终端区航空器异常轨迹识别研究

为保障终端区航空器飞行安全,减轻管制员工作负荷,首先,综合考虑航空器轨迹位置、速度和高度等因素,提出终端区航空器异常轨迹的定义和识别流程;其次,建立基于速度修正系数的轨迹相似性模型,采用谱聚类方法对终端区航空器轨迹自动分类;最后,计算每类轨迹数据分布的特征,选取2条中心轨迹来表征每类轨迹的位置特征,提取轨迹间相似性距离和飞行距离作为异常特征因子,识别航空器异常轨迹。结果表明:用基于速度修正系数的轨迹相似性模型,能够实现航空器轨迹自动分类,分类结果较为合理准确;改进异常特征因子,设置2条中心轨迹时,相较于设置1条中心轨迹,检测效果更好。     

基于AM-LSTM的飞行区航空器滑行轨迹预测与冲突识别

为解决航空器点源定位难以有效预测而引发冲突风险愈来愈多的问题,构建基于注意力机制(AM)和长短期记忆网络(LSTM)的时间序列轨迹预测模型AM-LSTM,预测未来短时间内飞行区航空器的瞬时点源位置;在此基础上,根据航空器型号和滑行航向对其进行轮廓扩展,以航空器速度作为安全距离权重,通过射线法实现轮廓冲突的判定;并以乌鲁木齐地窝堡机场为例进行验证,利用训练完成的轨迹预测模型预测飞行区航空器滑行轨迹,以识别航空器轮廓间的滑行冲突。结果表明：AM-LSTM预测模型能够准确预测飞行区航空器运动轨迹。未来3 s内轨迹位置预测的平均位移误差为1.05 m,轨迹点位置预测精准性可达94.37%,故能在轨迹预测的基础上精确识别滑行冲突风险,有利于保障飞行区的安全运行。     

机场终端区航空器飞行冲突风险预测方法研究

为了准确预测机场终端区航空器飞行冲突风险,以便能最大程度地利用低空空域资源,通过整合考虑加速度的运输飞机轨迹模型和通用飞机随机轨迹模型,建立终端区航空器飞行冲突风险预测模型。以某机场为例,采用C语言编写仿真程序,模拟该机场终端区跑道中心20 km范围内的航空器飞行轨迹。预测不同通航活动区设置条件下的飞行冲突风险,并确定运输机场周边通航活动区范围。预测结果显示,飞行高度限制为1 000 m时,将案例机场的该低空空域划设为非管制的监视空域,通用飞机与运输飞机之间的飞行冲突风险小于2×10-5,处于可接受安全水平。     

公共场所人群加速度异常检测系统

针对目前基于速度检测公共场所密集人群异常行为存在的检测准确率低、使用范围局限的问题,从人群的加速度角度对可能导致公共安全事故的人群异常行为进行研究,提出了一种基于加速度检测人群异常行为的算法,并基于该算法实现了针对人群逃散、人群聚集、人群拥挤和人群逆行4种异常行为检测的系统。首先,利用金字塔Lucas-Kanade光流法进行特征点跟踪;然后,在获取到特征点的速度矩阵基础上进一步计算其加速度矩阵,反映速度的整体变化;最后,从加速度大小和方向两方面检测人群异常行为。结果表明,所提算法检测用时较少,相比基于速度检测的对比算法,检测的正确率提高到80%,误报率降低为5%。     

考虑滑行轨迹时空交叠的机场热点识别方法

为研究无场监雷达设施的大型机场航空器地面滑行冲突,构建航空器地面滑行冲突模型,提出基于广播式自动相关监视(ADS-B)数据并考虑航空器滑行轨迹时空交叠的机场安全热点识别方法。首先,分析2架航空器通过某滑行道或交叉道口的时间是否重叠,且航向差和距离是否满足阈值约束条件,以此识别机场热点;然后,重点研究机场热点随航向差阈值和距离阈值的变化情况;最后,用该方法识别西南某机场的安全热点,并将其与机场图中的热点位置进行对比分析。研究表明:用考虑航空器滑行轨迹时空交叠的机场热点识别方法所识别的机场热点位置更符合实际管制运行情况,能有效降低场面滑行冲突发生概率。     

基于HMM和DT的无人机异常检测方法

为了实时检测无人机异常状态,提出基于隐马尔可夫模型(Hidden Markov Model,HMM)和决策树(Decision Tree,DT)的无人机异常检测方法(HMMDT).首先根据异常致因将无人机异常分为干扰异常和硬件异常;然后结合HMM和DT建立无人机异常检测模型,定义无人机异常度衡量异常状态的严重程度,确定...     

一种改进的CSCA+PCA化工过程异常检测技术

为了解决化工过程异常检测时因参数众多且数据庞杂而导致一些异常无法被有效检出的问题,在Brownlee的克隆选择分类算法（CSCA）基础上,通过引入主成分分析（PCA）技术,进行数据降维和数据重整,探讨了人工免疫算法在化工过程异常检测中的适用效果和技术方案,以TE过程数据作为样本进行异常检测和分类实验。结果表明,过程异常数据的规模、属性的数目对CSCA异常检测效果具有明显影响,而通过主成分分析进行数据降维之后,CSCA检测效果有所提高;进一步的数据重整之后,CSCA对过程异常分类辨识的准确率可提升到85%以上;基于CSCA+PCA的数据降维及重构之后的过程异常检测技术方案,可以获得较高的异常检测准确率,从而一定程度上为化工过程安全运行提供技术保障。     

社区治安高危人员异常轨迹识别与预警方法研究*

为解决社区治安高危人员异常轨迹难以实时感知、精确识别、及时预警的问题,对社区治安高危人员动态轨迹进行标定,并建立动态轨迹序列化模型,通过序列化模型构建动态行为链;根据静态身份属性与动态轨迹时空特征信息,建立异常轨迹分析模型。结果表明:动态轨迹标定可实现对GPS轨迹数据高效、准确标定;异常轨迹分析模型可实现异常轨迹识别与预警。研究结果适用于社区高危人群管控,可为社区治安防控提供技术支持。     

公共场所行人异常行为识别方法综述

为明确公共场所行人异常行为识别理论与技术研究进展,首先,借助中国知网(CNKI)和Web版引文数据库(WOS),给出公共场所行人异常行为广义定义与泛在特征,将常见异常行为划分为危害行为、不合群行为和违规行为3类;其次,从数据和技术基础视域,将现有异常行为识别方法划分为人工设计法、人体骨架法、红绿蓝(RGB)图像法和可穿戴传感器法4类;然后,梳理国内外主流人群异常行为数据集,分析相关算法在数据集上的性能表现;最后,从可用数据集和数据融合检测等方面总结现有研究方法局限性,给出未来研究方向与优化建议。研究结果表明：4类异常行为识别方法各有其优缺点;异常行为识别领域缺乏行为种类丰富、定义清晰、高质量的人群异常行为数据集;未来研究应聚焦稳健性强、准确率高的异常行为识别方法、模型及算法;探索多维数据融合互补检测方法,提升异常行为识别理论成果的应用场景的自洽性和自适应性,提高公共场所人群安全治理水平。     

基于向量自回归模型的水质异常检测研究

水质异常检测对保障用水安全具有重大意义。为了准确有效地判断水质异常,提出基于向量自回归(VAR)模型的多参数融合水质异常检测算法。VAR模型是自回归(AR)模型的一种扩展。通过AR模型和VAR模型跟踪和预测水质背景数据,计算预测残差,与设定阈值比较判断水质是否异常。结果表明,与基于AR模型的水质异常检测算法相比,基于多参数融合的VAR模型在水质背景数据跟踪上具有更好的准确性,能够实现较高的异常检出率和较低的异常误报率。     

环境监测系统中异常数据的识别和修复方法

为准确掌握企业大气监测数据的变化规律,得到完整的、接近真实的大气环境监测数据,提出一种组合异常数据检测算法(SWDS-LOF)以检测异常值,并利用多项式拟合的方法对异常数据进行修正.针对修正后数据不完整的情况提出多变量季节性时间序列模型(SARIMA),对随季节性变化趋势较明显的大气监测数据缺失值进行恢复,并建立高度相关的污染物传感器组之间的SARIMA模型,利用高度相关污染物之间的关系,通过完整监测数据恢复缺失部分数据,最终得到完整准确的监测数据.以某汽车公司的监测数据为例进行实证分析并验证所提算法和所建模型,结果显示SWDS-LOF算法与SARIMA模型检测并修正了 97％的异常数据,缺失数据段的数据全部恢复,且恢复精度达到94.60％,表明对于大气监测数据,该算法及模型具有较高的精度,可为大气监测数据的完整性及可靠性提供有效技术支持.     

Common procedural execution failure modes during abnormal situations

The Abnormal Situation Management^® Consortium¹ funded a study to investigate procedural execution failures during abnormal situations. The study team analyzed 20 publically available and 12 corporate confidential incident reports using the TapRoot^® methodology to identify root causes associated with procedural execution failures. The main finding from this investigation was the majority of the procedural execution failures (57%) across these 32 incident reports were associated with abnormal situations. Specific recommendations include potential information to capture from plant incident to better understand the sources of procedural execution failures and improve use of procedures in abnormal situations.     

重型自卸汽车车架横梁异常断裂原因分析

针对无副车架的重型自卸汽车在使用过程中出现的车架横梁异常断裂问题,建立了以板壳单元为基本单元的自卸汽车车架有限元分析模型,采用NASTRAN有限元分析软件对车架强度进行分析.有限元分析结果表明,车架横梁异常断裂现象是横梁连接部位应力值大于材料的屈服强度引起的,这与实车车架断裂结果吻合.根据实际工艺要求,改造车架结构,将连接第2根横梁和纵梁的L板厚度变大,并将平衡悬架推力杆支座由整体式支撑改为分体式支撑,从而使两处的最大应力值分别比原结构下降20.4%和51.7%.改进后车架断裂区的强度明显提高,这表明改造方法有效.     

Extension of TACOM to the complexity of tasks designed for abnormal situations in nuclear power plants

TACOM (TAsk COMplexity) is a measure for evaluating the complexity of tasks prescribed for emergency situations in nuclear power plants. Five sub-measures constituting TACOM represent five different aspects of the task complexity exhibited in operating procedures for emergency situations. The practicality of TACOM has been verified through a series of empirical studies. However, tasks designed for abnormal situations that can significantly affect the safety of nuclear power plants, also need a proper measure for evaluating their complexity. TACOM provides a process, a systematic cognitive task analysis method and a set of guidelines to support its application. Therefore, although the characteristics of abnormal task situations are not the same as those of emergency situations, TACOM seems to be reasonably applied to abnormal situations or at least to offer meaningful insights for developing a measure for evaluating the complexity of tasks in abnormal situations. Thus this study examined the applicability of TACOM to abnormal situations through case studies. Particular attention was paid to the sufficiency and appropriateness of the three methodological tools, which are the process, the cognitive task analysis method and the set of guidelines. Collective consideration of the case studies and the characteristics of tasks prescribed for abnormal situations led us to draw the conclusion that TACOM could be reliably used for abnormal situations as well. This paper reports the process of how to apply TACOM to the tasks of abnormal situations and discusses some lessons learned through this application.     

黑龙江省森林火灾灾情年际变化与地球自转异常的遥联关系

根据天地生相互作用原理，针对地球自转因子的多年变化情况以及与在此期间森林火为灾情的关系的研究，揭示了森林火灾和地球自转有密切的联系，为林火预测提供了新的思路。     

基于贝叶斯网络的非正常情况下高铁行车调度人因可靠性分析

行车调度子系统在整个高铁运输系统中处于关键位置,虽然行车调度大多已经采用了信息化、自动化的作业程序,但发生设备故障、交通事故、自然灾害等非正常情况时,很多具体的作业组织和管理仍需行车调度作业人员的参与.提出了一种基于贝叶斯网络考虑情境环境因子交互关系的人因可靠性分析方法,以某铁路局的人因失误数据统计表为学习样本,推理出行车调度作业人员工作中存在的主要问题.结果表明,“完成任务的可用时间”、“培训”及“人员配置”的节点状态变化会对作业人员的可靠性产生很大影响.最后,以高铁行车调度人员在某种特定情境状态下的实际作业为例进行了实证研究.研究表明,所建立的方法正确可靠,能够准确、高效地辨识人因可靠性.     

First step towards preventing losses due to mechanical damage from abnormal actions: Knowledge-based forecasting the actions

This paper presents a simulation-based procedure of forecasting abnormal mechanical actions (effects) induced during man-made accidents. The procedure is based on the so-called predictive, epistemic approach to risk assessment. It provides formal means for combining hard data and subjective information and allows forecasting the abnormal actions in the form of mathematical models, which quantify epistemic (state-of-knowledge) uncertainties in characteristics of the actions. A result of this forecasting can be used to form (quantify) an engineer's subjective confidence in future values of abnormal actions. The epistemic models allow a rough, knowledge-based estimation of probabilities of damage from abnormal actions. These models are considered to be the first step towards preventing (reducing) losses associated with damage from abnormal actions.     

贵州中部土壤砷累积特征及异常富集成因研究

为探究贵州中部耕地土壤As异常富集地球化学成因,利用贵州省多目标区域地球化学调查(贵阳市)成果,分析贵州中部地区表层及深层土壤As累积特征及分布规律,并结合区域地质背景及岩石地球化学数据研究耕地土壤As异常富集的成因.结果 表明,贵州中部地区表层土壤与深层土壤As平均质量比分别为22.2 mg/kg与26.3 mg/kg,分别是全国土壤As背景值与基准值的2.5倍和2.9倍.研究区土壤As分布受地质背景制约,其中三叠系地层风化形成的土壤As质量比较高,表层、深层土壤As平均质量比分别为26.0 mg/kg和30.1 mg/kg,成土母岩As平均质量比为28.4mg/kg,具有典型的高As地球化学背景.剖面土壤As质量比呈明显的深部富集特征,土壤剖面As质量比与Fe、Al、Si的相关性关系表明,成土母岩的风化程度是影响岩溶区土壤As累积的重要因素.在岩溶区,强风化土壤中存在As的异常富集,其可能与铁氧化物对As的吸附有关.