飞行数据快速译码系统实现

飞行数据译码分析是进行飞机状态监控、故障诊断与维修、飞行品质分析等的重要技术手段.介绍了QAR记录的原理,在分析了传统译码算法及译码的缺点的基础上,针对ARINC717协议中的飞行参数类型,提出了基于参数类型的动态链表快速译码算法,并开发了基于实时数据库技术的快速译码系统软件,显著提高了飞行数据的译码效率,扩展性好,能满足飞行记录数据新应用的实时快速译码要求.     

基于IMM算法的机场场面运动目标跟踪

为了实现对机场场面运动目标的精确跟踪,研究了将交互式多模型（interacting multiple model, IMM）滤波算法应用到机场场面监视雷达对运动目标的跟踪中。首先,根据飞机的真实运动情况建立了飞机的匀加速运动、匀速转弯运动及匀速运动模型,然后,利用无迹卡尔曼滤波(unscented Kalman filter, UKF)与IMM相结合的UKF-IMM算法对场面雷达监视的飞机的运动进行了跟踪建模,并将UKF IMM算法与基于扩展卡尔曼滤波（extended Kalmam filter, EKF）的EKF-IMM和基于当前统计模型的单模型跟踪算法进行仿真比较。结果表明,UKF-IMM跟踪算法在雷达场面跟踪方面具有更大的应用价值。     

基于交互式多模型扩展维特比容积卡尔曼滤波机场场面运动目标跟踪

根据先进场面运动引导控制系统(advanced surface movement guidance and control system,A-SMGCS)的监视要求,提出一种基于交互式多模型扩展维特比算法(interactive multi-model extended viterbi algorithm,IMMEV)与容积卡尔曼滤波(CKF)相结合的目标跟踪算法,以实现机场场面目标的跟踪。根据机场场面运动目标的运动建立相应的运动模型集,采用交互式多模型算法(IMM)实现目标跟踪;模型集中过多的模型会导致运算复杂性增加,且不能真实反映目标的运动,采用扩展维特比(extended viterbi,EV)算法对IMM进行优化,简化模型集;容积卡尔曼滤波器(cubature Kalman filter,CKF)较传统的滤波算法具有更高的滤波精度和稳定性,将其与IMMEV相结合形成IMMEV-CKF跟踪算法。为了验证所提出的IMMEV-CKF对场面运动目标跟踪性能,仿真研究IMMEV-CKF算法、IMM-UKF和当前统计模型对同一目标的跟踪。仿真结果表明,IMMEVCKF在跟踪精度性能方面要优于IMM-UKF和改进后的当前统计模型。因此,IMMEV-CKF更能满足机场场面运动目标跟踪要求。     

基于产生式规则系统的车辆跟驰模型

车辆跟驰模型是微观交通仿真的核心.随着微观交通仿真应用的不断发展,需要对更多的交通场景进行建模,而现有的车辆跟驰模型在扩展性上已掣肘.提出基于产生式规则系统的车辆跟驰模型,并对其进行了仿真.仿真结果表明,用产生式规则系统模拟驾驶行为是可行的,通过模糊规则和普通规则的共同作用,能方便地进行扩展.