基于复杂网络理论的飞行冲突关键点识别

针对目前空域内航空器防相撞风险骤增,飞行安全态势不容乐观的现状,现有的飞行冲突探测方法难以把握如此复杂的空中冲突态势,不利于航空管制员对空域的飞行安全态势情况进行准确掌控。提出一种基于复杂网络理论的飞行冲突关键点识别方法。首先基于航空器机载防相撞系统（ACAS）保护区模型构建飞行冲突态势网络模型,在此基础上,采用复杂网络理论中的节点度中心性、接近中心性以及PageRank指标结合AHP方法对空域飞行冲突态势网络中所有节点的冲突等级进行评估,找出威胁等级较高的关键航空器及关键位置。仿真结果表明,通过建立飞行冲突态势网络可以合理划分空域内的安全态势等级,同时根据复杂网络节点重要度评价指标能够对存在严重冲突安全威胁的航空器进行有效识别,协助航空管制员全面掌握空域内飞行安全态势。     

基于最优样本子集的在线模糊LSSVM混沌时间序列预测

提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM) 混沌时间序列预测方法. 算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用" 不敏感函数对其进行模糊化处理,通过模糊LSSVM 训练获得预测模型. 随着时间窗口的滑动,最优样本子
集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度. 实验中对时变Ikeda 序列进行预测,表明所提出的方法与离线和在线LSSVM 相比,训练速度更快,预测精度更高.     

基于航线失效的流量重分配策略研究

针对航空网络航线失效情况,基于枢纽航线网络和复杂网络理论,提出了流量重分配优化模型。模型将成本分成航线成本和节点成本,以重分配总成本最小为目标,考虑了非枢纽机场的影响和节点容量,构建了考虑拥堵效应的成本函数,并利用粒子群算法进行求解。最后,以杭州 咸阳航线失效为例进行仿真实验。实验结果表明：提出的模型具有较好的可靠性和有效性,并可以通过调节不同参数影响流量分配成本,提高了模型的可操作性和实践前景。     

萤火虫群算法优化高斯过程的网络安全态势预测

针对共轭梯度法获取高斯过程超参数存在迭代次数难以确定及预测不精准等问题,提出一种萤火虫群算法优化高斯过程的预测方法,并将其应用于网络安全态势预测研究。采用萤火虫群优化算法对高斯过程超参数进行智能寻优,建立基于高斯过程回归的网络安全态势预测模型。实验结果表明新方法的平均相对预测误差较共轭梯度法、粒子群优化算法和人工蜂群优化算法分别降低了近29.46%、10.37%和4.22%,且新方法收敛较快。另外,分析对比了3种单一类型和2种复合类型的协方差函数对高斯过程预测的影响,实验结果表明采用神经网络与有理二次的复合协方差函数(neural network and rational quadratic composite covariance function, NN-RQ)的平均相对预测误差较其他4类协方差函数降低了1.65%~7.51%。     

飞行冲突解脱的几何优化模型

针对空中交通管制中的冲突探测与解脱问题,提出了一种几何最优的冲突探测与解脱方法。首先定义了该问题的冲突解脱点,在该点处预判飞机之间可能存在的飞行冲突。其次,采取同向同角度的方式解决飞行冲突,即在原航迹上两机同时向同一侧改变相同角度,得到新的航迹交叉点,即航迹恢复点,使得两机之间始终保持最小安全距离。通过几何分析,理论推导了两机航迹距离之和与各自改变航向角度之间的关系,该模型能够有效地解决飞行和冲突,并且具体给出冲突解脱和航迹恢复的位置,以及所涉及到的参数求解过程。最后通过仿真分析,结果显示该方法简单高效。     

基于相依网络和SVM的管制系统运行态势评估

客观准确地评估管制系统整体的运行态势, 能够帮助管制员从宏观上掌控管制系统的运行状态, 针对这一问题本文提出了一种基于相依网络和支持向量机(support vector machine, SVM)的管制系统运行态势评估方法。使用管制-飞行状态相依网络模型来代表管制系统, 充分考虑了空中航空器与地面管制员的整体状态, 采用相依网络指标描述网络运行态势。评估方法选择SVM, 将运行态势评估问题转化为分类问题, 以点到运行顺畅分类边界的距离作为指标从整体上评估管制系统的运行态势, 降低了主观因素对评估方法的影响。仿真分析与在长水机场的实例分析结果均表明: 该评估方法能够给出具体的管制系统运行态势值, 为管制员提供客观准确的态势信息。     

基于最小连通支配集的复杂网络关键节点与连边识别方法

复杂网络关键节点与关键连边在网络中均起着十分重要的作用,目前的识别方法往往无法做到同时识别,并且识别指标角度较为单一。为解决上述问题,提出一种基于最小连通支配集(minimum connected dominatingset,MCDS)的复杂网络关键节点与连边识别方法,通过使用免疫粒子群(immune particle swarm optimization,IPSO)算法寻找网络最小连通支配集,构建核心骨干网,实现对复杂网络关键节点与连边的同时识别。该算法在求解过程中引入免疫机制指导粒子节点搜索方向、加快算法收敛速度,同时优化搜索节点质量。经实验验证表明,所提识别方法能够有效识别网络中的关键节点与关键连边。     

基于速度障碍法的飞行冲突网络建模与分析

由于依据航空器相对位置关系构建的复杂网络模型未考虑速度、航向等信息, 对航空器之间的冲突和空中交通的复杂情况反映能力有限。为解决这一问题, 使用速度障碍模型优化飞行状态网络中航空器节点之间的连边和权重, 在考虑航空器位置临近的同时, 关注航空器的航向与速度状态, 使网络能够反映出更多空域系统的内禀属性。通过程序仿真和长水机场雷达数据进行验证, 结果表明，该模型相较于飞行状态网络能够更加准确地反映航空器之间的冲突关系和空域的复杂信息, 减少飞行冲突的虚警数量, 提升网络的信息价值。     

基于合作博弈的多机飞行冲突解脱策略

针对自由飞行条件下现行多机冲突解脱方法难以实时解脱,提出了一种基于合作博弈的多机冲突解脱方法。首先,研究了评价冲突解脱效果的指标,基于此提出了博弈中的效用函数;其次,构建了合作博弈冲突解脱模型,提出以联盟福利最优解均衡各参与人效益,并进行了论证;最后,在求解中利用粒子群优化算法缩短运算时间。在三机和六机冲突的仿真中,算法能剔除不满足安全间隔的策略后解算出使联盟福利函数最大的均衡点,根据偏好获得多机冲突解脱的最优策略方案。     

网络故障预测与健康管理关键技术综述

分析了故障预测与健康管理(PHM)技术在网络维护保障中的重要意义,重点讨论了当前网络PHM所采用的关键技术的研究现状,包括网络管理机制、健康评估、故障预测、故障定位、故障识别以及健康管理等.总结了目前网络PHM关键技术存在的问题, 展望了未来发展的趋势,并以此为基础提出了基于移动代理(MA)的分层分布式PHM体系结构和综合型PHM管理框架.