基于改进支持向量机的空域交通态势识别方法

为了准确分析空域交通态势,针对当前空域交通态势感知中管制行为因素难以度量的问题,从多种管制员工作负荷的角度进行量化分析。借助全空域及机场模型软件(Total Airspace and Airport Modeller,TAAM)建立空域仿真模型,研究了栅格化空域场景下基于改进支持向量机(support vector machine,SVM)的空域交通态势识别方法。通过对比不同的栅格化方案,结合管制员实际运行经验确定栅格形状和尺寸,以边长为25 km的六边形为最小单元,对目标空域进行栅格化处理。在引入多种管制负荷的基础上同时考虑导航设施的分布情况,建立空域交通态势识别指标体系,运用K-means聚类算法对降维后的仿真样本数据进行聚类分析,获取先验分类数据。在支持向量机模型的基础上,引入麻雀搜索算法(sparrow search algorithm,SSA),构建基于麻雀搜索算法优化支持向量机(SSA-SVM)的空域交通态势识别模型。依据适应度对解集进行划分,对模型关键参数核函数参数σ和惩罚系数C进行优化,确定了1组泛化能力强同时避免过拟合问题的参数组合,并将栅格化空域交通态势划分为4个等级。以西安区域管制区为对象开展仿真实验,结果表明:与基于遗传算法优化支持向量机(GA-SVM)的空域交通态势识别模型相比,SSA-SVM模型克服了GA-SVM模型确定的的过拟合问题,平均分类识别准确率提高2.50%,最佳分类识别准确率提高1.73%;在176个栅格中,拥堵态、拥挤态和平稳态栅格个数分别为26、18和51,模型识别结果与基于管制员经验划分的复杂空域相比,覆盖率可达95%,验证了提出方法对空域交通态势识别及降低管制员工工作负荷的有效性。

电力系统继电保护装置直流接地安全态势识别方法

针对无法有效识别直流接地故障的问题,提出电力系统继电保护装置直流接地安全态势识别方法。分析直流接地的稳态特性与暂态特性,依次分析安全与非安全线路两种暂态特性;依据不同线路特点,设计基于短时能量的直流接地安全态势识别方法,对比安全与非安全线路短时能量,实现直流接地安全态势的精准识别。经实验验证,该方法能够在不同窗长情况下精准识别电压波动,能有效分析不同故障发生时的电压波动情况。

基于PHMM的终端区航空器综合态势识别

航空器在终端区飞行时,由于受到诸多因素的影响,导致其不能严格按照计划航线飞行。通过分析历史航迹数据,提出了一种基于并行隐马可夫模型的终端区航空器综合态势识别方法。首先提取航迹数据的各类特征点,然后根据其x坐标、y坐标以及z坐标建立3个隐马尔可夫模型。通过训练3个模型的参数,对航空器在终端区内的高度态势、速度态势以及方向态势进行识别。最后采用综合分析方法对航空器的综合态势进行识别。实验表明,该方法能够快速、准确、有效地识别出终端区航空器的综合飞行态势,为管制员发布管制指令提供依据。

高速激光切割机床数控加工态势识别系统

当前方法设计的系统对机床数控加工态势进行识别时,没有对噪声进行回放,对切割平面度、切割定位精度、机床平稳性进行识别时,识别结果不准确,存在识别准确率低的问题。该文提出高速激光切割机床数控加工态势识别系统设计方法,首先,通过运动控制卡,伺服控制模块及加工态势识别模块构成高速激光切割机床数控加工态势识别系统的架构;其次,在加工态势识别模块中设计系统初始化、态势识别、自动诊断报警、运动控制、图形转码和G代码编译等子模块,在此基础上,通过噪音采集、噪音回放和信号分析等方法提高加工态势识别的准确率;最后,采用HMM算法构建高速激光切割机床数控加工态势识别模型,实现加工态势识别。实验结果表明,加工态势设计方法设计的系统可有效识别机床的切割平面度、切割定位精度和机床平稳性,识别准确率较高。

基于GRU-Attention神经网络的空中群组态势识别方法

现代空中战场中,对敌方空中作战群组意图判定的结果将直接影响我方对局势的掌握和决策的下达,因此空中群组态势的评估识别是现代战场的重要任务。空中作战群组通常会根据飞行任务执行相应意图,监测相关过程并从获取的数据中挖掘相应的特征,再通过智能化的方法进行学习预测。基于此,本文提出一种基于GRU-Attention神经网络的识别方法,将获取的行为事件库预处理后输入门控循环(GRU)神经网络挖掘事件中深层特征;注意力机制(Attention)为深层特征自动计算相应的权重分配;最后利用softmax层对输入的信息进行态势意图分类。实验结果表明GRU-Attention态势识别方法的准确率达到96.10%,验证了该方法的准确性、高效性和稳定性。该方法的提出对丰富神经网络识别方法体系和提高空中群组态势的评估识别准确率具有重要的理论意义和实践意义。

无线通信网络安全态势识别方法研究

当前,网络安全态势识别方法只能获取网络层的安全态势感知要素,导致无线通信网络安全态势识别误差偏大。对此,提出基于深度自编码网络的无线通信网络安全态势识别方法。引入受限玻尔兹曼机逐层训练深度自编码网络,利用深度自编码网络前向传播的方式,提取服务、主机、网络三层的安全态势感知要素。在此基础上,将网络态势分为环境、威胁、资产三个因子,通过三方博弈方法计算三个因子效益,得到网络安全态势值,以此实现无线通信网络安全态势识别。试验结果表明,研究方法绝对误差平均值与试验对比方法相比分别小0.112和0.106,识别精度更高。该方法的实际应用效果更好,可以满足无线通信网络安全态势识别需求。

空中交通态势感知研究综述

空中交通系统作为典型的复杂系统,解决空中交通的拥挤、航班延误等问题是当下的研究难点和热点,需大力发展空中交通态势感知这一关键技术,为此对空中交通态势感知技术进行了详细的综述。对空中交通态势识别算法的国内外研究做了概述,随后重点分析了空中交通态势预测技术,依据应用方法不同,将空中交通态势预测分为交通流模型预测、人工智能算法预测以及复杂网络预测,以技术更迭为时间线,对研究成果进行分析,最终基于研究阐述现存问题并对未来研究方向做出展望。

一种利用Transformer的无人集群对抗态势要素识别方法

针对无人集群对抗问题中原始态势信息繁杂,难以准确识别集群阵型和集群运动趋势等态势要素的特点,为提高无人集群态势要素识别能力,设计了一种利用Transformer的无人集群对抗态势要素识别方法。基于Transformer模型的思想构建了可应用于无人集群对抗态势要素识别问题的Transformer-Decoder注意力层模型,实现良好的集群态势要素识别能力,设计层间注意力结构以改进提升了Transformer-Decoder的特征表达能力,进一步提高识别准确率。首先将集群态势序列信息输入到LSTM循环神经网络,编码成时序特征信息;然后使用Transformer-Decoder注意力模块和层间注意力模块提取集群的综合高阶态势信息,最后多维度分类网络和softmax层实现对多类态势要素的分类。实验结果表明:利用Transformer和层间注意力的无人集群对抗态势要素识别方法在态势要素分类问题上表现出良好的性能,能够同时对多类态势要素进行准确分类;相对于基线方法,利用Transformer和层间注意力的集群态势识别方法在集群阵型和运动趋势识别问题上具有更高的准确率。尤其在体现集群内部相对趋势的态势要素的分类问题上,该方法明显表现出更好的性能。

基于语音识别的空中交通态势评估方法

近年来,随着我国民航运输业的飞速发展,空中交通流量的迅速增长,位居民航运输第一线的管制员承担的压力日益增大。管制员的决策和指令一旦出现细微的错误,都有可能会造成严重的安全事故。因此首先依据科大讯飞公司提供的讯飞开放平台开发适用于空中交通管制场景的语音识别系统,将管制语音通话储存为文本形式,利用基于前缀因子过滤的正则表达式指令匹配方法,从语音文本中提取出管制指令信息;随后结合航空器飞行特征构建航空器飞行速度、高度和航向状态变化模型,以此为基础提出基于隐马尔可夫-BP神经网络的空中交通运行态势识别方法,能够有效识别当前管制指令下的空域内航空器飞行状态即空域运行态势,从而为管制员发布管制指令提供参考。

基于PSO-TSA模型的网络安全态势要素识别研究

针对网络安全态势感知技术中态势要素提取的质量与效率较低的问题,提出了融合粒子群(Particle Swarm Optimization,PSO)和模拟退火(Simulated Annealing,SA)的态势要素识别模型PSO-TSA.在位置更新模块,利用Metropolis准则对PSO算法中的个体极值和全局极值进行退火优化,增加粒子的选择性,提高态势要素提取质量.在参数优化模块,利用Metropo⁃lis准则优化PSO算法中的参数,并对参数优化过程和粒子适应度同时进行评价,避免算法陷入局部最优,提高态势要素识别效率.按照目前网络状态的实际需求,选择了37个网络安全数据字段,搭建了小型网络环境,以获取更加真实的网络安全数据集SDS-W.在开放网络安全数据集和获取的SDS-W数据集上分别进行态势要素识别实验,实验证明,PSO-TSA在时间成本保持不变甚至更少的基础上,态势要素识别的精确度平均提升了5%~7%.

基于改进D-S证据理论的网络安全态势评估方法

网络安全态势评估是信息安全领域的研究热点问题。为了解决现有评估中过度依赖专家经验问题,提出了一种基于改进D-S证据理论的网络安全态势评估方法。该方法融合多源态势信息,利用基于遗传算法优化反向传播(Back propagation,BP)神经网络来获得D-S证据理论的基本概率分配(Basic probability assignation,BPA),由D-S证据理论对BPA依次进行合成计算,弱化人为因素对BPA的影响,提高BPA的预测精度和网络安全态势识别率。通过真实网络环境的实验验证了该方法在网络安全态势评估中的可行性和有效性。

基于FCM-SVM方法的时空航路网交通状态识别研究

识别时空航路网络交通状态,分析交通态势时空特性,可为管控航路交通拥挤提供科学依据.选取航段交通流量、交通密度和交通拥挤度作为评价参数,建立FCM航段交通状态等级划分模型,划分航路网航段交通状态等级;构建基于数据驱动的SVM航路网交通状态识别模型,计算路网交通拥挤指数,识别交通拥挤态势和拥挤瓶颈;采用雷达实测航迹数据对模型进行了验证,实验结果表明,模型符合实际,状态准确率较高,可用于航路网交通拥挤态势识别与监控.

基于多Agent的战场目标分群方法

针对陆战场的态势识别问题,提出一种用于多Agent的态势识别系统战场目标分群方法。在陆战场目标分群过程中,管理Agent与实体Agent相互协作,以相似度计算作为分群的依据,考虑每个实体Agent的地形、相互间机动性能等因素,提出各自的分群方案,由管理Agent分发数据并合并结果。模拟结果表明,该方法能够解决传统方法在地形分割中的分群错误问题。