在实际监测任务中,及时有效地识别飞行模式至关重要。然而,现有的飞行模式识别方法主观性强、模式单一,限制了在复杂情况下的飞行监控能力,在实际应用中有局限性,进而导致模式边界定位不精确、识别精度低。为此提出一种基于敏感边界和...在实际监测任务中,及时有效地识别飞行模式至关重要。然而,现有的飞行模式识别方法主观性强、模式单一,限制了在复杂情况下的飞行监控能力,在实际应用中有局限性,进而导致模式边界定位不精确、识别精度低。为此提出一种基于敏感边界和长飞行序列的飞行模式智能识别方法(Intelligent Flight Pattern Recognition Method for Sensitive Boundaries and Long Flight Sequences, IFPRM-SBLFS),以对飞行模式进行智能识别。为了更好地探索多模式飞行参数的空间关系,设计自适应图嵌入,针对不同持续时间的飞行模式提出去噪深度多尺度自动编码器,以及用于减轻模型损失的分类加权焦点损失和回归联合时空交集损失。为验证所提方法的优越性,采集多架民用航班的真实参数,涵盖11种飞行模式,通过人工标注构建飞行模式数据集。仿真计算结果表明:新模型能够在连续飞行架次中自动区分不同的飞行模式,并准确提取模式边界,识别准确率达到了99.07%,且无需任何预处理或后处理;新的智能识别方法可以有效提高精确度和敏感边界的飞行模式识别效果。展开更多
飞行机动动作识别主要用于飞行员训练质量评估、飞行作战时的辅助决策等场景。为实现基于飞行参数的飞行机机动识别,研究了模式袋(bag of patterns,BoP)算法,针对算法在多维时间序列应用中的不足进行了改进,利用改进后的算法对飞行姿态...飞行机动动作识别主要用于飞行员训练质量评估、飞行作战时的辅助决策等场景。为实现基于飞行参数的飞行机机动识别,研究了模式袋(bag of patterns,BoP)算法,针对算法在多维时间序列应用中的不足进行了改进,利用改进后的算法对飞行姿态数据进行特征提取,并进行飞行机动识别分析。识别仿真结果表明,改进后的BoP算法能提高飞行机动识别的准确率和置信度,通过该算法提取的飞行参数特征能更好地表征具体的飞行机动动作。展开更多
Trajectory clustering can identify the flight patterns of the air traffic,which in turn contributes to the airspace planning,air traffic flow management,and flight time estimation.This paper presents a semantic-based ...Trajectory clustering can identify the flight patterns of the air traffic,which in turn contributes to the airspace planning,air traffic flow management,and flight time estimation.This paper presents a semantic-based trajectory clustering method for arrival aircraft via new proposed trajectory representation.The proposed method consists of four significant steps:representing the trajectories,grouping the trajectories based on the new representation,measuring the similarities between different trajectories through dynamic time warping(DTW)in each group,and clustering the trajectories based on k-means and densitybased spatial clustering of applications with noise(DBSCAN).We take the inbound trajectories toward Shanghai Pudong International Airport(ZSPD)to carry out the case studies.The corresponding results indicate that the proposed method could not only distinguish the particular flight patterns,but also improve the performance of flight time estimation.展开更多
超短波天线方向图的精确测量对摸清机载通信系统性能底数,指导部队战术应用具有重要意义。针对传统试飞方法均不适用于大型直升机天线方向图测量的问题,通过分析大型直升机的飞行性能特点,提出了一种新的适用于大型直升机的超短波天线...超短波天线方向图的精确测量对摸清机载通信系统性能底数,指导部队战术应用具有重要意义。针对传统试飞方法均不适用于大型直升机天线方向图测量的问题,通过分析大型直升机的飞行性能特点,提出了一种新的适用于大型直升机的超短波天线方向图试飞方法。通过分析计算给出了试飞中载机高度、速度、姿态等参数的限制数据,制定了详细的试飞流程,提出了逐架次、逐频点采集校准数据并完成校准曲线拟合的方法,得到了较高的测量精度。该方法已在某大型直升机定型试飞中进行了应用,试飞结果表明该方法的测量结果与传统测量方法之间的标准差在1.6 d B内,试飞效率提高了66%。展开更多
为有效掌握空中交通流的分布规律,提高飞行轨迹聚类效率与质量,提出了一种精确度高、运算快、自主识别异常轨迹的飞行轨迹聚类方法。首先,改进均匀参数化法降低了飞行轨迹数据规模。其次,提出一种基于核主成分分析(kernel principal com...为有效掌握空中交通流的分布规律,提高飞行轨迹聚类效率与质量,提出了一种精确度高、运算快、自主识别异常轨迹的飞行轨迹聚类方法。首先,改进均匀参数化法降低了飞行轨迹数据规模。其次,提出一种基于核主成分分析(kernel principal component analysis,KPCA)和飞行轨迹降维方法,突出不同类点之间的差异。最后,采用基于密度空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法剔除飞行干扰轨迹并完成聚类。实验表明,该方法在简化数据预处理的条件下,对1243条飞行轨迹实现准确聚类,划分识别出6个类别,保持较高的聚类质量并识别异常轨迹。相较于其他聚类方法,该方法简化了聚类前对飞行轨迹的预处理,提高了聚类效率,聚类效果更加准确,并能够识别异常轨迹。展开更多
文摘在实际监测任务中,及时有效地识别飞行模式至关重要。然而,现有的飞行模式识别方法主观性强、模式单一,限制了在复杂情况下的飞行监控能力,在实际应用中有局限性,进而导致模式边界定位不精确、识别精度低。为此提出一种基于敏感边界和长飞行序列的飞行模式智能识别方法(Intelligent Flight Pattern Recognition Method for Sensitive Boundaries and Long Flight Sequences, IFPRM-SBLFS),以对飞行模式进行智能识别。为了更好地探索多模式飞行参数的空间关系,设计自适应图嵌入,针对不同持续时间的飞行模式提出去噪深度多尺度自动编码器,以及用于减轻模型损失的分类加权焦点损失和回归联合时空交集损失。为验证所提方法的优越性,采集多架民用航班的真实参数,涵盖11种飞行模式,通过人工标注构建飞行模式数据集。仿真计算结果表明:新模型能够在连续飞行架次中自动区分不同的飞行模式,并准确提取模式边界,识别准确率达到了99.07%,且无需任何预处理或后处理;新的智能识别方法可以有效提高精确度和敏感边界的飞行模式识别效果。
文摘飞行机动动作识别主要用于飞行员训练质量评估、飞行作战时的辅助决策等场景。为实现基于飞行参数的飞行机机动识别,研究了模式袋(bag of patterns,BoP)算法,针对算法在多维时间序列应用中的不足进行了改进,利用改进后的算法对飞行姿态数据进行特征提取,并进行飞行机动识别分析。识别仿真结果表明,改进后的BoP算法能提高飞行机动识别的准确率和置信度,通过该算法提取的飞行参数特征能更好地表征具体的飞行机动动作。
文摘采用野外定点调查的方法,研究了红火蚁Solenopsis invicta多蚁后型种群婚飞新形成蚁巢的局域空间分布规律.结果表明,短期内婚飞形成的活动蚁巢在局域平面空间上呈均匀分布,分布的基本成分为单个蚁巢,且蚁巢间相互排斥.在平面空间上不同间隔距离间该类型蚁巢半方差值呈明显规律性变化,具有空间相关性.建立了5个球状模型,其变程分别为12.6、14.1、9.7、13.3和14.5 m,平均为12.8 m.
基金supported by the Joint Fund of National Natural Science Foundation of China and Civil Aviation Administration of China(U1933117)the Open Fund for Graduate Innovation Base(Laboratory)of Nanjing University of Aeronautics and Astronautics(kfjj20190709).
文摘Trajectory clustering can identify the flight patterns of the air traffic,which in turn contributes to the airspace planning,air traffic flow management,and flight time estimation.This paper presents a semantic-based trajectory clustering method for arrival aircraft via new proposed trajectory representation.The proposed method consists of four significant steps:representing the trajectories,grouping the trajectories based on the new representation,measuring the similarities between different trajectories through dynamic time warping(DTW)in each group,and clustering the trajectories based on k-means and densitybased spatial clustering of applications with noise(DBSCAN).We take the inbound trajectories toward Shanghai Pudong International Airport(ZSPD)to carry out the case studies.The corresponding results indicate that the proposed method could not only distinguish the particular flight patterns,but also improve the performance of flight time estimation.
文摘超短波天线方向图的精确测量对摸清机载通信系统性能底数,指导部队战术应用具有重要意义。针对传统试飞方法均不适用于大型直升机天线方向图测量的问题,通过分析大型直升机的飞行性能特点,提出了一种新的适用于大型直升机的超短波天线方向图试飞方法。通过分析计算给出了试飞中载机高度、速度、姿态等参数的限制数据,制定了详细的试飞流程,提出了逐架次、逐频点采集校准数据并完成校准曲线拟合的方法,得到了较高的测量精度。该方法已在某大型直升机定型试飞中进行了应用,试飞结果表明该方法的测量结果与传统测量方法之间的标准差在1.6 d B内,试飞效率提高了66%。
文摘为有效掌握空中交通流的分布规律,提高飞行轨迹聚类效率与质量,提出了一种精确度高、运算快、自主识别异常轨迹的飞行轨迹聚类方法。首先,改进均匀参数化法降低了飞行轨迹数据规模。其次,提出一种基于核主成分分析(kernel principal component analysis,KPCA)和飞行轨迹降维方法,突出不同类点之间的差异。最后,采用基于密度空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法剔除飞行干扰轨迹并完成聚类。实验表明,该方法在简化数据预处理的条件下,对1243条飞行轨迹实现准确聚类,划分识别出6个类别,保持较高的聚类质量并识别异常轨迹。相较于其他聚类方法,该方法简化了聚类前对飞行轨迹的预处理,提高了聚类效率,聚类效果更加准确,并能够识别异常轨迹。
