基于雷达航迹的航空器质量估算

为保障基于轨迹运行的顺利实施,必须提高四维航迹预测的精度,而四维航迹的精准预测依赖于航空器质量准确估算。鉴于此,构建并分析了航空器能量模型;基于雷达航迹与航空器基础资料( BADA),提出了新型的航空器质量估算方法与步骤;利用最小二乘算法求解了航空器质量的估计值;分别基于预测航迹、雷达轨迹与QAR数据,采用相对误差作为评价指标,实施验证与分析。验证结果表明,提出的方法可将航空器质量估算误差控制在5%以内,从而能够有效地提高航迹预测精度。     

基于特征选择的BP神经网络算法滑行时间预测

为准确预测离港航班滑行时间,基于数理分析同时段场面航空器滑行数量、平均滑行时间等因素对离港航空器滑行时间的影响。将皮尔逊相关系数与随机森林算法相结合减少冗余特征变量,建立基于BP神经网络的滑行时间预测模型,提高离港航空器场面滑行时间预测精度,并通过交叉验证证明预测结果的稳定性。预测结果表明：通过皮尔逊相关系数与随机森林组合模型进行特征选择可提高BP神经网络预测结果的精度,离港航空器的滑行时间预测误差在±5min内的占比由88.23%提升至92.26%,且预测效果较为稳定。模型可以精确预测离港航班的滑行时间,为机场运行提供决策依据。     

基于速度剖面拟合的航空器场面滑行4D轨迹预测

为提高机场的整体运行效率和综合保障能力,提出了一种基于速度剖面拟合的航空器场面滑行4D轨迹预测方法。构建了航空器的滑行动态模型,进而引入标称速度剖面的概念。将DSW算法应用到速度剖面的拟合中,得出一种标称速度剖面的生成方法,并通过建立平均速度修正参数修正不同机型对滑行速度的影响,基于动力学平衡方程,构造了标称速度到瞬时速度的映射,结合BADA数据实现对瞬时速度的修正。在上述分析的基础上得到航空器场面滑行4D轨迹预测模型。案例表明,与基于动力学的方法相比计算结果更加准确,使平均误差降低47．3％,能够有效地预测航空器的4 D轨迹。     

基于高空风修正的四维航迹优化算法

航迹预测是基于航空器航迹运行的核心技术,也是空中交通流量管理的基础技术。结合航空器飞行速度数据与航段飞行时间数据,分析高空风对航空器飞行时间的影响。基于GRIB2格式风数据,建立高空风修正模型,提出一种四维航迹优化算法进行航迹预测。利用中南区域实际航班飞行数据进行算例仿真,并与实际雷达飞行数据进行对比。对比结果表明,预测飞行时间总误差分别减少了7%和16.4%,从而验证了模型的有效性与正确性。     

考虑起飞工况的航空发动机性能退化预测研究

针对现阶段航空发动机性能退化建模研究没有考虑起飞工况的影响问题，提出了基于修正的非线性维纳过程发动机性能退化建模方法。该方法结合了同类型号发动机的历史性能退化数据与个体发动机的实时退化和工况数据。首先，考虑发动机每次起飞的工况不同，把工况修正引入非线性维纳过程建立发动机的性能退化模型。然后利用极大似然估计方法求得退化模型离线估计值，基于贝叶斯理论对退化参数进行在线更新，最后基于局部线性嵌入算法，对工况参数进行融合构建工况因子，修正退化参数，实现了基于起飞工况的单台发动机性能退化预测。结果表明，采用融合工况因子修正模型，与未修正和压比修正模型相比，平均绝对百分比误差分别降低1.50%和1.01%。证明融合工况因子修正模型能降低发动机起飞工况差异和仅用单工况参数修正所造成的预测误差，可以用来辅助指导下发决策。     

基于生成对抗网络的航班起飞风险预测

航班的安全运行是民航的第一要素。根据历史数据对航班运行过程中可能存在的风险进行提前评估和预测是保障航班安全运行的有效手段。针对航班起飞阶段的风险问题,提出了一种基于生成对抗网络的航班起飞风险预测模型。对收集到的机组、飞机和环境3方面数据进行清洗、变换和融合,得到初始的起飞风险预测数据集;针对数据集存在的严重类不平衡问题,使用生成对抗网络进行数据增强以提高数据质量;在不同增强程度的数据集上,采用3种不同结构的神经网络训练航班起飞风险预测模型。实验结果表明,生成对抗网络能有效提高实测数据集的质量从而提高了航班起飞风险预测的精度。     

基于遗传算法的分段多参气动阻力研究

针对BADA模型未考虑马赫数、仅基于升力系数求得的阻力系数与真实值存在较大误差的问题,考虑到飞机以较大马赫数飞行时气流压缩效应会改变阻力特性,提出了一种基于遗传算法的临界马赫数分段多参数数据拟合方法,建立了更为精确的阻力系数数学模型。以B737-800民机为算例的计算结果表明:该模型计算的阻力系数与真实值的平均相对误差小于5%,与经典BADA模型相比,平均相对误差下降了15.63%,均方根误差下降了0.384%,拟合优度提升了0.344;所提优化方法提高了阻力计算的精确度,可提高ATM飞行仿真的准确性。     

基于FSM的PBN飞行程序运行仿真分析

针对于性能的导航(PBN)飞行程序运行仿真过程中将面临飞行航段以及航空器的状态不断发生变化问题,提出采用有限状态自动机理论解决这一问题.仿真框架的水平剖面通过ARINC 424中定义的航段类型对具体的程序进行分段建模;垂直剖面通过BADA的性能模型以及提出逆向法计算下降顶点的位置,为水平剖面提供精确的性能及位置参数.获取的仿真航迹数据符合PBN的导航规范及精度要求,可用于进一步的PBN飞行程序的安全风险与噪声评估.     

基于改进粒子群算法辨识Volterra级数的目标机动轨迹预测

目标机动轨迹预测是空战态势感知和目标威胁评估的重要前提。针对传统目标机动轨迹预测模型复杂度大、预测精度低等问题，结合目标机动轨迹时间序列的混沌特性，提出一种基于相空间重构理论和Volterra泛函级数的目标机动轨迹预测模型。该模型首先采用0-1检测法验证了目标机动轨迹时间序列具有混沌特性；其次，利用C-C法确定嵌入维数和时间延迟，对目标机动轨迹时间序列进行了相空间重构；然后，引入Volterra泛函级数预测模型，为了克服高阶Volterra核函数求解复杂的难题，提出一种混沌变异自适应粒子群算法，构建一种基于改进粒子群算法辨识的Volterra级数预测模型，并将其应用于目标机动轨迹预测；最后，将所提算法与卡尔曼滤波算法以及机器学习算法进行单步和多步预测对比，同时将改进粒子群算法与其他智能算法进行性能比较。仿真结果表明：所提预测模型具有良好的单步和多步预测性能，改进的粒子群算法具有参数辨识精度高、收敛速度快的优点。     

终端区交叉航线冲突风险模型

针对交叉航线的水平冲突概率和垂直冲突概率进行准确计算的问题,基于航空器性能数据的终端区交叉航线冲突风险计算方法,考虑到终端区内航空器的速度变化的特性,通过分析航空器运动模型并结合航空器所采用的经典爬升和下降方式,建立了交叉航线冲突风险计算模型。运用模型进行案例计算,并分析不同参数的变化对冲突风险的影响,发现通过调整航班的进场和离场时刻,可以减少甚至消除航空器之间冲突的发生;当交叉航线的夹角为90°时,冲突概率最小。结果表明,计算模型可以对交叉航线冲突风险进行定量分析,对飞行程序的设计和改进及航班排班具有指导作用。     

基于自动核构造高斯过程的导弹气动性能预测

在导弹的初期设计阶段,通常需要对导弹的气动性能进行快速粗略评估。针对传统工程估算软件计算精度低和CFD方法计算代价大的缺陷,提出一种基于高斯过程回归（GPR）代理模型快速预测典型导弹气动性能的方案。以导弹外形参数和攻角作为模型输入,升力系数、阻力系数和力矩系数作为模型输出,对GPR模型的气动性能预测结果进行分析。首先,与其他常用代理模型的预测精度对比,GPR模型对3种系数的预测误差分别仅为0.24%、0.36%和0.36%,高于其他代理模型的预测精度。其次,考虑GPR模型核函数选择严重依赖人工先验知识的问题,采用了一种自动核构造算法,无需先验知识即可从数据中自动学习核函数。将该算法嵌入GPR框架中,与传统GPR模型比较,实验结果表明：基于该算法的GPR模型对3种系数的预测误差分别降低到0.10%、0.22%和0.17%。最后,给出导弹气动性能快速预测的应用实例,结果表明所提出的GPR模型的导弹气动性能预测方案是有效的,能够满足设计初期快速且精确的气动性能预测需求。     

基于BP神经网络的飞机油耗与轨迹匹配模型研究

研究了基于与QAR记录相匹配的飞行轨迹数据建立的BP神经网络油耗模型,利用飞行轨迹数据输入模型求得油耗估算值,通过与QAR真实燃油数据对比,进行模拟分析.以某些航班的雷达记录数据为例进行油耗计算,结果表明本实验模型在燃油方面的估算误差不超过2％,满足空管方面对燃油消耗的计算.研究结果可以用于定量分析空管运行对民航节能减排的影响,从而在确保飞行安全、管制容量的前提下更好地兼顾绿色运行的要求,提升空中交通运行质量.     

基于免疫禁忌混合算法的航班快速恢复研究

为了减少枢纽机场大面积航班延误带来的经济损失，结合航班延误经济损失模型，在免疫进化算法的基础上，通过引入禁忌搜索进行优化改进，尝试用免疫禁忌混合算法解决航班延误恢复的问题。仿真实验结果表明，算法在航班快速恢复的问题中收敛速度和解的质量方面均优于标准遗传进化算法，既提高了航班恢复求解的效率，又减少了延误损失。     

基于遗传模拟退火算法的航班进离场调度

基于航班延误成本构成的复杂性，惩罚航空器单位时间延误成本以区分续航航班与非续航航班，且推导出与航班类型直接相关的续航航班单位时间延误成本表达式。建立了以航班总延误成本及跑道调度时间跨度最小的多目标跑道调度模型，并用遗传模拟退火算法求解模型。以国内某大型机场的两条近距平行跑道调度为例对算法进行验证，实验结果表明，运用遗传模拟退火算法求解多目标跑道调度问题，可显著提高航班延误成本分布的均衡性，且程序收敛性较强，具有很好的实用性。     

大中型民用飞机起飞总重估算方法研究

推导了基于发动机推力估算起飞总重和基于旅客座位数估算起飞总重的公式。通过多种大中型喷气式民用客机相关参数的统计值,建立起飞总重对相关参数的多元回归分析模型,通过显著性检验,说明模型是有效的,并据此建立了新的起飞总重估算公式。通过算例结果分析表明,新的起飞总重估算公式具有很高精度。在新机的方案设计阶段若能给定此公式所需的相关参数,可以计算得到相对合理的设计起飞总重值。     

翼身融合布局客机总体参数分析与优化

在翼身融合布局客机总体设计阶段，为评估设计方案的总体性能，建立了翼身融合布局客机总体参数综合分析与优化平台，该平台以翼身融合布局客机的几何参数为输入，完成动力、几何、重量、气动、性能和经济性等模块分析，并以此为基础建立优化设计模型。为快速评估设计方案的性能及优化设计效果，动力分析模块采用了部件级分析模型，重量分析模块采用半经验估算方法，气动分析模块采用面元法结合工程估算方法，性能分析模块采用简化运动学方法，优化模型采用可并行计算的子集模拟优化算法。以某555座级翼身融合布局客机方案为例，应用开发的分析与优化平台，完成了总体参数分析，结果表明分析模型合理。在此方案的基础上，以客机的外形参数和发动机海平面最大推力为设计变量，分别建立了以最大起飞重量最小为目标的单目标优化，以及同时以直接使用成本和进场速度最小为目标的多目标优化，单目标优化结果最大起飞重量降低了约7.17%，多目标优化结果表明直接使用成本降低8.77%的同时进场速度会增加3.32%。     

基于随机森林的航空器到达时刻预测

航空器到达时刻（ ETA）预测是进场排序与调度的基础，因此进场飞行时间的快速与准确预测显得尤为重要。通过分析航班信息、天气信息以及空中交通信息，基于随机森林算法构建了航空器到达时刻预测模型。选取上海浦东机场进场航班进行仿真验证，仿真结果表明，预测模型可以实现航空器到达时刻的快速与准确预测。     

基于Bi-IndRNN和PSO的航班延误预测

针对普通循环神经网络在航班延误预测问题上精度不高、调试时间长的问题,提出基于Bi-IndRNN和粒子群的机场短期航班延误预测模型。模型采用Bi-IndRNN结构作为预测模型,使用粒子群算法对模型超参数进行全局寻优,使模型不仅能够处理长序列的数据,还能够高效率地选择合适的参数,使其预测准确度更高。实验在2018年国内某机...     

基于ABC-RBF神经网络的飞机燃油流量监测与故障诊断

为了检测飞机发动机的性能及故障,利用神经网络建立了燃油流量的预测模型,将人工蜂群（ABC）算法结合预测需求 在3维进行拓展,分别优化基于径向基函数（RBF）的神经网络泛化值和中心值,与经典RBF神经网络、K均值聚类算法等相比,3维拓展后的ABC算法对RBF神经网络进行的“反馈式更新”拥有更好的预测效果,其计算平均差值及预测误差更小,所需时间更短。随机选取短航程、中航程、长航程航班数据分别进行验证,结果表明：选择油门杆角度、飞行高度、马赫数、大气总温、发动机转速等参数能够反映发动机运行工况,预测效果理想;采用ABC算法对RBF神经网络进行优化后模型的更新能力较强,能够获得更高的预测精度,降低计算平均差值;通过航班故障数据验证了利用神经网络进行故障诊断的方法具有较大的实际应用价值。     

基于Elman神经网络的战斗机空战轨迹预测

轨迹预测是空战态势感知中的关键问题。针对传统轨迹预测方法模型简化程度大、预测精度偏低的问题,提出了基于Elman神经网络的战斗机空战轨迹预测方法。首先,以一对一空战为背景,建立了基于Elman神经网络的目标机空战轨迹预测模型;其次,在利用空战训练测量仪(ACMI)中记录的空战数据基础上,选取了一对一空战轨迹,并构建了训练样本和测试样本;然后,通过仿真分析了不同算法进行轨迹预测的精度。结果表明,与传统粒子滤波算法相比,Elman网络模型预测误差更小、预测效果更好,可以更加准确地进行目标机空战轨迹的预测。