【摘 要】
：
对管制扇区进行科学分类,有助于了解不同类别扇区的运行特征,为管制运行管理提供优化依据.针对国内外在扇区分类方面研究的匮乏和分类专项管理较为粗放的现状,通过模糊聚类和遗传算法等机器学习算法,研究了一种基于动态运行特征的空中管制扇区分类方法.基于ADS-B雷达航迹数据,建立反映扇区动态运行特性的指标集.引入核函数和遗传算法改进模糊C均值聚类算法,运用改进的算法对选取的中国华东和中南地区97个扇区进行分类研究.采用Silhouette系数和KXB(Kernel Xie-Beni)指标确定最佳聚类数,根据聚类结果
【机 构】
：
南京航空航天大学民航学院,江苏南京211106
论文部分内容阅读
对管制扇区进行科学分类,有助于了解不同类别扇区的运行特征,为管制运行管理提供优化依据.针对国内外在扇区分类方面研究的匮乏和分类专项管理较为粗放的现状,通过模糊聚类和遗传算法等机器学习算法,研究了一种基于动态运行特征的空中管制扇区分类方法.基于ADS-B雷达航迹数据,建立反映扇区动态运行特性的指标集.引入核函数和遗传算法改进模糊C均值聚类算法,运用改进的算法对选取的中国华东和中南地区97个扇区进行分类研究.采用Silhouette系数和KXB(Kernel Xie-Beni)指标确定最佳聚类数,根据聚类结果定义出5类运行特征各异的扇区,并通过仿真实验对扇区分类成果进行了合理性检验.研究结果表明:改进的算法在IRIS和WINE数据集上的聚类准确度较传统FCM算法提高了 4.62％和26.96％,且具有较高的鲁棒性;扇区动态运行特征分析是将航空器空间行为和扇区繁杂程度及管制员工作负荷进行关联比较的有效途径;不同类型扇区的运行特征存在明显差异,模糊聚类算法相比于传统的硬聚类算法能有效处理扇区分类问题.
其他文献
场景识别是计算机视觉研究中的一项基本任务.与图像分类不同,场景识别需要综合考虑场景的背景信息、局部场景特征以及物体特征等因素,导致经典卷积神经网络在场景识别上性能欠佳.为解决此问题,文中提出了一种基于深度卷积特征的场景全局与局部表示方法.此方法对场景图片的卷积特征进行变换从而为每张图片生成一个综合的特征表示.使用CAM获取局部关键区域,利用LSTM对局部区域的卷积特征进行编码形成场景图片的局部表示;通过注意力机制融合场景特征与物体特征形成场景图片的全局表示.最后,在MIT indoor 67场景识别数据集
视频信息检索与其他多媒体检索的最大不同在于视频信息量较大,因此进行视频间相似度计算时的计算量较大.此外,对视频特征的提取中常常忽略视频帧之间的时间相关性,从而导致特征提取不充分,影响视频检索的精度.为此,文中提出基于三维卷积和哈希方法的视频检索方法.该方法构建了一个端到端的框架,使用三维卷积神经网络来提取视频中代表帧的特征,并将视频特征映射到低维的汉明空间中去,在汉明空间计算相似度.在两个视频数据集下的实验结果表明,相较于当前最新的视频检索算法,文中所提方法在精度上有较大的提升.
针对从非线性、非稳态的轨枕振动信号中提取病害特征困难的问题,文中提出一种基于变分模态分解和多尺度排列熵的轨道病害特征提取方法,并采用BP神经网络病害诊断模型进行病害识别.利用变分模态分解方法将采集到的振动加速度信号进行分解,得到若干个本征模态分量.计算这些本征模态分量的多尺度排列熵值,将其作为轨道病害的高维特征向量,以实现对轨枕振动信号的降噪和病害特征的提取.通过建立BP神经网络病害诊断模型,将高维特征向量输入到BP网络中进行训练、拟合、验证,并与经验模态分解和BP神经网络结合的方法对比.分析结果表明,文
液化天然气(LNG)接收站一般位于沿海主要危化品港口,港口各种生产企业密集、来往人员较多,每天往返于接收站装卸LNG的槽车,由于流动性大、安全管理细致程度高,已成为LNG接收站安全管理工作的重点.通过对槽车在LNG接收站内充装过程中全流程进行跟踪,首先选取15个影响槽车充装安全性的关键因素建立LNG接收站槽车充装风险评价指标体系;然后提出一种基于粒子群算法优化的层次分析法(即PSO-AHP法)对各风险因素的权重进行计算与重要度分析;最后针对槽车安全管理方面的薄弱点提出了相应的改进建议.结果表明:使用PSO
为揭示深部采煤覆岩移动和地表沉降规律,以兖矿集团东滩煤矿6采区63上04、63上05、63上06工作面采矿条件为背景,基于微震及地表沉降监测数据,利用UDEC对深部采煤覆岩移动和地表沉降进行了数值模拟研究.结果表明:①沿工作面回采方向(z1方向)的模拟结果显示,随着工作面开采宽度的增加,覆岩的破坏形式由大块整体垮落转变为覆岩大变形;大能量矿震逐渐减少,能量趋于平稳;导水裂隙带高度先迅速升高后基本不变,稳定在85 m,与经验公式计算相符,据此确定了覆岩的三带分布;工作面回采完毕后,在采空区上方形成三角拉应力
针对低压微电网、机床照明、教学实验和建筑工地临时居住等低电压应用场景中非线性整流设备造成的谐波污染,文中采用单周期控制对低压APFC系统进行研究.文中详细分析了单周期控制器UCC28180的控制原理,并对主电路和控制电路的参数进行了设计.通过对平均电流环路和电压环路分析,结合低压系统非线性电流环路增益因子M1、电压环路PWM斜坡补偿斜率M2和非线性增益M3对环路中零极点进行环路补偿,给出了相应的伯德图.通过搭建样机系统,对系统整体效率、功率因数、输入电流总谐波畸变率进行了分析,实验结果表明,该系统符合低压
点云配准的质量直接影响着三维重建的质量.针对传统K-4PCS耗时长且易出现错误匹配等问题,文中提出一种基于边界质心的点云粗配准方法.通过对点云进行边界提取,既保留点云外表特征,又减少了点云数据的大小,提高了粗配准速度.为了加快边界点的提取速度,使用K-D tree算法完成对k近邻点的搜索.通过配准边界点的质心,减少点云初始距离并增加重叠度,保证了粗配准的精度.实验结果证明,文中方法在粗配准速度和精度方面都优于传统K-4PCS算法,其速度约为传统K-4PCS算法的2倍,平移和旋转精度也比传统K-4PCS高了
为弥补传统认知可靠性与失误分析方法(CREAM)的缺陷,提高人因失误概率(HEP)的计算精度,提出一种基于证据推理(ER)的改进CREAM模型.该模型首先通过决策实验室分析法(DEMATEL)和模糊层次分析法来分别计算共同绩效条件(CPC)的相关性权重和重要性权重;然后利用组合赋权法将两种权重线性组合,获得CPC的综合权重,在此基础上利用ER算法对CPC的绩效效应进行加权数据融合,并利用融合后的数据获取情景影响指数(CII),通过CII实现了HEP点值的输出;最后将该改进的CREAM模型应用到高速铁路列车
针对随钻振动引起MEMS陀螺仪的数据漂移问题,文中提出了一种脉冲神经网络算法.首先根据陀螺仪漂移误差的时间特性,利用脉冲网络的脉冲时间编码陀螺仪的信息强度.然后利用Izhikevich神经元模型的突触可塑性,调节激发性突触电导并抑制性突触电导,增强网络的鲁棒性,从而提高陀螺仪信号对噪声的抗干扰能力.在不同振动频率下,分析高斯白噪声输出神经元的点火率和膜电位间的相关性.实验结果表明,在不同频率的强振动下,噪声对输出神经元点火率及输出层神经元点火率相对变化的影响较小,对输出层神经元膜电位的影响较小,但是对膜电
单晶锗飞切加工时,观察切屑形成较为困难.针对该问题,文中采用了一种无网格仿真方法(SPH法),通过建立单晶锗(111)晶面微切削仿真模型,研究塑性去除时,切削深度、切削速度对切削力及切屑形成的影响.结果表明,在切削速度为4μm·μs-1,切削深度分别为0.5μm、1μm、2μm、5μm时,切向力及法向力都出现逐渐增大然后减小至趋于平缓的波动的趋势.该结果表明切削深度越大,切削力稳定波动值越大,且在该切削条件下产生切屑的临界切削深度为0.5～1μm.在单晶锗切削深度为1μm,切削速度为2μm·μs-1、4μ