終端區(qū)航空器飛行軌跡聚類分析及異常檢測研究
發(fā)布時(shí)間:2023-05-20 11:14
在繁忙的終端管制區(qū)內(nèi),管制員需要根據(jù)管制區(qū)內(nèi)航空器的飛行態(tài)勢(shì)、空域航路結(jié)構(gòu)和管制意圖為航空器分配進(jìn)離場程序、調(diào)配進(jìn)場排序和安全間隔等發(fā)布相應(yīng)的管制指令,依賴于這種高負(fù)荷、經(jīng)驗(yàn)式的空中交通管制方式,不僅使得終端區(qū)內(nèi)航空器運(yùn)行效率低,限制了管制決策的實(shí)時(shí)性,而且極大地增加了航空器安全風(fēng)險(xiǎn)。因此,考慮到航空器飛行軌跡作為表征航空器運(yùn)行狀態(tài)的一種宏觀形式,是在基于軌跡數(shù)據(jù)的模式下從海量軌跡集合中挖掘異常軌跡的關(guān)鍵點(diǎn),本文以此為切入研究終端區(qū)航空器飛行軌跡分布規(guī)律以及實(shí)時(shí)異常檢測,達(dá)到降低管制員工作負(fù)荷,保障航空器飛行安全的目的。首先,針對(duì)監(jiān)視數(shù)據(jù)庫中解析數(shù)據(jù)的特點(diǎn),進(jìn)行數(shù)據(jù)預(yù)處理和軌跡壓縮處理,獲得飛行基準(zhǔn)軌跡;同時(shí)充分考慮到軌跡數(shù)據(jù)的多維特征屬性,構(gòu)建基于多維特征的軌跡相似性模型,在此基礎(chǔ)上采用改進(jìn)后的聚類方法分析軌跡的分布規(guī)律,結(jié)果表明改進(jìn)后的方法提高了挖掘航空器潛在飛行模式的能力,并實(shí)現(xiàn)了飛行軌跡的自動(dòng)分類。其次,在總結(jié)現(xiàn)有飛行軌跡預(yù)測模型的基礎(chǔ)上,提出結(jié)合航空器能量高度和卷積神經(jīng)網(wǎng)絡(luò)算法,實(shí)時(shí)預(yù)測航空器未來飛行軌跡,同時(shí)討論網(wǎng)絡(luò)模型結(jié)構(gòu)的影響,得出適用于本文的最優(yōu)飛行軌跡預(yù)測模型;并與...
【文章頁數(shù)】:69 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 研究內(nèi)容及章節(jié)安排
1.3.1 主要研究內(nèi)容
1.3.2 章節(jié)安排
第二章 航空器飛行軌跡數(shù)據(jù)處理
2.1 ADS-B數(shù)據(jù)預(yù)處理
2.1.1 ADS-B介紹
2.1.2 ADS-B數(shù)據(jù)預(yù)處理
2.1.3 獲取飛行基準(zhǔn)軌跡
2.2 飛行軌跡數(shù)據(jù)的壓縮處理
2.2.1 軌跡壓縮方法概述
2.2.2 基于時(shí)間比的自頂向下軌跡壓縮算法
2.3 本章小結(jié)
第三章 航空器飛行軌跡自動(dòng)分類
3.1 軌跡相似性模型
3.1.1 軌跡相似性度量方法
3.1.2 多維特征的軌跡相似性度量
3.2 軌跡聚類的改進(jìn)
3.2.1 聚類算法的概述
3.2.2 改進(jìn)的模糊C-均值聚類
3.3 算例及分析
3.3.1 飛行軌跡聚類分析
3.3.2 參數(shù)變化對(duì)聚類效果的影響
3.3.3 航空器飛行軌跡自動(dòng)分類
3.4 本章小結(jié)
第四章 航空器飛行軌跡預(yù)測
4.1 深度神經(jīng)網(wǎng)絡(luò)介紹
4.1.1 概述
4.1.2 常用的深度神經(jīng)網(wǎng)絡(luò)介紹
4.2 基于卷積神經(jīng)網(wǎng)絡(luò)的飛行軌跡預(yù)測
4.2.1 航空器能量高度
4.2.2 飛行軌跡預(yù)測模型
4.3 算例及分析
4.3.1 卷積神經(jīng)網(wǎng)絡(luò)參數(shù)學(xué)習(xí)
4.3.2 飛行軌跡預(yù)測結(jié)果比較
4.4 本章小結(jié)
第五章 航空器飛行軌跡異常檢測
5.1 終端區(qū)航空器異常軌跡定義
5.2 異常軌跡檢測模型
5.2.1 基于TRADBSCAN算法的中心軌跡提取
5.2.2 不同飛行剖面上飛行軌跡異常檢測
5.2.3 實(shí)時(shí)異常軌跡檢測
5.3 算例及分析
5.3.1 航空器異常軌跡的確定
5.3.2 機(jī)型對(duì)異常檢測的影響
5.3.3 實(shí)時(shí)異常軌跡檢測結(jié)果比較
5.4 本章小結(jié)
第六章 總結(jié)與展望
6.1 研究工作總結(jié)和創(chuàng)新點(diǎn)
6.1.1 研究工作總結(jié)
6.1.2 創(chuàng)新點(diǎn)
6.2 展望
致謝
參考文獻(xiàn)
在學(xué)期間發(fā)表的學(xué)術(shù)論文及參與科研項(xiàng)目情況
本文編號(hào):3821014
【文章頁數(shù)】:69 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 研究內(nèi)容及章節(jié)安排
1.3.1 主要研究內(nèi)容
1.3.2 章節(jié)安排
第二章 航空器飛行軌跡數(shù)據(jù)處理
2.1 ADS-B數(shù)據(jù)預(yù)處理
2.1.1 ADS-B介紹
2.1.2 ADS-B數(shù)據(jù)預(yù)處理
2.1.3 獲取飛行基準(zhǔn)軌跡
2.2 飛行軌跡數(shù)據(jù)的壓縮處理
2.2.1 軌跡壓縮方法概述
2.2.2 基于時(shí)間比的自頂向下軌跡壓縮算法
2.3 本章小結(jié)
第三章 航空器飛行軌跡自動(dòng)分類
3.1 軌跡相似性模型
3.1.1 軌跡相似性度量方法
3.1.2 多維特征的軌跡相似性度量
3.2 軌跡聚類的改進(jìn)
3.2.1 聚類算法的概述
3.2.2 改進(jìn)的模糊C-均值聚類
3.3 算例及分析
3.3.1 飛行軌跡聚類分析
3.3.2 參數(shù)變化對(duì)聚類效果的影響
3.3.3 航空器飛行軌跡自動(dòng)分類
3.4 本章小結(jié)
第四章 航空器飛行軌跡預(yù)測
4.1 深度神經(jīng)網(wǎng)絡(luò)介紹
4.1.1 概述
4.1.2 常用的深度神經(jīng)網(wǎng)絡(luò)介紹
4.2 基于卷積神經(jīng)網(wǎng)絡(luò)的飛行軌跡預(yù)測
4.2.1 航空器能量高度
4.2.2 飛行軌跡預(yù)測模型
4.3 算例及分析
4.3.1 卷積神經(jīng)網(wǎng)絡(luò)參數(shù)學(xué)習(xí)
4.3.2 飛行軌跡預(yù)測結(jié)果比較
4.4 本章小結(jié)
第五章 航空器飛行軌跡異常檢測
5.1 終端區(qū)航空器異常軌跡定義
5.2 異常軌跡檢測模型
5.2.1 基于TRADBSCAN算法的中心軌跡提取
5.2.2 不同飛行剖面上飛行軌跡異常檢測
5.2.3 實(shí)時(shí)異常軌跡檢測
5.3 算例及分析
5.3.1 航空器異常軌跡的確定
5.3.2 機(jī)型對(duì)異常檢測的影響
5.3.3 實(shí)時(shí)異常軌跡檢測結(jié)果比較
5.4 本章小結(jié)
第六章 總結(jié)與展望
6.1 研究工作總結(jié)和創(chuàng)新點(diǎn)
6.1.1 研究工作總結(jié)
6.1.2 創(chuàng)新點(diǎn)
6.2 展望
致謝
參考文獻(xiàn)
在學(xué)期間發(fā)表的學(xué)術(shù)論文及參與科研項(xiàng)目情況
本文編號(hào):3821014
本文鏈接:http://sikaile.net/kejilunwen/hangkongsky/3821014.html
最近更新
教材專著