飞行数据加密技术实现

飞行试验是在真实飞行条件下进行的科学研究和产品试验,它所产生的飞行数据极为珍贵,具有信息量大,保密要求高,数据不可重现等特点,因此飞行数据的安全存储管理问题非常重要。本文讨论了数据加密技术,分析了各类加密算法的优缺点和设计原理,在此基础上提出了综合AES（高级加密标准）和ECC（椭圆曲线密码）来对飞行数据进行保护的一种加密方案。实验表明,该方案能够有效对飞行数据进行加密存储,在飞行数据安全管理方面得到了很好的应用。     

一种基于反向神经网络的航空器飞行轨迹预测

为了缓解终端区空域拥堵和降低航空器运行风险,提出一种基于反向神经网络(BP)的航空器飞行轨迹预测模型。首先,对航空器历史数据进行筛选和降噪处理,得到基准轨迹;其次,建立基于Hausdorff距离的轨迹相似性矩阵,采用模糊C-均值聚类(FCM)对所有轨迹进行自动分类;最后,综合考虑飞行轨迹的三维位置、速度和航向特征,利用BP神经网络对轨迹特征进行训练学习,建立飞行轨迹预测模型,用于对未来时刻的短期飞行轨迹多维特征进行预测。试验结果表明:该网络模型预测误差小、预测效果好,可以更加准确地进行航空器的飞行轨迹预测。     

快速的飞行全过程航迹预测

该文提出一种面向空中交通管理的飞行全过程快速4-D航迹预测方法。以导航数据库和飞行计划为基础,对从起飞跑道至降落跑道的飞行全过程进行仿真预测。采用质点模型以保证预测速度;设计了终端区非精确定义航段之间的过渡轨迹保证结果完整性,考虑终端区高度及速度限制以保证结果真实性;基于WGS-84地理坐标系统进行航迹空间结构计算以保证结果准确度。仿真了北京首都机场至上海虹桥机场的飞行实例,并通过和实际飞行数据的对比验证了该方法的高效性。     

果蝇条件化视觉飞行定向的动力学特征

采用飞行模拟器，研究果蝇在视觉飞行定向与热惩罚之间建立的条件化学习。主要结果为：（１）证明果蝇在实验的不同时间段的行为指数ＰＩ具有显著相关性；（２）从果蝇个体的飞行扭矩轨迹计算得到的特征函数，可以用来评估果蝇通过训练而形成的视觉空间定向能力；（３）发现从果蝇个体在预训练阶段的飞行扭矩轨迹计算的近似ＡｐＥ（２，ｒ，Ｎ）与第９个时间段的学习指数显著相关，所以预测练阶段的近似熵可以用来粗估训练后的学习指     

FDR飞行数据的相空间重构及混沌特性分析

针对现有飞行数据处理研究中,对数据内在属性及不同数据间相互关联性研究不够深入的问题,应用Takens重构理论和方法等对原始FDR飞行数据进行了相空间重构.在此基础上,采用功率图谱等方法进行定性分析研究,数据曲线均连续且有宽峰特征;采用基于相轨迹线演化的Wolf方法进行定量研究,结果最大Lyapunov指数在不同维数上均为正值.定性与定量研究结果揭示并证实了飞行数据具有典型混沌特性,该结论为后续开展飞行数据处理技术研究提供了新思路.     

基于监视数据修正的航空器飞行轨迹推算模型

飞行轨迹推算是空中交通流量管理的一个重要研究内容。在传统飞行轨迹推算方法基础上,针对航空器飞行路径的不确定性,构造了基于监视数据动态修正的航空器飞行轨迹推算模型。该模型综合航空器飞行性能和飞行计划、实时监视信息对航空器飞行轨迹、姿态进行推算。利用真实飞行轨迹进行验证,结果表明:本文模型推算的位置、高度信息更接近实际轨迹,并且符合实际飞行原则和空域使用规则,具有一定的参考价值和实用性。     

基于并行模式挖掘和路径匹配的用户位置预测

为了提高移动用户位置预测的精度,提出了基于并行模式挖掘和路径匹配的移动用户位置预测方法,对传统的FP-GROWTH算法作了并行化处理,优化了节点负载分配方法,在Spark平台下挖掘用户移动频繁模式.改进了基于索引的路径相似度算法,提出基于路径最短距离的相斥度算法,提高了对轨迹数据缺失的适用性.在真实的用户轨迹数据集上实验表明,提出的基于轨迹相斥度预测方法相比马尔可夫模型和卡尔曼滤波模型拥有更高的预测精度,预测精确度平均提升7%左右.     

航空器飞行轨迹表示方法及其应用

航空器飞行轨迹数据的质量和规模是提高民航运行规律分析效率的基础。为了在尽可能保留原始轨迹运动特征的情况下实现对轨迹的规则化表示,减少对内存空间的占用,提出了包括等间隔采样、固定点数采样、自适应采样的重采样方法和基于傅里叶描绘子的轨迹重构方法。通过对比重构轨迹与原始轨迹在运动特征等细节的差异,分析每种方法的优缺点。针对飞行轨迹簇的聚类问题,基于固定点数采样结果,利用层次聚类法实现对重构轨迹的聚类分析。实验结果表明,本文提出方法能够利用小规模数据有效表示航空器的飞行轨迹,并成功应用于轨迹聚类等问题。     

基于无迹卡尔曼滤波的无人机跟踪算法

基于四基站对无人机位置的定位数据,利用无迹卡尔曼滤波算法对定位数据进行最优估计,并预测无人机的运行轨迹,从而实现对无人机的实时跟踪.对经典的线性卡尔曼滤波算法和无迹卡尔曼滤波算法进行仿真对比,结果表明,线性卡尔曼滤波算法虽然能跟踪预测轨迹,但有较大的误差,而使用无迹卡尔曼滤波算法能有效地减小误差,使跟踪预测的轨迹更加精确.     

基于hp自适应伪谱法的飞行器多阶段轨迹优化

为解决助推-滑翔飞行器的多阶段多约束轨迹优化问题,在考虑速度约束、轨迹阶段切换点约束与轨迹末端参数约束的条件下,建立了助推-滑翔飞行器纵向运动模型与多阶段轨迹优化模型。采用基于hp自适应伪谱法的Legendre-Gauss-Radau离散点,将该最优控制问题转换为多阶段非线性规划问题,求解得到最大飞行距离轨迹。为解决多阶段轨迹优化算法难以确定位置自由的阶段切换点的问题,基于动态规划的思想,设计了新的多阶段轨迹优化策略。改进后的优化策略在得到了多阶段全局近似最优解结果的同时,减少了原优化算法的计算量。仿真结果表明,改进的hp自适应伪谱法能有效解决多阶段助推-滑翔飞行器轨迹优化问题,优化结果优于最大升阻比滑翔飞行轨迹。      

基于飞行计划集中处理的预战术航路飞行流量预测

为准确把握航路点流量变化趋势和缓解空中交通压力,提出了一种基于飞行计划集中处理的流量预测方法。首先,在预战术飞行流量管理阶段,通过飞行计划集中处理可得到的航空器飞行计划信息,根据各航班在起飞前提交的领航计划电报和全飞行剖面混杂模型来预测航空器的航迹;然后,通过预测出航空器过关键航路点的过点时间,并结合空域结构数据来获得主要航路点的流量预测值;最后,通过算例仿真的结果可以发现所提出的航路飞行流量预测方法能够很好的对关键航路点进行预测,并且方法是切实可行和有效的。     

考虑观测次数的无人机交通巡视时空网络模型

针对传统道路信息检测方式不能获得实时连续的道路信息的问题,提出使用无人机进行路网巡视的方法。通过时空路网建立多机飞行路径优化模型,解决无人机的路径优化问题。模型可分别以完成所有任务条件下最小化所有飞机总飞行时间或最小化单机的最长飞行时间为优化目标,不仅利用时空网络技术细致刻画了无人机在巡视过程中的飞行轨迹,将动态路径规划转化为静态路径规划,而且还加入了对重点路段多次巡视和多次巡视的时间间隔约束。对某一案例进行分析的结果表明,与不考虑巡视次数的路径规划相比,无人机的总飞行时间和单机飞行时间分别增加15.87%和15.15%,即可完成对2条重要路段巡视3次的任务目标。算例分析表明,优化后的巡视路径更加切合实际需要。     

基于改进高斯伪谱法的多无人机协同轨迹规划

针对当前伪谱法求解无人机轨迹存在的计算量大、运算时间长以及难以保证最优性等问题,提出了将粒子群算法与高斯伪谱法相结合的改进方法。首先,使用粒子群算法进行航迹预规划,保证近似最优解的快速实现;其次,针对高斯伪谱法配点的相对位置选取,对粒子群预规划的航迹点做拟合处理,并以此作为高斯伪谱法的初始参考指令,从而解决伪谱法的初值敏感问题,加快优化算法的收敛速度。最后,综合考虑无人机编队性能指标、飞行环境以及协同飞行约束等进行实验。实验结果验证了初值选取的重要性,同时表明了所设计算法可提升解的最优性与收敛速度。研究结果可为多无人机协同飞行控制快速规划出多维度、高精度的引导指令,对实现智能自主化飞行有一定参考价值。     

220 kV变电站的智能汇控小室优化安装方案

针对新疆地区智能汇控小室损坏率高,使用寿命短和存在拒动、误动的问题,提出220 kV汇控小室优化研究方案.利用建模软件构建了新疆某地区220 kV变电站的三维模型,基于有限元方法进行变电站稳态电磁场分布研究,仿真数据与现场试验数据比较结果验证了该电学模型的准确性,对该模型采用空间寻优法获得智能汇控小室的最优安装位置方案.228个测点的工频电磁场仿真、试验对比数据平均误差为5.3％,满足变电站电压允许波动7％的要求;在平行进出线(X)、垂直母线(Y)以及安装高度(Z)方向上工频电磁场衰减速度的正交试验表明,Y方向衰减速度最为显著,220/110 kV侧分别在(2,10,2)m和(1.5,6,2)m处获得最佳安装位置方案.研究结果为进一步研究工频电磁场的变化特性和变电站二次设备安装路径优化提供一定的理论参考.     

基于改进层次法与CRITIC法的 多维云模型岩爆预测

在高地应力区域,岩爆是严重影响地下工程建设的重大地质灾害,如何进行有效而准确的岩爆预测是有待解决的问题.综合考虑指标数据的客观信息和岩爆预测中主观评判、决策的重要作用,采用改进层次分析法和基于指标相关性的CRITIC法分别获得各指标的主观权重和客观权重,并依据最小鉴别信息原理进行融合,求得综合权重.对原始云模型和预测指标分类区间进行修正,弥补原始云模型对等级区间均值过于敏感的不足,并通过云算法生成各指标的等级综合云模型.最后,通过岩爆实例验证模型的可靠性和有效性,并与熵权-云模型、CRITIC-云模型和集对分析-多维云模型对比.结果表明:该模型可以描述区间值指标的各种不确定性,快速、有效地判定岩爆烈度等级.     

基于贝叶斯决策理论的NSHV分段建模威胁评估

临空高超声速飞行器（Near Space Hypersonic Vehicle,NSHV）具备复杂的运动模式和高动态特点,传统的威胁评估方法运用于NSHV时在评估要素选取和评估动态性等方面存在不足。从NSHV的飞行路径入手,将其划分为3个主要的飞行阶段,通过分析其各阶段运动特点和预警探测、拦截能力等因素,基于贝叶斯推理、决策理论建立起NSHV多阶段威胁评估模型,并通过先验概率将各阶段进行关联,保证了评估的继承性,最终建立典型场景进行仿真验证,仿真结果反映的威胁变化符合NSHV的作战特点和所给观测数据,证明该方法更适应NSHV的动态特性,能够为指挥员进行防御作战辅助决策提供支持。     

自学习策略和Lévy飞行的正弦余弦优化算法

针对正弦余弦算法（SCA,sine cosine algorithm）局部搜索能力差的缺陷,提出自学习策略和Lévy飞行的正弦余弦优化算法（SCASL,sine cosine optimization algorithm with self-learning strategy and Lévy flight）。首先,提出正弦余弦算法自学习策略和非线性权重因子,使搜索个体记忆自身历史最优位置,在寻优过程中指导搜索个体更新位置,提高SCA的局部搜索能力;算法寻优后期,当搜索陷入局部最优时,采用基于Lévy飞行的停滞扰动策略使算法跳出局部最优,提高SCA的局部最优规避能力。基于13个经典基准测试函数对算法性能进行测试的实验结果表明,SCASL相比标准SCA和较新的优化算法SSA,VCS,WOA,GSA,具有更高的计算效率,收敛精度以及更强的局部最优规避能力。求解无人作战飞机航迹规划的仿真结果表明,在有6个敌方威胁源的战场环境中,相比SCA,SCASL求解得到的飞行航迹具有更小的航迹代价。综上,所提出的SCASL具有较强的寻优能力。     

航班到港延误时长预测及特征分析

为破除XGBoost模型的黑盒特性,增强模型的说服性,提出一种基于SHAP的可解释性航班到港延误时长预测模型。首先,对航班历史数据、天气数据进行融合,在融合数据的基础上进行异常值处理,并利用递归特征消除方法进行特征选择;其次,构建航班延误时长预测模型,利用遗传算法进行参数调优,并与目前常用的模型进行对比;最后,在航班延误时长预测的基础上结合SHAP模型,从总体特征和特征间的相互关系2个角度分析特征的重要程度。实验结果表明,经过遗传算法调优的XGBoost模型预测精度更高,其中MAE降低了8.94%,RMSE降低了19.85%,MAPE降低了6.15%,且其模型精度更高。因此,SHAP模型破除了XGBoost模型的黑盒特性,增强了模型的可解释性,可为降低航班延误时长提供技术支持。     

基于飞行小时的航空碳核查方法

碳核查为航空碳排放监测体系的重要环节,为核查上报碳排放数据合理性,针对核查方法的适用性和准确性,提出一种基于飞行小时的航线碳核查方法.首先通过分析航段内各个飞行阶段的飞行小时与油耗特征,建立飞机油耗量区间估计模型.而后根据航线飞行小时特征,运用行程可靠性与美国联邦航空管理局(Federal Aviation Administration,FAA)畅通滑行时间定义确定地面滑行时间阈值,结合航线飞行小时的季节性特征,提出基于航线的碳排放核查方法,实现航线年度上报数据的核查.最后分别对北京—上海航线1月、7月的航班进行了算例分析,为核查航班碳排放合理性提供了参考.