基于HDBSCAN算法的终端区航迹聚类

针对机场终端区运行环境复杂,空中交通流密度分布不均的问题,提出了一种基于快速动态时间规整(FastDTW)和层次密度聚类(HDBSCAN)算法识别具有密度差异的交通流,以挖掘终端空域的交通流模式。结合航迹的多维特征,对原始航迹数据进行重采样;利用Fast DTW方法构建航迹相似度矩阵,应用HDBSCAN方法对输入矩阵进行聚类。运用终端区真实航迹数据进行仿真验证,仿真结果表明,上述方法可以实现航迹精细化聚类,有效识别不同密度的空中交通流。

基于实时可达域的高速飞行器分组队形优化

无动力高速飞行器作为欠驱动系统,在进行编队飞行队形优化时需系统地考虑其控制特点。借助“实时可达域”这一概念,在分析高速飞行器实际可到达区域的基础上,考虑集群成员数量变化以及实际集群包含多个任务小组的情况,提出一种适用于高速飞行器集群的分组动态队形优化方法。仿真结果表明提出的队形优化方法可对队形形状和参数进行一体化优化,可灵活适应多种飞行任务,同时也适用于集群成员数量发生变化的队形重构问题,具有重要应用价值。

机舱环境5G信道传播模型及信号覆盖研究

针对机舱无线通信覆盖不全面、速度慢、不稳定等问题,该文基于射线跟踪方法构建了机舱环境第5代移动通信技术(5th generation mobile communication technology,5G)信道模型,并分析了信号覆盖能力及信道参数特性。首先,利用三角面元对真实的机舱环境进行三维几何重构,以降低射线跟踪方法获取信道参数的复杂度;然后,结合分簇算法构建5G信道传播模型,进而分析了机舱环境下5G信号覆盖和通信性能。仿真分析结果表明,簇功率偏移和簇时延偏移服从高斯分布,簇到达方位角和簇到达俯仰角偏移服从拉普拉斯分布,同时发现,机舱环境中的密集散射体是影响5G信号覆盖范围的关键因素。上述结论可用于机舱环境5G基站的无线通信信号覆盖预测和多径参数评估等领域。

基于自组织聚类的多机协同编批方法

针对多机协同对抗过程中的编批问题,设计了一种基于改进自组织迭代聚类的多机协同编批方法.该方法解决了传统自组织迭代聚类算法中人工参数设置不便利不直观的问题,能够在给定少数直观超参数条件下,使多机自主调整聚类过程中所涉及的参数,最终迭代出合理的编批结果.首先对高维多机态势信息进行标准化和主成分分析处理,从而确认新的向量空间;然后引入密度聚类中的邻域密度判别思想对传统自组织迭代聚类方法的合并和分裂操作进行改进,优化并减少了传统方法进行分裂和合并操作所涉及的人工参数,提升了执行编批聚类任务的智能自主性;最后选取算法评价指标,使用所提算法以及传统算法对多个人工合成数据以及实际想定场景进行聚类测试并对测试结果进行评价.人工合成数据仿真表明改进自组织迭代聚类算法在优化聚类过程中的人工参数后仍与原始算法表现出相当的性能,实际想定场景的编批结果进一步说明了改进自组织迭代聚类算法在具体应用场景中的有效性以及在未来实际场景中的实用性.

横向分散航迹飞行下飞机噪声的快速预测方法

机场终端区飞行航迹出现的不均匀横向分散对该区域飞机噪声影响显著,飞机噪声预测时航迹的横向分散特性不应被忽略。采用航空环境设计工具(Aviation Environmental Design Tool,AEDT)对不均匀横向分散航迹飞行下的飞机噪声进行建模预测非常复杂、耗时。为解决该问题,提出一种基于AEDT的横向分散航迹飞行下飞机噪声的快速预测方法。对于一簇横向分散航迹,该方法仅需对中心航迹飞行下飞机噪声进行预测分析,并统计分散航迹相对于中心航迹的横向分散分布概率,以分散航迹的横向分散分布概率对中心航迹飞行下飞机噪声预测结果进行平移并依次叠加,以获取横向分散航迹飞行下飞机噪声的预测结果。在直线航迹分散、曲线航迹分散实例中,采用横向分散航迹飞行下飞机噪声的快速预测方法与AEDT中分散飞行航迹单独建模预测得到的飞机噪声等值线基本吻合,表明该快速预测方法可对横向分散航迹飞行下的飞机噪声进行有效预测,并提高了横向分散航迹飞行下的飞机噪声的计算效率。

基于WLAN指纹的机身指纹数据库重构与节点定位方法

为降低指纹数据人工采集量,同时获取较高的定位精度性能,提出了一种基于WLAN指纹的飞机机身指纹数据库重构与测试节点定位方法。利用支持向量回归法重建指纹数据,利用K-means算法降低指纹采集工作量,利用优化的DBN进行RSS信息特征提取,最后建立了飞机机身WLAN指纹定位数据库,通过仿真实验对算法性能和系统进行分析和评估。实验结果表明,KNN算法中,IPDBN-54、IPDBN-41、IPDBN-26的平均定位误差分别为10.3892、10.7863、11.1177。WKNN算法中,IPDBN-54、IPDBN-41、IPDBN-26的平均定位误差分别为10.2904、10.7143、11.1038,IPDBN平均定位误差值最小,定位精度相对较高。对比BPNN,IPDBN平均训练时间为166.2 s,具有相对低的训练时间。优化后的深度信念网络算法对于WLAN指纹定位数据库系统建立问题具有很强的适应性,训练时间短、定位精度高。研究旨在实现试验厂房内飞机机身各部位的空间精确定位,提高效率。

飞机主电源系统关键器件健康状态评估研究

采用数据驱动的方法实现飞机主电源系统关键器件的健康状态评估。选取飞机主电源系统中故障率较高的旋转整流器整流二极管和调压器功率(Metal oxide semiconductor field effect transistor,MOSFET)管作为系统关键器件,并分析确定了关键器件的老化特性;利用仿真数据筛选出励磁机的励磁电压平均值和励磁电流平均值作为表征系统关键器件健康状态的电源系统特征变量;采用主成分分析法对系统特征变量数据进行解耦,得到可以分别表征两个关键器件健康状态的特征参数;利用高斯混合模型建立了关键器件的健康基准模型,并计算系统老化模型与健康基准模型的马氏距离;将马氏距离结果经过K-means聚类分析得到包含关键器件健康状态等级信息的训练样本集数据,将样本集数据经过神经网络训练得到系统关键器件的健康状态评估分类函数。采用蒙特卡罗仿真获取大量数据对分类函数进行验证,关键器件不同健康状态等级数据的原始分类和分类函数评估结果的匹配度达到90%以上,说明了该健康评估方法的有效性。

军用飞机结构局部环境谱编制方法研究

根据实测得到的某型飞机典型结构温、湿度数据,采用模糊聚类方法对飞机结构类型进行归并分析,当模糊矩阵阈值λ=0.7时,飞机结构可归并为开式、半开式、封闭式3类典型结构。选取典型开式结构,使用回归法建立开式结构温、湿度预测模型,根据预测模型计算结果对某机场环境谱进行修正计算,编制开式结构局部环境谱,得到的局部环境谱较机场环境谱潮湿空气作用时间比例增加了1.78%。

基于模糊粗糙集和SVM的航空发动机故障诊断

随着航空产业的发展,航空发动机故障诊断逐渐向智能化、精确化方向发展,针对这一趋势结合模糊聚类、粗糙集以及支持向量机理论,提出了一种航空发动机故障诊断方法。首先,运用模糊C-均值聚类算法将连续数据离散化;然后,运用粗糙集的知识发现理论,在保持决策表的决策属性和条件属性之间的依赖关系不发生变化的前提下对决策表进行约简;最后,利用支持向量机适用于小样本数据处理的特性对样本进行学习得到最优超平面决策函数从而进行故障诊断。对航空发动机性能参数实例的验证结果表明,该方法对航空发动机故障具有较强的诊断能力,在不影响诊断率的基础上大大缩短了运算时间。因此,提出的算法具有较好的实用性和准确性。

基于小波聚类的终端区进场轨迹模式识别

为改善终端区航空器轨迹聚类方法中存在的自动化程度低、无法精确识别异常轨迹的不足,提出基于小波聚类的进场轨迹模式识别方法。首先,建立基于3D空间网格的轨迹相似性矩阵,推导得到轨迹间相似特征子空间,进一步构建轨迹相似特征2D图模型。通过特征图模型的数字化、小波变换与聚类,实现对盛行交通流模式以及异常交通流轨迹的识别。实例分析在无人工指导情况下,从352条进场轨迹中识别出4个类的331条盛行交通流轨迹,以及21条异常轨迹。实验结果证明,该算法克服了目前航空器轨迹聚类领域需要人工确定类数以及难以识别异常轨迹的不足。

飞机舱内声品质的音色参数表达

为有效地描述噪声音色对飞机舱内声品质的影响,开展了3组主观评价实验:不相似度评价、语义细分和偏好度成对比较。首先,不相似评价实验表明,飞机舱内噪声的音色可由一个4维空间表示;然后,回归分析发现后2个维度与语义细分尺度具有关联,其中维度3可描述为"轰鸣的"和"低沉的",而维度4可描述为"刺耳的"和"有节奏的";接着,利用4个声学参数(噪度、ERB谱峰度、短时谱偏度和ERB谱变化)得到了音色空间每个维度的定量表达;最后,通过分析被试偏好度和4个音色参数间的关系,发现偏好度较高的声音具有较少的线谱、随机性较强,同时其频谱具有平坦对称的分布。

基于灰色聚类的多机种保障装备保障能力评估

随着多机种作战成为空军作战的主要方式,对地面保障装备的保障能力提出了更高的要求,保障能力的好坏直接关系到作战任务的完成与否。通过对多机种保障任务进行分析,建立了多机种保障装备保障能力评估指标体系,采用层次分析法确定了各指标的权重,运用灰色聚类的评估方法对多机种保障装备的保障能力进行了评估,并结合实例,验证了该方法的有效性,为保障能力的提升提供了参考依据。

基于K-means的空中交通流模式识别

空域系统容量与空中交通态势密切相关。对空中交通态势的精确把握可有效降低当前大流量情况下的空域系统压力、提高管制员有效决策水平。提出了一种基于K-means聚类方法的空中交通流识别方法,有助于清晰把握空中交通整体态势。首先分析了空中交通流特性,然后根据雷达数据统计了主要航段在15 min内飞机架次,聚类识别为多种交通流模式,最后通过计算时段内所有飞机在扇区的总飞行时间,验证了该方法的有效性。

空中交通网络中航空器群的实证分析

现有的空中交通复杂性研究忽略了空中交通流结构影响,难以反映航空器空间密度分布不均匀的复杂性特征。利用复杂网络中社团结构的思想,对空中交通流结构特征进行研究。建立了航空器群模型,提出了基于深度优先遍历算法的航空器群发现方法,避免了传统社团划分方法需事先指定社团个数的缺点;并从模块度、内聚度、灵敏度几个角度形成了群性能指数,用于综合反映航空器群划分质量。采用实际航班数据对群划分结果进行评价分析,选取60 km为最佳阈值对航空器群的统计特征进行了进一步分析。结果表明,扇区内航空器间的平均水平间隔约为群内航空器间平均水平间隔的6倍;航空器群规模一般都比较小,一半以上的群规模小于6架;航空器群的生命期最长为9 min,但57%以上群的生命期为2 min。

基于单一聚类方法的航空器相撞HFACS诱发模式分析

为了有效防控航空器相撞事故的发生,保证航空系统安全、有序和高效运行,提出一种基于单一聚类过程的人为因素分析分类系统(HFACS)诱发模式分析方法。在该方法中,首先,根据航空器相撞的具体特点建立了HFACS。然后,利用HFACS对发生的航空器相撞事故/事故征候进行量化,构建历史信息的数据表。最后,采用单一聚类方法对得到的数据表进行诱发模式分析,识别出重要的诱发模式及模式中包含的重要影响因素,并据此提出防相撞的管控措施。实例分析表明,所提出方法的实现过程简便,定性定量结合,形式易于理解,分析结果也更加贴近实际,对于提升防相撞的管理和决策水平,防范航空器相撞及减少造成的损失具有重要的实用价值。

飞机机动划分的数据挖掘方法

飞机机动划分是将飞行数据分解成若干具有明确物理意义的机动动作子序列的重要前处理方法,也是健康监控、飞行模拟、飞行品质评估等研究工作的必要步骤。结合数据挖掘技术提出一种自动的飞机机动划分方法,该方法根据法向过载数据的趋势提取出飞行数据中的机动片段,并用ISODATA聚类将机动片段归并为若干分类,可以证明每个分类代表一种机动动作。将该方法分别应用于小规模飞行数据与大规模飞行数据中能够识别并正确划分至少89%的机动动作,证明该方法有效且满足工程精度要求。

关于多跑道机场噪声优化预测方法

多跑道机场噪声预测是机场规划和改扩建的重要基础,随着机场跑道数量的增加,航班、跑道、飞行程序之间组合更加多样化,机场噪声预测问题更加复杂。为了得到可靠性高的预测结果,根据不同跑道的航迹聚类和机型聚类,把聚类结果的每簇中心航迹和代表机型数据组合导入INM(Intergrated Noise Models)计算噪声值构成噪声数据库,通过贝叶斯分类算法构建了一个采用贝叶斯分类的多跑道机场噪声预测模型。输入航班号、机型、航迹、目的地、出港点等基础数据即可快速确定航迹、机型所属类别和跑道号,然后查询噪声数据库得到噪声预测结果。实验结果表明,上述模型能够在一定误差范围内方便快捷地预测出机场周围敏感点的噪声,从而验证了预测模型的合理性和有效性。

军用飞机采购价格的RBF神经网络预测

分析了现代军用飞机采购价格估算中存在的问题。应用基于k-均值聚类算法的RBF神经网络建立了军用飞机采购价格预测模型,并采用该模型对某型军用飞机采购价格进行了预测。与多元线性回归和BP神经网络的预测结果对比,建立的新型军用飞机采购价格预测模型具有更高的预测精度,为军用飞机采购价格预测提供了一种新的有效方法。

基于聚类分析的飞机结构局部环境谱编制技术研究

根据实测得到的某型飞机典型结构温、湿度数据,采用模糊聚类方法对飞机结构类型进行归并分析。取模糊矩阵阈值为0.7时,飞机结构可归为开式、半开式、封闭式三类典型结构。选取典型开式结构,使用回归法建立开式结构温、湿度预测模型,根据预测模型计算结果对某机场环境谱进行修正计算,编制了开式结构局部环境谱。

基于灰色关联模糊聚类算法优化飞机排故方法

采用灰色关联与模糊聚类原理 ,建立一种灰色关联的模糊聚类算法 ,应用该算法可直接对飞机维修经验中的多种排故方法 ,依排除故障的可能性进行排序 ,并根据排序结果对排故方法进行相似聚类 ,从而将排故经验与多因素决策算法进行有效综合 ,较好地解决了民航飞机故障诊断专家系统中多种故障原因的优化选择问题 ,并可直接给出排故方法的选择指导 ,提高专家系统的指导水平和飞机排故效率。文中对算法原理进行了详细介绍 。