基于交通状态的离场航班动态协同排序方法

为适应协同决策(CDM)需要，考虑空管、航司和机场三方的诉求，对拥挤和非拥挤场景下的离场航班动态协同排序问题进行了系统研究。通过分析离场航班运行特性，利用离场航班的计划撤轮档时间(SOBT)和预计撤轮档时间(EOBT)数据设计了一种离场航班动态排序方法；针对各方构建了离场航班排序的多个优化目标，且为保证排序公平性，提出了航空公司延误公平性评价指标，将非受控离场航班优先级分为3类，对各类非受控离场航班设置其可接受的最大延误时间和最大位置偏移量，创建了基于交通状态的离场航班协同排序模型；采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)寻求离场航班动态协同排序的最优解。仿真结果表明:较先到先服务(FCFS)方法，所提方法在2种场景下各排序时段均增加多种排序方案，离场航班总延误均减少50%以上，且在非拥挤场景下提高了航空公司延误公平性。所提方法可对离场航班进行优化排序，显著减少航班延误，有效提升公平性，契合协同决策理念，可实现三方协同排序。      

空域扇区网络结构特性分析及韧性评估

为保障扇区内航空器运行安全，提高扇区网络在外界干扰下的韧性，从而有效减轻航班延误和空域拥堵。首先，依据中国空域扇区划分规则，运用复杂网络理论构建中国空域扇区网络模型；然后，定义网络基本特征参数，对中国空域扇区网络结构特性进行分析，提出扇区网络韧性的概念，并采用一种定量评估方法对其进行度量；最后，对比分析不同恢复策略下的韧性指标，以此制定空域扇区网络在外界干扰下的最佳恢复策略，提高网络韧性。结果表明:中国空域扇区网络具有较大的平均最短路径长度和较小的聚类系数，度分布服从双段幂律分布，介数和强度服从指数分布。介数是影响空域扇区网络韧性最大的指标，采用介数恢复策略可显著提高外界干扰下空域扇区网络的韧性。      

基于有效中转时间预测的不正常航班恢复技术

不正常航班恢复问题研究通常基于固定航班中转时间，忽视了实际航班中转时间的改变对航班恢复带来的影响。对此，依据全国235个机场的全部运营航班数据抽取机场-航班特征，构建了基于LightGBM的航班中转时间预测模型，预测航班的有效中转时间，数值结果显示，航班中转时间预测模型预测的均方根误差为6.783 min。构造了基于有效中转时间的不正常航班恢复模型，并针对性地设计了求解该模型的列向量生成算法，构造的模型通过取消、改变计划时间、更换飞机等方式，分别在最小化航班延误时间、取消个数、换飞机个数的目标下，解决机场流量下降、机场关闭、飞机维修等不正常条件下的航班恢复问题。通过航空公司实际运行数据测试证明，基于有效中转时间预测的不正常航班恢复技术有效，在大规模航班恢复的情况下，可以将总延误时间减少34.2%。将列向量生成算法与时空网络算法的结果进行对比，所提出的恢复方法能降低航班恢复代价。      

时隙分配算法在CDM GDP 程序中的应用

机场容量由于恶劣天气等突发原因受到限制导致大面积航班的延误,带来了巨大的经济损失.CDM(Collaborative Decision Making) GDP(Ground Delay Procedure)就是解决这类突发情况的空中交通流量管理程序.就其核心问题——时隙分配,在现有的时隙分配算法基础上,引入航班延误损失系数,使得算法以延误损失替代延误时间,提出了2种基于该系数的时隙分配算法.最后,用java语言进行了仿真实验,引入了评判函数来选择在总延误损失和延误损失分配的公平性上最佳满足决策者要求的分配结果.      

不确定容量下时隙分配问题两阶段规划模型

恶劣天气等不确定环境下,传统时隙分配方法易造成航班大量延误现象,为解决这一问题,分析了时隙分配过程,基于不确定理论,从权衡"请求时隙-计划时隙差"和"计划时隙-运行时隙差"的角度,提出了不确定容量下的时隙分配两阶段规划模型,分别构建了单机场模型和多机场模型。根据模型特点,设计了基于人工蜂群（ABC）算法的渐进二元启发式方法,提升了求解效率。通过算例分析,验证了所提模型和方法的有效性,同时对模型参数设置进行了分析。      

基于滚动时域控制的多路径进场航班排序优化

进场航班排序优化是提高进场航班着落效率、减少航班延误的有效方法。基于此，以最大化着落效率为目标，结合多跑道、多航路选择，考虑实际航路点限制，提出了多路径多跑道一体化进场航班排序优化混合整数规划模型。为解决大规模航班排序计算的实时性问题，提出了多航路点滚动时域控制算法。以广州白云国际机场终端区为实例进行验证，采用实际进场航班数据开展计算实验，在尾流安全间隔上，采用RECAT-CN运行标准，计算结果表明：小规模航班架次时（23架），所提模型最大降落时间比先到先服务方法提前55 s，比未优化时提前271 s；大规模航班架次时（104架），仅靠求解器在3 600 s内未找到可行解，所提算法在128.65 s找到解。所提模型和算法有效，可应用于实际航班排序优化。     

基于度量学习的机场交通态势弱监督评估

为准确感知机场场面运行环境，提出基于度量学习的交通态势弱监督评估方法。根据机场场面航空器的时空分布类型，从交通流量、起降队列、资源需求等视角构建交通态势指标体系；借鉴度量学习范式，利用预先定义的相似集和不相似集自动学习态势样本之间的距离度量；在此基础上，采用K均值算法实现弱监督条件下交通态势的等级划分。以上海浦东国际机场实际运行数据为例，分析并验证所提方法的有效性。实验结果表明：起始时刻离场瞬时流量、离场累计流量、离场跑道队列长度及进场累计流量的距离系数大于0.5，对场面态势影响较大；与基于欧式距离的K均值算法相比，度量学习将最优轮廓系数提升了33.3%，得到符合预期语义的聚类结果；此外，机场的平均滑行时间越长、跑道配置越复杂，其场面交通态势等级越高。     

基于点融合系统的多目标进场排序与调度

持续增长的交通需求和日趋饱和的空域资源对飞行安全和管制效率要求更高,鉴于此,研究基于点融合系统（PMS）的多目标进场排序与调度问题。分析四维航迹预测模型与方法,实现四维航迹预测功能。针对PMS的运行模式和多个利益相关方的需求,构建PMS多目标排序与调度模型,提出基于多目标帝国竞争算法（ICA）。利用长沙黄花国际机场实际运行数据与蒙特卡罗模拟数据对优化模型与算法进行验证。结果表明：所提算法有良好的实际应用效果,能为管制员提供决策支持;在应用基于PMS的多目标进场排序与调度,即使在相对保守的安全间隔下,相对于实际运行优化后的总延误时间、总飞行时间、最大飞行时间分别有70.8%、13.2%、11.8%的缩减。     

基于CE-PF算法的舰载机离场调度优化问题

甲板作业调度研究是提升航母战斗力的关键技术,而其具有时间、空间与资源受限的复杂约束调度问题已被证实为NP-hard。根据舰载机出动离场调度优化问题的特点,将其抽象为零缓存区混合流水车间调度模型,建立包含飞机避碰等约束的混合整数规划模型。提出一种交叉熵与作业剖面匹配(CE-PF)算法用于问题求解,并给出了算法流程架构。交叉熵算法通过高斯采样完成启发式规则下的工件分组,作业剖面匹配算法完成分组工件的任务排序、作业编排及约束检查等调度设计,Gap逼近算法进行目标值评估、精英种群选择、抽样参数更新及收敛判定。通过算例仿真,验证了CE-PF算法求解离场调度优化问题的有效性;灵敏度分析表明起飞模式和空间约束对出动效能影响较大。      

航班保障因果分析框架

航班离港延误是民航界一致关注并希望解决的重点及难点问题。针对航班离港延误产生原因不明晰及因果影响强度不确定的问题，提出了BLCNS-LV-IDA因果分析框架，从因果推断的角度出发，在航班地面保障业务范畴领域内，从定性和定量2个层面对航班离港推出延误进行因果分析。以航班离港推出延误时长为目标变量，基于特征选择和极大祖先图贪婪搜索(GSMAG)算法结合的BLCNS局部因果网络结构发现算法，构建因果网络模型；根据得到的因果网络，基于LV-IDA算法对各等价网络中的边缘进行因果效应评估。实验结果表明：BLCNS局部因果网络结构发现算法在处理变量较多的大样本数据集时有一定的优势，在50节点集的1 000、5 000、10 000样本量下，F1值较基线算法分别提高了-0.303、0.008、0.132，呈明显上升趋势，且在运行时间方面至少缩短16.29%。节点间的因果效应明确了各节点对航班延误的具体影响强度，为航班保障的精细化管理、减少航班延误提供了指导。     

基于弹性的体系组件重要度及恢复策略

体系(SoS)在遭受内部或外部的干扰时性能会受到影响,体系结构作为体系设计和构建的基础,其弹性不仅是反映体系性能恢复能力的一个重要指标,更是体系演化性的重要体现。提出了一种基于弹性的体系结构评价方法,对体系的组件或系统进行重要度分析(CIMs)。首先,给出了体系结构弹性的明确定义并构建了相关的数学模型,综合权衡了性能损耗与恢复时间对体系组件重要度的影响;其次,通过分析不同的干扰事件和恢复策略,构建了基于重要度分析的体系弹性优化模型,并重点分析了其对体系性能恢复的影响;最后,以某体系结构的弹性评价为例,对本文提出的模型和方法进行了验证,优化后的恢复策略使体系性能的恢复效率有显著的提高。     

高峰时段下离港航空器绿色滑行策略设计与评价

为有效减少大型枢纽机场高峰时段离港航空器拥堵延误及污染物排放,开展了不同滑行策略的设计与评价研究。首先,构建了包括环境成本在内的离港航空器滑行成本计算模型;然后,提出了正点推出、机位等待以及速度优化3种不同离港航空器绿色滑行策略;最后,以总滑行成本最小为目标,采用遗传算法开展算例仿真,求解不同策略下的最优滑行路径并对比分析了不同滑行策略对缓解拥堵及减少排放的有效性。结果表明:相较于正点推出策略,机位等待与速度优化策略可减少总滑行时间5.90%和22.49%,具有良好的拥堵缓解效果;此外,机位等待策略还具有最低的油耗及排放成本,而速度优化策略具有最低的污染物排放总量,均具有一定的减排效果。      

基于“时间-特征”协同注意力的机场快轨客流预测

机场快轨客流的准确预测是实现机场轨道交通系统智能化、精细化、高效化管控的基础，对提升机场服务水平和运行效率有着重要意义。由于影响因素众多、相互耦合，且因素对客流时序影响机理复杂，机场快轨客流的准确预测极具挑战。提出了一种基于“时间-特征”协同注意力机制的机场快轨客流预测模型，实现了精准捕捉多维因素在不同时序上对机场快轨客流的影响。基于北京首都国际机场快轨实际客流数据进行实验，结果表明了所提方法的有效性。      

多源数据融合的民航发动机修后性能预测

针对民航发动机修后排气温度裕度预测过程中的多源异构数据融合问题,提出了卷积自编码器与极端梯度提升模型结合的方法。利用所提出的条件熵增长因子规整发动机修前多元传感器参数序列中的参数排序,采用卷积自编码器提取规整后的参数序列和维修工作范围的数据特征,并将其与发动机使用时间信息组成合成特征以训练极端梯度提升模型,从而预测发动机修后性能并评估各影响因素的重要程度。经发动机机队维修案例验证,所提方法预测精度高于单维参数序列预测方法,对发动机修后排气温度的平均相对预测误差不高于8.3%。      

基于支持向量机的机场智能驱鸟决策

为提高机场鸟击防范管理水平,实现探鸟雷达与多种驱鸟设备联动,提出一种基于支持向量机（SVM）的机场智能驱鸟决策方法。该方法包括训练和测试两部分。训练部分利用机场鸟类探测预警与驱赶联动系统获取的大量历史鸟情信息,结合专家知识,通过数据预处理与支持向量机训练,建立驱鸟策略分类模型;测试部分根据驱鸟实时智能决策结果,对驱鸟策略分类模型进行持续修正与优化。通过某机场的实测鸟情信息数据与若干驱鸟实例,证明驱鸟策略分类模型具有较高的决策正确率,并能够通过自身修正与优化应对各种新问题。本文方法针对实时鸟情信息,实现了多种驱鸟设备的优化组合,克服了驱鸟设备长期重复运行造成的鸟类对驱鸟设备的耐受性问题,极大改善了驱鸟效果。      

基于多工况的新型着陆器软着陆性能优化

以新型腿式着陆器为研究对象,建立其刚柔耦合动力学分析模型,实现着陆器软着陆过程的仿真。通过仿真计算,确定着陆器最易翻倒、底面最易与星球表面岩石碰撞、主体承受最大碰撞力的3组恶劣着陆工况。分析着陆器缓冲机构构型选取设计变量,基于仿真得到的3组恶劣工况,应用第二代非劣排序遗传算法(NSGA-Ⅱ)实现着陆器软着陆性能的优化,优化目标为增强着陆器抗翻倒能力、降低着陆器底面与星球表面岩石碰撞的可能性、降低着陆器主体最大受力值。将优化所得参数代入模型重新进行仿真,着陆器不再发生翻倒,着陆平台底面与星球表面最小距离提高4.2%,主体最大受力值降低12.1%。     

单元构架式抛物面天线张紧绳索多层设计方法

星载抛物面天线在轨运行时由于姿态调整或环境因素变化,可能产生振动,从而降低其工作性能。为了减弱振动的影响,需采取加装张紧绳索的方法来提升天线刚度。提出了一种新型张紧绳索多层设计方法,通过将抛物面天线划分为多层,调整各层绳索的张紧力,从而提高天线结构刚度,同时尽量降低张紧力引起的形面误差。为了验证所提方法的有效性,建立了天线的有限元模型。在此基础上进行了有限元分析,研究了不同张紧力参数配置下的结构刚度和形面误差,并以提升结构刚度的同时降低张紧力引起的形面误差为目标,对张紧力参数进行了优化设计。为了提高计算效率,采用响应面法建立代理模型参与优化迭代计算。采用非劣排序遗传算法（NSGA-Ⅱ）完成优化迭代计算,优化后的张紧力参数使天线的性能得到了进一步的提升,为构架式可展开抛物面天线的设计提供理论指导。