基于BADA及航空器意图的四维航迹预测

为了提高航空器四维轨迹预测的准确性,提出了基于航空器性能数据以及航空器意图的四维航迹预测方法.通过统计分析航空器实际雷达轨迹数据,根据水平轨迹、高度和速度剖面等构建了航空器意图模型.采用航空器意图模型与航空器动力与运动学模型相结合的方法,考虑气象因素,基于性能数据设计了四维航迹预测模型.以国内某机场进场航班ACA025与CES2161为例进行了模拟,将预计到达时刻与实际到达时刻的误差作为评价指标,结果表明:本文提出的算法可以将通过航路点时刻的误差控制在30 s以内.      

基于混杂系统理论的无冲突4D航迹预测

为增大空域容量,在战略航迹规划阶段,设定航空器爬升、下降和平飞3个飞行状态和7组高度和速度参数规划航空器4D航迹.基于不同航段的航空器动力学模型,采用混杂系统理论, 建立了不同航段之间的状态切换模型,以及同一航段内航空器质量、空速、高度和航程连续变化的航空器运行状态演化模型. 通过调整航空器到达时刻和飞行速度,规划了多航空器无冲突4D航迹.算例仿真结果表明,在满足航空器性能约束的前提下,用混杂系统递推法规划的航空器起飞4D航迹计算时间在3 s以内;这两个模型准确反映了航空器在水平剖面和垂直剖面内的飞行状态变化;本文提出的航空器无冲突航迹规划方法是有效的.      

动态航迹推测方法

应用大圆航迹和等角航迹原理,融合雷达、电报等动态数据,研究了动态航迹推测算法,以及该算法在航空器飞行轨迹预测、航空器过航路点时间预测和空中交通流量动态统计预测等方面的应用。利用广州机场的实际航班数据,将动态航迹推测算法与经验时间累加法进行了对比研究,发现动态航迹推测算法符合航空器运行规则,其误差在±0 5 min之内,能及时修正航空器的飞行轨迹,反应灵敏。结果表明动态航迹推测方法能更好地预测未来短时期内空域使用情况,是一种为空中交通战术流量管理提供准确数据的有效方法。     

基于低空风预测模型的救援航迹修正规划方法

针对低空救援航迹易受到侧风影响难以获得准确的航迹规划路径问题,采用数据融合方法预测低空风,修正航空器的低空规划航迹.首先,将飞行区域内的国际交换站作为观测点,通过应用基于无迹卡尔曼滤波（UKF）的数值气象预报释用技术,将观测点的风速、风向记录数据与预报值进行融合,建立低空风预测模型;其次,利用该模型,校正预报数据的系统误差,得出修正的风预测值;最后,结合航空器的爬升率、巡航速度等性能参数与所经航路点的风速、风向信息,依据速度矢量合成原理,修正各航路点的过点时刻.仿真实验表明,与传统的卡尔曼滤波预测方法相比,由UKF方法预测得到的风速、风向RMSE分别减少了12.88%与17.50%,对初始规划航迹的修正更为精确.      

基于BCOP的终端区四维航迹预测研究

简述了航迹预测的重要性和算法,对飞机进行受力分析和运动分析,建立了飞行航迹预测数学模型,提出了基于波音爬升程序（BCOP）的终端区四维航迹预测模型,使用波音爬升程序和MATLAB进行了算例仿真,仿真结果表明该模型简便易行,预测准确．     

一个鲁棒性冲突解脱轨迹规划模型

针对固定航路飞行条件下高密度运行空域多航空器实时冲突解脱轨迹规划问题,为了获取高空风场数值及增强航空器冲突解脱轨迹的鲁棒性,根据航空器的运行状态构建了高空风场线性和非线性滤波模型.采用模型预测控制理论,通过将预测模型的校正过程转化为高空风场数值的滤波过程,在给各航空器设定解脱优先权重及考虑两类解脱变量物理约束条件的前提下,从航空器的动态协同特性出发,构造能够反映控制输入量优劣的指标函数,提出一种能够适应空域环境变化的冲突解脱航迹在线滚动规划方案.算例分析表明,所提出的在线解脱轨迹规划方案可行有效.     

基于转弯点聚类的航空器飞行轨迹分析

为满足进场航线设计适应实际运行需求,在分析实际运行航迹数据特征基础上,提出了通过转弯点聚类策略分析航空器飞行轨迹的方法.并设计基于转弯点最长公共子序列的航迹聚类模型,同时给出了改进的平均轨迹构建算法,实现了盛行交通流的识别.将该方法应用于上海浦东机场进港航班雷达轨迹分析,仿真结果表明,提出的方法可以有效地从庞杂的雷达轨迹信息中识别盛行交通流.     

离场航迹降噪优化设计的多目标智能方法

为满足新一代空管系统中离场航迹优化设计时降低噪声影响和减少飞行成本的需要,进行了离场航迹的多目标优化设计方法研究.结合飞行动力学和运动学模型,建立了符合民航飞机离场飞行阶段特征的航迹分段模型,提出了应用状态矩阵和控制矩阵准确表示航迹的数学方法.基于模糊理论建立航迹噪声影响、飞行成本和空中导航约束的满意度评价函数,提出了3种启发式搜索规则和动态领域搜索方法来改进模拟退火算法.仿真结果表明,在绕飞限制空域的前提下,降噪和减少飞行成本的目标无法同时达到最优;离场航迹多目标优化后的总体满意度比仅考虑降噪时提高了4.3%.      

基于基本飞行模型的4D航迹预测方法

为快速准确地预测民航飞行航迹,提出了基本飞行模型的概念．按飞行阶段特点用基本飞行模型构建水平航迹、高度剖面和速度剖面,根据航迹特征点的飞行状态信息（位置、高度、速度和航向）拟合生成完整的4D航迹．离场程序仿真算例与实际飞行数据比较表明,基本飞行模型航迹预测方法可以快速得出航迹特征点和到达航迹特征点的时间．     

一种CSPRs起飞尾流安全间隔动态缩减方法

国内近距错列平行跑道的主流运行模式是隔离平行运行,由于该模式采用了较为保守的尾流安全间隔,在航空器离场相对集中时段会出现一定程度的放行拥堵问题。对此,文章选取了双起双落相关运行模式,以近距错列平行跑道为研究对象,结合起飞尾流的演化特征,提出一种基于气象条件的航空器起飞尾流动态缩减方法,并以黄花国际机场的跑道主要参数为仿真参考条件,运用所搭建的尾流动态缩减仿真系统进行了仿真验证。仿真结果表明文章中所提出的基于滚转力矩系数的起飞尾流遭遇度量是合理的,且尾流间隔可以缩减至100 s以内。     

基于密度峰值的终端区航迹聚类与异常识别

为有效解决高流量终端区内标准飞行模式、非标准飞行模式和异常飞行模式难以自动分离的问题，采用广泛记录的广播式自动相关监视(ADS-B)数据，构建了基于稳健深度自编码器(RDAE)和快速搜索并寻找密度峰值的聚类(CFSFDP)算法的航迹聚类模型; 使用RDAE降维提取终端区内航迹集的非线性特征，利用多种正则化手段约束内部低维流形，以重建更紧密的航迹并将其作为CFSFDP算法的输入，利用轮廓系数选取不同密度飞行模式的聚类中心，并调节边缘密度参数识别出异常航迹; 选取主成分分析(PCA)结合有噪声的空间密度聚类(DBSCAN)算法、动态时间规整(DTW)结合DBSCAN的2种常用航迹聚类模型作为对比项，分别在广州白云机场1 d的少量数据和45 d的大量数据上进行试验。分析结果表明:DTW与CFSFDP的结合模型在少量数据集上具有最优的航迹聚类性能，轮廓系数比对比项分别提升了62%和28%，且可以自动识别出遵循区域导航标准飞行模式的航班和特定环境下遵循管制偏好的非标准飞行模式的航班，识别异常航迹的精确度也分别提高了57%和10%;大量数据下，提出的RDAE结合CFSFDP模型的聚类性能比经典的PCA结合DBSCAN算法提升了13%，且具备可接受的时间复杂度。由此可见，建立的终端区飞行模式区分模型可为空域级交通流性能评估和航班级航迹预测与优化提供数据提取平台。      

基于GARCH的短时风速预测方法

为提高高速列车运行的安全性,基于线性递归的差分自回归移动平均模型(auto-regressive integrated moving average, ARIMA)和非线性递归的广义自回归条件异方差模型(generalized auto-regressive conditionally heteroscedastic, GARCH),提出一种组合模型ARIMA-GARCH进行高速铁路强风风速的短时预测.首先对数据的非平稳性进行预处理,以降低数据非平稳性对所提模型的影响;其次建立线性递归的ARIMA模型对数据进行分析和预测;最后,引入非线性递归的GARCH模型对数据进行分析和预测.基于现场测量的样本仿真分析表明:相比原始数据,ARIMA-GARCH模型的预测精度较高且随着预测步长的增加,平均绝对误差仅从0.836 m/s增加到1.272 m/s;ARIMA-GARCH模型考虑了异方差这一非线性特性,其预测精度明显好于线性的ARIMA模型,其中超前6步预测的平均绝对误差精度提高11.54%.      

繁忙机场机坪空间构型对航班离港滑行时间的影响

航班离港始于停机坪推出，经由滑行道滑行并止于跑道离地，因此机坪空间及其与跑滑系统构成的相对位置关系对航班离港滑行具有较大影响，滑行时间的预测精度对ACDM机制下航班推出时刻优化和跑滑系统效率提升具有重要作用。首先提出机位组概念表征机坪空间构型，据此设计场面实时动态航班流量、机位组无阻碍滑行时间和机位组空间影响指数等新特征变量，然后基于分类回归树构建预测模型，验证新特征引入对离港滑行时间的预测效果。以首都机场实际运行数据为例，预测结果表明：在保持较高拟合优度的同时，新引入的表征机坪构型及其与跑滑系统相对位置关系的特征变量提高了离港滑行时间预测模型精度，预测与实际误差值在 3 min和5 min内的航班数量分别提高了4.88%和6.46%，每高峰小时可为首都机场减少约2~3个起飞时隙的浪费；新特征变量对离港滑行时间预测精度的整体贡献较大，且场面整体流量特征变量的贡献超过单一跑道流量，进港航班相关特征变量的贡献超过离港航班。     

基于实时监测参数的民用飞机重着陆预警方法

针对目前民用飞机重着陆事件的识别只能通过飞行员事后上报和维修人员被动检查的问题,提出了一种基于实时监测参数的民用飞机重着陆预警方法;分析了飞机重着陆的影响因素,在对快速存取记录器数据预处理的基础上,采用灰色关联度分析方法,从飞机重着陆相关的52个监测参数中提取了26个特征监测参数;以着陆质量、垂直加速度、垂直下降率和俯仰率等4个重着陆评价参数作为预测参数,26个特征监测参数作为输入,建立了基于长短期记忆网络的飞机重着陆预测模型;采用重着陆案例数据对预测模型进行训练,分析了飞行高度区间、输入输出步长对模型预测精度的影响,进而对模型进行了优化;在案例验证中引入混淆矩阵验证了模型的预测效果。研究结果表明:利用长短期记忆网络所建立的民用飞机重着陆预警方法有效利用了实时监测参数中反映重着陆趋势的信息,实现了飞机的重着陆预警,在提前8 s预警的情况下,预测精度达到了98%,平均绝对误差仅为0.018 3,可为飞行员提供足够的时间裕度采取措施,避免重着陆的发生。