Abnormality Detection in a Landing Operation Using Hidden Markov Model

Message:
Article Type:
Research/Original Article (بدون رتبه معتبر)
Abstract:

The air transport industry is seeking to manage risks in air travels. Its main objective is to detect abnormal behaviors in various flight conditions. The current methods have some limitations and are based on studying the risks and measuring the effective parameters. These parameters do not remove the dependency of a flight process on the time and human decisions. In this paper, we used an HMM-based method which is among the main methods of situation assessment in data fusion. This method includes two clustering levels based on data and model. The experiments were conducted with B_777 flight data and the variables considered in the next generation of ADS_B. According to the results of this study, our method has high speed and sensitivity in detection of abnormal changes which are effective in the flight parameters when landing. With the dynamic modelling, there is no dependency on time and conditions. The adaptation of this method to other air traffic control systems makes its extension possible to cover all flight conditions.

Language:
English
Published:
Journal of Computer and Robotics, Volume:10 Issue: 1, Winter and Spring 2017
Pages:
31 to 37
magiran.com/p2357057  
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!