,形成能够不断自我完善、自我更新、自我规范、开放共享的试飞工程大数据治理体系,对飞行试验工程以及航空科学研究步入“大数据科研范式”奠定数据基础。

大数据在农业无人机上的应用研究

大数据是无法在一定时间内用普通软件分析管理的数据集合,具有规模性、多样性和高速性的特点,其在相应的需求下产生,已经应用到社会生产和科学研究中的多个领域。无人机在飞行和作业中产生大量数据,普通设备难以完成这些数据的分析处理。为此,研究了大数据在农业无人机上的应用。工作时,由硬件设备采集巨量数据,Hadoop大数据分析技术运行相应算法,经过一系列处理获得有用的信息。利用无人机对油菜地和山茶园的信息进行采集,其大数据分析处理功能在航线规划、飞行控制和图像处理的测试中取得了理想效果。此研究可以推动大数据与无人机的结合,为无人机性能升级提供技术支撑。

基于大数据的飞参数据融合集成与应用技术研究

通过介绍飞机飞参系统、飞参数据、大数据的基本概念,指出以飞参数据为基础开展数据挖掘和数据深化应用具备可行性。在当前国内外飞参数据融合集成和应用的技术现状基础上,总结当前飞参数据在解码分析、飞行品质监控、数据服务等领域的应用现状。结合大数据技术阐述飞参数据在清洗、集成和存储等各环节的技术途径,详细描述飞参数据在飞参判读、发动机综合监控和飞行训练评估等方面的应用,给出多机数据联合判读和对抗训练评估上的技术方案,探讨飞参数据应用的未来发展趋势。

基于时态GIS的QAR大数据时空分析

分析目前飞行品质监控研究中存在缺少对不同时间、空间的飞行数据进行有效关联挖掘的问题,提出-种基于时 态GIS的飞行品质监控时空分析方法,构建QAR数据时间快照-〉时间序列-〉时空演化模型!设计不安全事件的动态时空 统计分析系统.分析结果表明,该系统可以进行飞行大数据处理,发现全行业的部分不安全事件时空分布规律,为提升飞 行品质监控的行业水平提供-种研究思路.

东航航班延误问题研究

统计了中国东方航空股份有限公司(东航:CES)一年的航班运行记录大数据,得出东航航班的总延误率和在各个机场的延误率以及航班起飞延误量分布的柱状图.分析了航班延误的具体原因,针对飞机迟来造成的波及延误,提出了调整航班计划时刻表的应对措施,有效降低了航班延误率.

基于MapReduce框架的航班串编制算法

为解决小规模航班串编制问题,提出一种简单的非分布式算法,并在单机运行平台进行测试。然而,随着民航企业的迅速发展,航班数量不断增加,非分布式的航班串编制算法已经无法满足实际生产需求。为解决大规模航班串编制问题,提出另外两种基于MapReduce框架的分布式航班串编制算法。第一种算法将简单的非分布式算法扩展到MapReduce框架,解决大规模航班串编制问题;第二种算法在第一种算法的基础上进一步改进,优化Map和Reduce的处理流程,删除第一种算法中的迭代过程,充分发挥MapReduce框架的批处理优势。搭建Hadoop平台进行验证,实验结果表明,提出的两种分布式算法中,第二种算法即改进后的分布式算法,较之简单的非分布式算法和第一种分布式算法,能够有效提高大规模航班串编制效率。

基于多源信息融合的飞行安全评估模型

为充分利用飞行大数据实现其数据价值,构建基于多源信息融合的飞行安全评估模型。将飞行过程中全时空、全方位、全要素数据进行汇聚整合,设计多源异构飞行大数据云平台的逻辑架构;建立基于多源信息融合的飞行安全评估模型,通过3层信息融合实现对飞行大数据的深度挖掘分析、融合,识别飞行训练的风险源,确定风险等级,并将分析结果可视化。该模型可为飞行训练管理、飞行安全评估和风险预警提供辅助决策支持,确保决策有规律可循,有数据可依,进而提升飞行训练安全管理水平。

基于大数据的航班调度优化模型与算法初探

为了提高服务质量和降低运营成本,所有的航空公司都在不断寻找各种方法来合理安排航线,降低航班延误。本文主要讨论如何利用大数据来更准确地预测飞机时空位置和航班到达(跑道、登机口)时间,从而更有效地实时优化航班,使得总的延误时间与消耗燃油最小。在此过程中,研究细化航班调度涉及的目的与问题,在此基础上建立数学模型,最终通过机器学习技术求解此模型,提出合理的调度方法。

航空大数据的融合及挖掘技术综述

航空数据具有数据量大、来源广、结构不同等特点。航空数据的管理与分析一直以来都是海军航空兵重点关注的问题,关系到航空装备故障诊断,决策分析等多方面应用。通过研究多源航空大数据的融合和挖掘技术,一方面有助于挖掘现有航空数据的价值,一方面为后续的应用提供数据基础。对多源航空大数据进行了简要概述,介绍了多源航空大数据的来源和类型,分别简述了数据融合技术的3个层次和关键技术,以及数据挖掘的关键技术,针对多源航空数据做出总结和展望。

场站飞行保障数据可视化平台设计与应用

为提升航空兵场站信息化建设过程中的数据应用与管理能力,提出了一种基于Spark的场站飞行保障大数据可视化平台.以场站信息化系统和物联网络数据采集数据为基础,利用Spark计算引擎集成Kafka消息队列,使用Hive完成数据列表库的建立和存储,基于Spark RDD和Spark SQL完成数据预处理与交互,并选择Vue框架嵌入ECharts组件完成前端数据可视化呈现,并最终对设计方案进行了实现与应用.相较于当前业务隔离的信息系统建设模式,平台具备更高的数据融合与处理分析能力,能够更好地实现场站飞行保障数据价值.

航电记录数据加密算法的研究

军用飞机的航空电子系统在飞机飞行过程中所产生和使用的飞行数据因没有相应的保护措施,在某些情况下往往容易被窃取,甚至在危急时只能以毁掉数据存储卡里珍贵的数据为代价来保密。本文分析了几种密码算法的原理及其脆弱性,提出了一种综合运用对称密码技术和非对称密码技术来对飞行数据进行加密的设计方法。

机场航班延误处理中大数据的应用

以机场航班延误管理为中心,分析了航班延误的主要原因,包括天气、航空管制、航空公司自身等因素,提出了航班延误具体的管理要求,阐述了大数据在机场航班功能和系统构建方面的应用。

浅谈大数据在军事飞行训练中的应用

科学、高效地培养军事飞行员一直是各国关注的重点,大数据的应用正是其研究方向之一。本文结合军事飞行训练的特点,初步提出大数据在训练计划管理、训练任务管理、学员个性服务、装备维护及保障等方面的应用,分析了大数据技术在军事飞行训练领域的应用优势,指出利用大数据提高训练质量,合理控制飞行强度,保证训练效果,优化训练资源配置是今后发展的必然趋势。