随机型单机场受限地面等待策略

研究了随机容量条件下单机场受限的地面等待策略问题,用数学模型给出一种有效的算法,充分考虑了航班在降落时的优先级状态以及空中等待成本,最后通过仿真计算验证该策略的实际可行性.     

一种新的单机场地面等待问题优化算法

对单机场地面等待问题提出了一种新的启发式动态优化算法。该方法通过对时间分段，添加飞机是否起飞标志量，分步计算地面延迟和空中延迟，递推求解，从而达到缩小每次求解规模的目的。采用实际数据，仿真验证了所提出的模型和算法的有效性。还给出了一种简便的近似解算法。     

基于地面等待策略的航班时刻规划方法

地面等待是空中交通管理中普遍应用的一种方法。根据机场实际容量的约束,从地面等待策略的思想提出了航班时刻规划专家系统,即通过修改航班时刻表中高峰时段的航班,以达到平滑交通流量的目的。最后根据全国航班时刻表,选择了10个主要的繁忙机场进行了仿真计算,验证了方法的实用性。     

地面管制阶段航空器等待策略研究

地面等待策略是空中交通流量管理的主要组成部分,有利于节约飞行成本,提高安全水平。建立了空中交通多目标地面等待策略的整数线性规划模型,模型包括所有航班的总等待时间最短和总等待费用最小两个优化指标,约束条件考虑了指定空域容量的限制和各航班等待时段上限的限制。考虑到该优化问题求解的计算复杂度,应用基于自然法则的模拟退火随机搜索优化算法来解决该问题。数值模拟算例表明了所建立数学模型的正确性和算法的可行性和有效性。     

空中交通流量管理中的多元受限地面等待策略问题研究

在单机场受限地面等待策略问题的基础上,研究了确定容量条件下的多元受限地面等待策略问题,建立了数学模型,提出了一个启发式和专家系统相结合的流量管理新算法。通过对广州区域空中交通流量的仿真计算,验证了该算法实际应用的可行性。     

地面等待模型中的旅客延误时间成本分析与仿真

针对多机场地面等待问题MAGHP(Multi Airport Ground Holding Problem),深入研究了影响旅客延误时间的因素,并将其应用于数学模型中目标函数的计算。将航班延误时间转化为旅客延误时间,提出了一个在航班取消情况下减少旅客延误的新方法,并与多机场地面等待模型进行了比较,仿真结果表明,可以大幅度减少旅客延误时间。     

地面等待策略中的时隙分配模型与算法研究

 机场拥塞是制约民航运输的瓶颈所在,地面等待策略(GHP)是解决机场拥塞的有效方法,其核心就是时隙分配问题。为适应我国空中交通持续发展需要,实现科学时隙分配的要求,对GHP已有的研究进行分析和归纳,重点论述了时隙分配的概念、属性、模型和算法,在此基础上总结了时隙分配的关键问题,即随机容量的影响、均衡模型的建立以及模型求解算法的研究。最后指出了时隙分配问题未来的研究方向。     

机场地面等待时隙分配的公平性和效率性研究

为实现地面等待程序中计划进场时隙的公平高效使用,先通过分析RBS、E-RBD等算法的不足,结合地面等待程序中天气许可时刻的不确定性理论,建立地面等待时隙分配的多目标公平效率折中模型,最后根据具体机场的实际容量水平和天气许可时刻的分布概率,计算证明了模型在有效减少延误的同时增加时隙分配的公平性。     

增强型地面等待程序的进一步发展

在分析现有增强型地面等待程序(GDP-E)的基础上,综合考虑进离场容量之间的转化优化与不确定天气引起的随机地面延误,提出全新的GDP-E运行概念,使地面等待程序在协作决策(CDM)理论下得到进一步发展,从而可以加速空中交通流量,减少航班不必要的延误,提高航空公司的运行效率。     

基于Hopfield神经网络和KS函数的优化设计研究

介绍了Hopfield神经网络优化的原理。将神经网络的求解转化为非线性微分方程组的初值问题，并利用MATLAB提供的微分方程组求解器进行计算。对于多约束优化问题，KS函数的包络凝聚特性可以简化约束条件，其光滑可微特性又方便了问题的求解。将其运用于非线性约束规划和某型飞机总体参数优化问题，算例表明此方法是有效的。     

神经网络在广义经典分配问题中的应用

在两节点分布式多传感器系统中,一些航迹关联算法可以化为广义经典分配问题。广义经典分配问题是一个组合优化问题。当目标数目较多时,很难得到问题的最优解,而且其计算量容易呈现指数爆炸现象。文章提出了用Hopfield神经网络和平均场网络解决此问题的方法。仿真结果表明,采用文章提出的人工神经网络模型求解广义经典分配问题,不仅使航迹关联具有较高的关联正确率,而且计算时间不会出现指数爆炸现象。仿真结果还表明,平均场网络相比Hopfield神经网络更易于得到问题的最优解。     

一种基于Hopfield神经网络的TF／TA航迹规划算法

提出一种基于Hopfield神经网络的无人机地形跟随(TF)/地形回避(TA)迹规划方法.该方法将地研信息反映到算法参数连接权中,利用扩展的Hopfield模型结合无人机约束实现航迹安全、合理的规划.仿真实验证明该方法能获得满意的TF/TA航迹.     

基于神经网络算法在机场油库安全的应用

机场油库是储存航空油料的重要基地,其安全因素包含多个方面。通过对机场油库的安全分析,采用神经网络方法,建立机场油库安全评价模型,基于MATLAB软件神经网络工具箱对其进行求解,并将结果应用到油库的安全评价中。结果表明该方法与模糊综合评价方法基本一致,研究成果对油库安全监测和预测有着重要的意义和实用价值。     

具有时变权矩阵的离散Hopfield神经网络的稳定性

研究了以并行工作模式进行演化的具有时变连接权矩阵的离散Hopfield神经网络,得到了判定网络稳定的2个充分条件,改进了已有结果。     

基于模糊神经网络的智能PID控制算法

舵机控制系统存在响应速度慢、抗干扰能力差、系统参数不易整定、现有控制技术与设计方法的局限性等问题,这些问题影响了舵机的性能。为了提高制导火箭弹舵机伺服控制系统的性能,文章从舵机智能控制技术出发,研究了舵机的智能控制算法和Simulink系统仿真模型,采用模糊神经网络PID控制器来提高舵机的稳定性。仿真结果表明,模糊神经网络相比其他控制器进一步提升了舵机控制系统的控制效果。     

管制区短期空中交通流量管理的时隙-航线分配模型及算法

对管制区短期流量管理问题进行了研究,针对现有模型在约束条件和控制方法中的不足,不仅首次引入了流量控制事件的概念和相应的约束条件,而且在使用动态网络流理论建立了管制区短期空中交通流量管理模型过程中,还新增加了飞行高度层这一决策变量,使本文提出的时隙 航线分配模型与中国管制工作实际更加吻合。算例中采用中国华东空管中心实施的流量控制的真实数据,采用模拟退火遗传算法对其进行求解,求解结论直观、明确、可操作性强。仿真结果验证了模型及其求解方法的有效性和实用性。     

基于BP神经网络的机场安检旅客流量预测模型

机场安检服务资源智能分配及调度是提高机场旅客服务水平及运营效率的有效途径之一,而准确的机场安检旅客流量预测则是实现机场安检服务资源动态分配及调度的前提。以天津机场安检旅客流量的历史数据为研究对象,利用BP神经网络算法建立机场安检旅客流量预测模型,并将该预测模型通过天津机场实际旅客流量进行验证。结果表明:该基于BP神经网络的机场安检旅客流量预测模型的预测精度可达90%以上,证明其具有较高的预测精度,能很好地应用到机场安检流量预测中,为机场运营者动态调度安检服务资源提供高效的解决方案。