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。     

进近程序计算机辅助设计系统

一、前言进近程序是航空器根据飞行仪表，对障碍物保持规定的超障余度所进行的一系列预定机动飞行。这种飞行程序是从规定的进场航路或起始进近定位点开始，经过进场、起始进近、中间进近和最后进近，到能够完成自视着陆的一点为止，包括失误进近的复飞程序。所有的民用航空器使用的可供仪表飞行的机场，都必须设计仪表飞行程序，制定机场运行最低标准。建立机场仪表飞行的自的，是保证航空器在机场区域内按规定程序安全有秩序地飞行，以避免在起飞离场和过近着陆的过程中，航空器与地面障碍物，肮空器与航空器之间相撞。确保飞行安全、经济…     

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。     

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。     

面向终端区航空器飞行状态识别的HMM方法

为了准确掌握和预测终端区航空器飞行状态及其时序,为管制指挥提供参考,提出了一种基于隐马尔可夫模型的终端区飞行状态识别模型。通过对终端区雷达数据的一致化处理,形成符合隐马尔可夫模型的雷达航迹特征表示;采用雷达特征航迹训练隐马尔可夫模型,建立航空器飞行状态及其时序识别模型。实验表明:对于常规进场的航空器,方法快速有效,平均识别率高达91.53%;模型充分体现了管制意图信息与飞行意图信息;可以帮助管制员及时准确判断航空器的飞行状态。     

基于概率滑行时间的航空器离场推出柔性控制

航班离场过程动态多变且高度随机，滑出时间不确定性导致推出时间难以科学配置。为此，研究基于概率滑行时间的航空器离场推出柔性控制问题。首先，采用随机森林回归和核密度估计方法，建立了基于机器学习的概率滑行时间预测模型、超参数调节策略及概率预测性能评价指标体系；然后，引入固定缓冲区概念，提出了离场航空器“推出时刻”柔性控制方法，明确了缓冲区长度对准时到达跑道头概率的作用特性；最后，应用随机规划中的机会约束理论，提出了离场航空器“推出时隙”柔性控制方法，设计了满足机会约束的可行推出时间范围界定规则。实验结果表明：所提方法可对离场航空器概率滑行时间进行科学预测，有效实现传统推出时间刚性控制向多视角柔性控制的灵活转化，可为增强机场离场管制的可预测性和灵活性提供理论方法支撑。     

一种航路4D航迹预测的方法

4D航迹预测是空管自动化系统中的一项核心技术,能够提高空域的利用率和安全性。为了在航路上快速准确的预测航空器的飞行轨迹,提出一种预测航路4D航迹的方法。首先利用Supermap制作航路网络,然后根据航空器的性能参数,推测各时间点的航空器位置,从而得到航路上航空器的飞行航迹,并通过实例进行了说明,为航迹预测提供一定参考。     

基于随机森林的飞行载荷代理模型分析方法

飞行载荷分析(FLC)通常需消耗大量的计算资源和时间，提升飞行载荷计算效率对于缩短研发周期、提高设计质量具有重要意义。本文研究了数据驱动的机器学习代理模型飞行载荷分析方法，由于随机森林(RF)代理模型具有学习效率较高、泛化能力较强、可避免过拟合、参数可解释、变量敏感度分析等优点，使其十分切合飞行载荷分析，具有重要的应用潜力和前景。文中基于传统的飞行载荷分析方法，采用NASTRAN的SQL144载荷分析框架获得训练随机森林代理模型的样本数据，然后以高度、马赫数、过载、俯仰角加速度等作为输入参数构建了飞机对称机动载荷预测代理模型。采用建立的模型预测了算例飞机其他工况机翼翼根、平尾翼根的剪力、弯矩、扭矩，通过对预测结果评估校验，证实了模型具有较高的精度，可以大幅提升飞行载荷分析效率，并能够分析飞行载荷对各状态参数的敏感度，为高效全面地分析飞行载荷提供了新的思路。     

基于目视间隔条件下的碰撞风险分析

为研究目视间隔条件下进近过程中前后两飞机的碰撞风险问题,通过Reich碰撞模型和碰撞风险模型,引入目视误差作为影响因素之一,建立基于目视间隔条件下的风险评估模型.从纵向、横向、垂向三个维度分析前后两飞机碰撞的概率,求得目视条件下进近两机碰撞的概率,以此作为风险分析的结果.计算结果表明,利用模型计算出的碰撞风险符合国际民航组织规定的航空器空中碰撞概率规定值.故而可证明,目视间隔和目视进近可作为一种安全的空中交通管制运行模式缩小安全间距,提高空域利用率,增加飞行流量.     

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。     

基于XGBoost的航空器动态滑行时间预测方法研究

对航空器进港和离港滑行时间进行精确的动态预测,可以有效提升机场的运行效率。首次提出基于XGBoost 的航空器动态滑行时间预测方法,该方法首先通过分析影响机场滑行时间的各类因素,构建可变滑行时间预测的关键特征指标;然后选取XGBoost 算法建立可变滑行时间预测模型,对模型的关键输入参数进行测试调整;最后将XGBoos...     

支持向量机的B737飞机水平尾翼裂纹故障预测

为保障飞机的飞行安全,做到预防性维修,提升飞机的飞行安全及任务出勤率,需要对飞机结构出现的疲劳裂纹进行及时检测并修理。基于支持向量机理论,建立了支持向量机回归预测模型,并应用该模型对B737飞机水平尾翼健康信息的特征值(小波包分解系数提取的能量)进行了故障预测研究。为建立最佳支持向量机模型,选用了支持向量机四种常用的核函数分别对特征值进行了预测。同时还对支持向量机预测模型与神经网络预测模型(BP神经网络预测模型)的预测结果进行了比较与分析,研究表明,应用支持向量机所设计的预测模型准确率比较高,可以较好地对飞机水平尾翼的裂纹故障进行预测。     

A Criterion Based on Closed-loop Pilot-aircraft Systems for Predicting Flying Qualities

During the process of aircraft design, the mathematical model of pilot control behavior characteristics is always used to predict aircraft flying qualities (FQ). This is one of the important methods to avoid pilot-aircraft adverse coupling. In order to study the FQ criterion based on closed-loop pilot-aircraft systems, first, an experimental database is built, which includes 40 aircraft dynamics configurations and the corresponding flight simulation results. Second, the mathematical pilot models with a set of different aircraft configurations are obtained by this experimental database. Then, two FQ criteria, Neal-Smith criterion and Moscow Aviation Institute (MAI) criterion, are analyzed. And the relationship between the FQ level evaluated by actual pilot and the parameters of closed-loop pilot-aircraft systems is studied. Finally, an improved criterion of aircraft FQ is built based on the above two criteria. This new criterion is further used to predict FQ for four new aircraft dynamics configurations, and the prediction results verify its accuracy and practicability.     

DFBW飞机人-机闭环纵向着陆特性研究

本文根据试飞员的飞行体会和一组试飞曲线,提出驾驶员参数随着着陆过程变化的频率域模型,建立装有DFBW飞机的人-机闭环系统数学模型,编制非线性全量时域仿真程序,对纵向着陆过程动态作了全面的定量分析,其结果与装有MCS飞机的试飞情况吻合,验证了本文建模、程序可信度和精度,从而得出某DFBW飞机着陆特性是可被驾驶员接受的一些有益结论。     

机器学习辅助湍流建模在分离流预测中的应用

数据驱动湍流建模是近年来发展的提高雷诺平均N-S方程预测精度的有效手段,通过机器学习算法能够从高置信度数据中自动提取特征,建立准确的从平均流动特征到雷诺应力的预测模型。针对高雷诺数下积冰翼型绕流这一类典型的复杂流动分离问题,基于此前研究者提出的机器学习预测框架,从输入输出特征选择和翼型绕流中数据分布特性两个方面出发,对机器学习预测结果的光滑性和准确性进行改善。提出了基于雷诺应力张量分析和流动特征辨识的输入特征选择准则;提出了局部区域建模方法以及基准模型和机器学习预测模型混合的代入计算方法。将改进方法应用于积冰翼型绕流问题之中,结果表明改进的方法能够准确给出训练集和预测集上的雷诺应力结果,并且代入平均流计算可以得到和真实分布更加接近的流动和机翼表面压力分布。     

基于EMD-SVR的光纤陀螺随机误差预测

为了提升光纤陀螺随机误差建模的准确性及补偿结果,提出了一种基于经验模态分解与支持向量机结合的随机误差预测方法。鉴于随机误差的非线性及不稳定性,直接进行预测时精度不高,采用经验模态分解对原始数据进行分解以降低时间序列的复杂程度;然后根据经验模态分解得到的各本征模态函数及趋势序列,构建基于支持向量机的预测模型;再将所得的各分量的预测结果综合以得到光纤陀螺随机误差的预测结果。以光纤陀螺随机误差数据作为验证,结果表明,相较于传统的预测方法,均方根误差与平均绝对误差分别降低了78.4%和75.5%,有效提高了回归精度。     

结构驾驶员模型与McRuer模型的仿真研究

根据驾驶员完成俯仰跟踪的人－机半物理实时仿真实验，分别对结构驾驶员模型和ＭｃＲｕｅｒ模型者了参数辨识，用两种模型和某电传操纵飞机纵向短周期等效系统模型构成人－机数值仿真系统，将模型仿真结果和实时仿真结果进行比较和分析，以便了解两种模型的特性，为深入研究闭环飞行品质提供参考依据。     

民用航空器四维航迹预测技术综述

民用航空器四维航迹预测是保障飞行安全、提升运行效率、缓解航班延误、倡导绿色飞行的有效支撑和重要保证.四维航迹预测的研究集中于如下领域:预测结构与流程、预测模型与方法、误差分析与精度提升,其中航迹预测模型与方法是核心,主要包括混合估计模型、质点运动模型与机器学习方法.最后,总结与提炼开展民用航空器四维航迹预测研究的思路和热点,并相应指出了未来的研究方向.     

以作战结果向量分析飞机1对1空战效能

给出了作战歼击机作战结果向量模型，并以此作为衡量歼击机作虎效能的指标。通过战例分析，指出了抢先发射对提高飞机的作战效能起着重要的作用。并根据现代歼击机及其装备的飞行战术，技术特性，分析讨论了影响抢先发射以及作战结果向量的可能因素。给了的模型，可为新一代战斗机设计提供理论依据。