柔性空域结构下连续下降航迹多目标优化

连续下降运行（CDO）是基于航迹运行（TBO）概念的重要组成,对于减少机场终端区燃油消耗和环境影响具有显著效果。简洁、高效和灵活的进场空域,以及高度自动的无冲突节能轨迹规划,是实现高密度终端区连续下降运行的核心要素。设计了一种融合Point Merge理念的新型倒皇冠形进场空域（ICSAA）,规范了新型空域内航空器运行程序,建立了以燃油消耗和飞行时间最小为目标的连续下降进近无冲突四维轨迹优化模型,并选用基于精英保留策略的非支配排序遗传算法（NSGA-Ⅱ）进行高效求解。论证了新型柔性空域下连续下降运行轨迹优化具备复杂高密度场景预战术和战术运行性能,对于飞行效率、经济性和空域容量提升具有显著效果,为促进繁忙机场全时段连续下降运行的推广应用提供新视角和新方法。     

一种终端区利用率评估方法研究

终端区利用率量化评估是解决终端区运行瓶颈、挖掘运行潜力的重要前提。现有方法大都面向全空域,指标缺乏通用性。聚焦终端区运行特点,构建了终端区利用率评估指标,基于灰色绝对关联度和主成分分析法,建立了灰色主成分评估模型,并对传统灰色绝对关联度的计算方法进行改进。以20个典型终端区数据为基础,经模糊C均值聚类验证了所提方法有效正确,且可区分性更好,能够满足多个终端区间的横向对比要求;结合广州终端区雷达数据进一步分析,发现方法更加细致地反映了沿时间轴的资源利用情况,满足单个终端区的纵向对比要求,可以为终端区的天气影响评估及流量管理优化策略评估提供论证依据。     

基于跑道容量的终端区流量控制模型

跑道容量是限制终端区容量的重要因素,终端区的航班流量分布直接影响区域饱和程度。为确保终端管制区平稳、高效运行,建立基于跑道容量的终端区流量控制模型,并考虑了非持续繁忙跑道对容量的影响。以武汉终端区为背景,计算跑道与相应终端区的容量,然后计算出非持续繁忙时段下20 min和1 h的流量控制间隔,最后根据评价结果制定相应的流量控制措施,验证了所提模型和方法的可行性与适用性。     

基于SPSS的终端区交通流态势评估

空中交通管理工作的实施必须以准确掌握各航线运行状况及其发展趋势为基础和前提。对终端区交通流的运行态势进行评估，即是对交通流实时运行状态及发展趋势进行分析。对终端区空中交通流进行现状评估，确定各个交通流参数的时序分布，评价终端区交通流运行状态。借助SPSS统计软件，剖析参数变量之间存在的关系，以线性回归模型为基础模型，了解变量之间如何相互影响，获取终端区流量出现拥塞的时段，反映终端区交通流特性。     

TBO模式下终端区进场交通流优化模型与仿真分析

持续增长的交通需求量和日趋饱和的可用空域资源促使未来空中交通管理向基于航迹运行（TBO）的精细化管理模式转变。在TBO概念的基础上，依据目前繁忙机场终端区常见进场航线结构，提出了对应TBO模式下的截点直飞方式与融合点方式进场交通流优化模型，并以法国戴高乐机场终端区为例，构建了仿真运行环境。基于实际飞行计划与雷达记录轨迹模拟生成了航空器四维航迹，而后运用上述2种模型对进场交通流进行了优化，根据仿真结果对特定交通流参数展开了对比分析。研究结果表明，模型可通过航迹选择、时隙分配、顺序交换及动态间隔等方式有效化解终端区内潜在的航空器冲突并保持交通流安全高效运行，同时在一定程度上揭示了TBO模式下交通流的部分运行特性，为以四维航迹为核心的未来空中交通管理策略提供了理论支持。     

基于航班排队仿真的终端区空域容量评估

为提升多扇区终端区空域容量评估的实效性,基于终端区交通流显著的排队特性,结合考虑扇区耦合关系,建立仿真模型并给出新的评估方法.以成都终端区为例,选取一周航班计划,针对每日运行状况共进行35次仿真,评定成都终端区平行双跑道隔离运行模式下的空域容量为47架次/h,并指出空域划设缺陷.经管制员雷达模拟机演练及实际运行数据验证,新评估方法有效,评估结论更符合实际.     

基于阻塞流的机场终端区极限容量评估研究

为确定机场终端区最大容量保障能力,即极限容量,从终端区运行特点分析出发,综合考虑进离场航线长度、飞行速度、管制间隔等因素,构建进离场网络流模型,并以跑道Pareto容量包络线作为约束,分析进离场航线网络与跑道的耦合关系,建立基于阻塞流的机场终端区极限容量评估模型。以杭州萧山机场终端区为例,验证了模型的可行性和准确性,并借助模型分析了不同流量控制策略下终端区容量包络线的变化趋势。研究表明,随着移交间隔变大,终端区容量包线有内移的趋势,进场容量由33架次/h逐步降为25架次/h。     

多机场协同决策进离场航班排序模型及算法研究

多机场终端区内的航线网络错综复杂,来往同一方向的航班会共用一个交接点,航班的起飞降落不仅要考虑各方向航空器的运行间隔和各受限单元容量的限制,还需着重考虑交接点的间隔限制.基于终端区多机场多元受限情况,建立了终端区多机场协同决策进离场航班排序模型,并设计了递归遗传算法.首先以各机场为单位采用遗传算法进行航班排序,得出各机场延误时间最小的排队序列,之后将各机场航班在交接点处进行聚类并排序,再将各交接点的排队序列反推回各机场,运用递归算法不断优化各机场的航班序列,在保证安全运行的基础上,最终得出各机场的航班排队序列.仿真结果表明,该算法优化效果显著,各机场的总延误时间减少了48.2％,可有效缓解多机场航班延误.     

基于机器学习的飞机动力装置运行可靠性

为了研究分析飞机的动力装置在执行飞行任务过程中的运行可靠性,针对运行可靠性影响因素的多维、耦合的特点,采用机器学习方法对动力装置运行可靠性的时变规律及其相关影响因素进行分析。提出了考虑动力装置的工作状态、飞机的运行外界条件、飞机的飞行状态3类因素分析动力装置实时运行状态下的时变可靠性方法;并基于飞机实际运行的快速存取记录器（QAR）数据,梳理了动力装置运行可靠性分析相关的3类因素、16个主要特征。结合飞机运行的时空关系,采用数据包络分析（DEA）方法对飞机动力装置的工作状态特性与性能裕度进行非参数分析,基于提取的QAR数据特征,采用随机森林、多变量神经网络回归算法,建立2种基于机器学习的动力装置运行可靠性分析模型。以B737-800机型为例,对一次北京至珠海的飞行任务的动力装置相关运行数据进行分析,对2种机器学习分析模型进行训练与测试研究。分析结果表明：对动力装置工作状态特性贡献度最大的特征依次为计算空速、飞行时间与飞行高度;对动力装置性能裕度贡献度最大的特征依次为动力装置工作状态特性、雷达气象与飞行时间。所采用的2种机器学习方法能较好反映动力装置运行过程的时变可靠性规律,可为动力装置的运行与特情处理提供参考。     

多机场终端区进场航班协同排序方法

为有效缓解大都市圈机场群日益严重的空域拥堵和航班延误现状,系统研究了多机场终端区进场航班协同排序问题。通过深入剖析多机场终端区时空运行特性,综合考虑移交间隔、尾流间隔和多跑道运行间隔等约束限制,科学权衡安全、经济和公平等各方利益需求,引入多元受限时间窗的创新理念,建立了多机场终端区进场航班协同排序模型。结合多目标优化及遗传算法基本理论,设计了带精英策略的非支配排序遗传算法,寻求多机场终端区进场航班协同排序问题的Pareto最优解。仿真实验表明,模型可对多机场终端区进场航班进行优化排序,显著降低航班延误总时间,有效增强多机场空域资源使用公平性。与经典的先到先服务(FCFS)策略相比,协同排序策略优化效果较为显著,其中航班延误时间减少了31.0%,所提方法可显著缓解大都市圈机场群航班延误现状,有效提升航空运输服务品质。