《通用航空运行与保障》课程传统与雨课堂混合式教学初探

作者： 王涛波   赵元棣   王兴隆   来源： 教育教学论坛 年份： 2020 文献类型 ： 期刊 关键词： 教学实践   混合式教学   雨课堂   教学效果分析  

描述： 为有效激发学生的兴趣,提升学生的学习积极性,提出在《通用航空运行与保障》课程中使用传统与雨课堂混合式教学方式。首先分析本课程的教学现状,然后介绍传统与雨课堂的混合式教学方法,并通过加入"雨课堂"班级、课上练习题和课上随机提问等方面进行初步教学实践,最后通过调查数据,分析混合式教学的效果,结果表明绝大多数学生对传统与雨课堂混合式教学方式持肯定态度。

《通用航空运行与保障》课程传统与雨课堂混合式教学初探

作者： 王涛波   赵元棣   王兴隆   来源： 教育教学论坛 年份： 2020 文献类型 ： 期刊 关键词： 教学实践   混合式教学   雨课堂   教学效果分析  

描述： 为有效激发学生的兴趣,提升学生的学习积极性,提出在《通用航空运行与保障》课程中使用传统与雨课堂混合式教学方式。首先分析本课程的教学现状,然后介绍传统与雨课堂的混合式教学方法,并通过加入"雨课堂"班级、课上练习题和课上随机提问等方面进行初步教学实践,最后通过调查数据,分析混合式教学的效果,结果表明绝大多数学生对传统与雨课堂混合式教学方式持肯定态度。

航空器飞行轨迹相似性度量及聚类分析

作者： 赵元棣   田英杰   吴佳馨   来源： 中国科技论文 年份： 2020 文献类型 ： 期刊 关键词： 飞行轨迹   重采样   相似性度量   聚类分析  

描述： 基于相似性度量的飞行轨迹聚类能够为航线优化设计、空中交通管理智能化提供技术支持。对飞行轨迹数据进行预处理之后,引入欧氏距离和余弦相似度2种度量,分别构建实际轨迹与理想轨迹、实际轨迹之间的相似性矩阵,利用谱聚类方法对终端区实测飞行轨迹进行聚类,并针对不同相似性度量的特点进行对比分析。结果表明,基于实际轨迹与理想轨迹相似性以及基于混合度量计算实际轨迹间相似性的聚类结果均较为理想,能够有效识别盛行交通流和异常轨迹。

航空器爬升与下降阶段4D航迹预测

作者： 赵元棣   李科频   朱文心   来源： 科学技术与工程 年份： 2023 文献类型 ： 期刊 关键词： 长短期记忆网络   4D航迹预测   循环神经网络   机器学习   航空运输  

描述： 准确的4D航迹预测可以在冲突探测与解脱、航迹优化和空中交通流量管理等多个领域发挥重要作用。为提高预测的准确性，提出了基于机器学习的航空器4D航迹预测方法。首先，利用爬升阶段提取研究指标，构建循环神经网络(recurrent neural network, RNN)和长短期记忆网络(long short/term memory, LSTM);其次，在下降阶段进行数据维度拓展，构建RNN、LSTM模型进行航迹预测；最后，对各个维度上的预测航迹点和实际航迹点的误差进行分析。仿真结果表明，爬升阶段模型和下降阶段模型对于航空器位置预测准确性高，展现了航迹预测模型的良好鲁棒性。

兴趣教学模式在“通用航空运行与保障”课程中的应用探讨

作者： 赵元棣   王兴隆   王涛波   来源： 大学教育 年份： 2016 文献类型 ： 期刊 关键词： 通用航空　　兴趣教学　　教学方法　　创新性  

描述： 通用航空是一个潜力巨大的新兴产业。为培养通用航空人才而开设的“通用航空运行与保障”课程的教学内容较为枯燥,加之传统教学模式缺乏创新性,导致教学质量不高。针对实际教学过程中所出现的问题,将兴趣教学模式引入该课程的课堂教学,通过对不同学生的兴趣点分类并设计制订合理的教学方法,使学生在愉快的氛围中掌握通用航空的基础理论与运行特点,充分体现了兴趣教学模式的可行性、科学性和有效性。

基于PHMM的终端区航空器综合态势识别

作者： 赵元棣   孙禾   王洁宁   姜高扬   来源： 第九届和谐人机环境联合学术会议 年份： 2016 文献类型 ： 会议论文

描述： 航空器在终端区飞行时，由于受到众多因素的影响，导致其不会严格按照计划航线飞行。本文通过分析历史航迹数据，提出了一种基于并行隐马可夫模型的终端区航空器综合态势识别方法。首先提取航迹数据的各类特征点，然后根据其x坐标、y坐标以及z坐标(高度信息)建立三个隐马尔可夫模型。

航空器爬升与下降阶段4D航迹预测

作者： 赵元棣   李科频   朱文心   来源： 科学技术与工程 年份： 2023 文献类型 ： 期刊 关键词： 长短期记忆网络   4D航迹预测   循环神经网络   机器学习   航空运输  

描述： 准确的4D航迹预测可以在冲突探测与解脱、航迹优化和空中交通流量管理等多个领域发挥重要作用。为提高预测的准确性，提出了基于机器学习的航空器4D航迹预测方法。首先，利用爬升阶段提取研究指标，构建循环神经网络(recurrent neural network, RNN)和长短期记忆网络(long short/term memory, LSTM);其次，在下降阶段进行数据维度拓展，构建RNN、LSTM模型进行航迹预测；最后，对各个维度上的预测航迹点和实际航迹点的误差进行分析。仿真结果表明，爬升阶段模型和下降阶段模型对于航空器位置预测准确性高，展现了航迹预测模型的良好鲁棒性。