基于鸟击事故征候预测的通用航空安全研究

作为民航运输的两翼之一,通用航空安全水平直接影响民机系统的安全。目前,对通航以及鸟击事故征候进行预测的研究较少,本文根据收集到的美国从事通用航空活动发生鸟击事故征候安全状况数据,采用长短期记忆(long short-term memory, LSTM)神经网络模型对鸟击事故征候数据进行训练和预测。实验结果显示,与传统模型相比, LSTM模型具有更好的预测效果,精确度更高。基于此,提出了预测稳定性更好的LSMT-均方根误差(LSTM-root mean square error, LSTM-R)模型,为通用航空鸟击事故征候预测提供了手段和方法,加强了通用航空安全管理。     

基于稀疏降噪自编码神经网络的通用航空风险预测

近年来通用航空发展迅速,由此引发的安全问题日益引起重视。但是由于通用航空器种类繁多,样本之间的差异性较大,传统的统计分析技术在通用航空风险预测方面就显得无能为力。提出一种基于稀疏降噪自编码神经网络的通用航空风险预测方法,稀疏降噪自编码模型(sparse de-noising auto-encoder,SDAE)可以学习相对稀疏简明的数据特征,更好地表达输入数据。利用收集到从2012年1月至2015年12月共48个月各个不同事件发生原因的其他不安全事件总数量,建立民航事故征候万架次率的神经网络预测模型,将其他不安全事件的发生与事故征候联系起来。通过实例说明,构建的SDAE模型可以根据输入的其他不安全事件的数量对当月的事故征候万架次率做出较为准确的预测。     

基于改进LSTM模型的航空安全预测方法研究

精确的航空安全预测是科学开展安全预警的前提.航空事故不仅致因机理复杂,还存在迟滞效应,给安全样本时序信息的深度挖掘加大了难度.基于此,提出一种基于改进长短期记忆(long short-term memory,LSTM)模型的航空安全预测新方法.首先基于相关系数热图优选致因指标,再以步进搜索和Adam算法相结合的方式优化...     

基于LSTM分类器的航空发动机预测性维护模型

利用传感器数据进行预测性维护是航空发动机故障预测与健康管理(prognostic and health manage-ment,PHM)的关键问题.针对发动机剩余寿命预测准确性低的问题,提出基于长短期记忆网络(long short-term memory network,LSTM)分类器的预测性维护模型.LSTM分类器...     

基于随机森林的航空安全因果预测新方法

构建精确航空安全预测模型确定事故及其致因因素变化规律，对航空安全智能管理与主动决策具有重要意义。为此，提出一种基于Bow-tie模型组合的随机森林算法用于航空安全因果预测，完成安全预测模型参数优化、致因变量贡献排序。首先，基于Bow-tie模型开展航空安全致因因素的关联辨识，确定安全致因变量。其次，以某航空公司2017～2019年民航安全数据：管理因素、环境因素、飞机因素、人的因素、外在因素等为研究对象，基于随机森林构建航空安全因果预测模型，开展预测变量的重要性分析、模型构建和预测精度分析。结果表明，该方法能有效预测航空安全关键因素及航空安全态势的变化趋势。同时，该方法与相关向量机、神经网络做了性能对比，所提模型在预测性能和稳健性均占优。此外，变量重要性分析结果表明：环境因素对2017～2019年航空安全影响最大，需要重点管控；反之，管理因素对于航空安全影响最小，可忽略。     

基于FCM的UAV事故成因预测方法

无人机安全问题已经成为航空领域一个亟待解决的难题,坠机事故不但会造成装备和财产损失,而且也会给高技术安全带来巨大风险.在分析相关坠机事故统计的基础上,提出了一种影响无人机安全的事故因素划分原则和方法,建立了无人机事故成因预测的FCM模型.利用FCM的知识表示和推理可以预测出系统达到稳定状态时各因素的状态值,通过关联度计算对事故的影响因素进行排序,得到诱发无人机事故的主要因素.实例验证和分析证明该方法对于无人机事故成因的预测是可行的.     

基于LSTM-DBN的航空发动机剩余寿命预测

针对航空发动机剩余寿命(remaining useful life, RUL)预测中多传感器监测数据维度高、规模大以及时间序列信息考虑不充分等问题,提出一种融合长短时记忆(long short-term memory, LSTM)网络和深度置信网络(deep belief network, DBN)的RUL预测方法。首先,利用LSTM分别对单一传感器进行时间序列预测。其次,将预测结果整合输入到DBN进行健康指标提取。再次,结合健康指标预测曲线和失效阈值得到RUL预测结果。最后,利用商用模块化航空推进系统仿真数据集开展实验,并与已有方法进行对比分析,验证了该方法的可行性和有效性。     

基于卡尔曼滤波算法展开的飞行目标轨迹预测

目标轨迹预测是保证目标航行安全、规划飞行航迹和搜寻空中目标等任务的关键技术，在军事和交通管制等方面具有重要意义。针对传统飞行目标轨迹预测方法模型较为简化且预测精度较低的问题，提出了基于卡尔曼滤波算法展开的深度神经网络模型，用于飞行目标的轨迹预测任务。该模型通过长短时记忆(long short-term memory, LSTM)网络从目标的航迹数据中学习目标的运动状态，再利用卡尔曼滤波算法对LSTM预测的目标状态估计值进行动态修正，其有效结合了卡尔曼滤波算法和深度神经网络各自的优势。在仿真数据和真实数据上的实验验证了所提模型较其他网络模型对飞行目标轨迹预测的准确性和有效性优势。     

基于灰色马尔可夫SCGM(1 ,1) C 模型的空难人数预测

空难事故预测是航空安全评价和决策的基础.灰色预测适合于时间短、数据量少和波动不大的系统对象,而马尔可夫链理论适用于预测随机波动大的动态过程.结合灰色预测和马尔可夫链理论的优点,提出了一种灰色马尔可夫SCGM(1,1)C模型.用单因子系统云灰色SCGM(1,1)C模型拟合系统的发展变化趋势,并以此为基础进行了马尔可夫预测.对1979~2003年全球空难人数进行了预测分析,结果表明该模型既能揭示了空难人数变化的总体趋势,又能克服了随机波动性数据对预测精度的影响,具有较强的工程实用性.     

基于LSTM模型的恐怖袭击事件发生时间预测

针对部分地区恐怖袭击短期内频发的问题,提出了基于长短时记忆(LSTM)神经网络模型的恐怖袭击事件发生时间预测方法.首先,建立了恐怖袭击事件演化模型,对局部地区存在的恐怖袭击事件短期内数量剧增现象进行了分析.其次,以演化模型为基础从全球恐怖主义数据库(GTD)中提取出17项代表恐怖袭击事件特性的指标,并构建了用于预测的LSTM模型.采用伊拉克2001年9月至2016年底的恐怖袭击事件数据进行实验分析.结果表明,基于LSTM的预测方法能够较准确的预测短期内恐怖袭击事件的发生时间.     

基于LSTM-SVR模型的航空旅客出行指数预测

航空旅客出行的情况对民用航空机场建设与运营具有重大意义，定义了一种航空旅客出行指数，运用机器学习方法对航空旅客出行指数进行预测，克服了单一预测模型精度的不足，提出一种将长短期记忆网络(LSTM)与支持向量回归(SVR)相结合的航空旅客出行指数组合预测模型，并对预测结果集进行聚类分析。以上海机场航空旅客数据为实证，验证了LSTM-SVR组合预测模型可行性与有效性，实验结果显示：LSTM-SVR组合预测模型较传统单一预测模型具有更高的精度；同时，LSTM-SVR组合预测模型与其他组合预测模型相比也有较明显优势。此外，基于K-均值算法对航空旅客出行指数进行聚类分析并给出评级，此举为机场运营管理及旅客出行提供一定的决策支持。     

民航旅客忠诚度模型预测方法

结合现阶段民航企业的特点,重点研究如何利用忠诚度预测模型提高企业的服务水平方法,在此基础上,建立提高旅客忠诚度的决策服务体系.通过建立符合民航的旅客忠诚度模型,运用PLS-SEM方法量化忠诚度指标;由于调查数据量的限制,研究在小样本集下的偏最小二乘法预测方法,制定提高忠诚度指标策略.对实际采集数据的分析试验也验证了该方法有助于细化分析航空公司服务水平,操作性强,效率高,可为民航企业改进服务提供决策支持.     

基扩展模型下基于LSTM神经网络的时变信道预测方法

针对高速移动正交频分复用系统, 提出了一种基扩展模型(basis expansion model, BEM)下基于长短期记忆(long short-term memory, LSTM)神经网络的时变信道预测方法。为了降低传统BEM的建模误差, 根据高速移动环境中不同列车在相同位置处的无线信道具有强相关性的特点, 首先基于历史时刻的信道状态信息获取最优的基函数, 并利用该基函数对信道进行建模。然后, 通过LSTM神经网络对信道基系数进行线下训练与线上预测来获取未来时刻信道信息, 大大降低了计算复杂度。在线下训练中, 将网络的逼近目标设置为信道估计值, 而不是理想的信道信息, 以增强预测模型的实用性。仿真结果表明, 相比现有方法, 新方法的计算复杂度较低, 且预测精度较高。     

基于STPA-Bayes模型的机载平视显示系统安全性分析与评价

机载平视显示(head-up display, HUD)系统可以大幅提高恶劣天气下的飞机起降成功率,已成为我国民航重点推广的安全提升技术。构建低能见度下飞机使用HUD系统进行特殊Ⅰ/Ⅱ进近场景,利用系统理论过程分析(system-theoretic process analysis, STPA)方法识别该场景下潜在的不安全控制行为,通过严格的形式化语言对其进行验证与致因分析,并给出了包含21条通用因素的致因场景分析框架。同时,为弥补STPA方法缺少定量分析的缺点,引入贝叶斯网络计算不安全控制行为发生概率,提出了STPA-Bayes安全性分析与评价模型。结果表明,该方法能有效地识别并分析系统潜在的危险,减少人为因素对分析结果的影响,为机载显示系统的安全性分析提供支持。     

The robustness of high-speed railway and civil aviation compound network based on the complex network theory北大核心CSCD

The topological characteristics and robustness of Chinese high-speed railway and civil aviation compound network are analyzed based on the complex network theory. The results include the following points: the high-speed railway and civil aviation compound network and its two subnetworks are scale-free and small-world networks; the robustness of high-speed railway and civil aviation compound network is better under the random attack than under the calculated attack; the robustness of compound network is better than its two subnetworks, whether under the random attack or under the calculated attack. ©, 2015, The Journal Agency of Complex Systems and Complexity Science. All right reserved.     

机载语音警告仿真数学模型的建立

在飞机上,语音警告优化了人机系统的关系。通过对现代民航机载语音警告系统的研究,建立了其中有代表性的几种报警边界的数学模型。所建立的数学模型及其相应于飞行控制的物理解释,构成了现代民航语音警告系统的理论体系。由于它是一个数字系统,而数字系统的研究需要数学模型和一套相关的理论体系的指导。所建立的数学模型对自动语音导航系统的自主性深层开发,提供了有益的参考。它还使系统维护更主动、水平更高。通过该模型,导航员和驾驶员可以提高对安全高度与速度的综合认识。