基于粒子群算法的飞行冲突解脱问题

自由飞行可有效解决航线日益加剧的拥挤问题,但同时也增加了管制员管制监控的难度,从而使飞行冲突探测和解脱成为自由飞行的关键问题。粒子群算法（particleswaITn0ptimization）是一种群智能优化算法,尝试将其应用于飞行冲突解脱问题,构造了适合飞行冲突解脱问题的粒子表达方式,建立了冲突解脱问题的粒子群算法,成功解决了飞行冲突,并将其运行结果与遗传算法结果作了对比试验。实验结果表明。粒子群算法是求解飞行冲突解脱问题的一个较好方案。     

基于GA的民航飞机水平航线动态寻优算法

目前的机载飞行管理计算机系统 (FMCS)在进行飞行优化时 ,视航路为固定常量。这与自由飞概念是相斥的 ,而且也制约了对空域和GPS等技术的充分利用。水平航线的动态实时优化是解决该问题的根本方法。本文首先研究了该优化问题的数学建模 ;然后针对普通寻优算法耗时颇巨的缺点 ,提出了基于一种改进的遗传算法 (GA)的航线动态优化算法 ;最后给出了部分仿真实验结果以评估此算法的性能。     

基于遗传算法的航空发动机多目标优化PID控制

提出采用多目标遗传算法,对航空发动机PID控制器参数进行优化设计.使用先进多目标遗传算法NSGA-Ⅱ对航空发动机PID控制器进行参数整定.针对某型航空发动机在飞行包线内的飞行状态进行控制器参数的优化选取,仿真结果表明,与传统手动试凑调节PID控制器参数进行比较,转速阶跃响应过程的性能指标得到了很好的优化,获得了令人满意的优化效果.      

直升机桨叶气动外形多目标优化设计

基于自由尾迹方法建立了直升机桨叶空气动力学分析模型,应用人工神经网络方法建立代理模型,采用改进的多目标遗传算法构建了优化框架,对直升机的悬停和大速度前飞状态进行优化.以悬停效率、旋翼等效升阻比及桨叶叶素的最大阻力系数为约束,对两个飞行状态的需用功率进行优化,得到了Pareto最优解集.并以UH-60A直升机的桨叶为算例,对其外形进行优化设计,优化结果表明,提出的桨叶气动外形多目标优化框架是有效可行的.      

RBCC-RKT两级入轨飞行器飞行轨迹优化方法

针对火箭基组合循环（RBCC）发动机比冲和推进剂质量流量随飞行条件改变而不断变化的特点,提出了通过增广拉格朗日遗传算法优化飞行器飞行轨迹的方法,在飞行器气动参数和发动机比冲已知、最大飞行动压给定等条件下,进行了火箭基组合循环发动机-液体火箭（RKT）发动机推进的水平起飞两级入轨（TSTO）飞行器飞行轨迹优化计算。研究结果表明：在飞行俯仰角和发动机推进剂质量流量变化范围已知的情况下,利用该方法能够在较好满足给定约束条件的情况下,优化得到飞行俯仰角和发动机流量随时间的变化关系,为飞行轨迹初步设计提供参考。     

基于遗传神经网络的飞行载荷参数识别

针对飞行载荷参数识别问题,结合典型机动动作,提出一种优化改进的BP神经网络模型。模型采用留出方法和遗传算法对BP神经网络的设置参数进行优化,利用最优设置参数训练得到飞行载荷与飞行参数的BP神经网络模型。在半滚机动下,通过利用飞行参数识别某一部位弯矩并与未优化BP神经网络对比,表明优化改进的BP神经网络模型对飞行载荷参数识别是一种可行且精度高的方法。     

一种小型自主飞行无人机系统集成设计研究

小型自主飞行无人机系统又称为空中机器人,泛指各种能够在空中自由飞行的无人飞行器系统,具有广泛的应用前景.论述了一种5kg小型自主飞行无人机系统的飞行平台的设计与实现、系统选择与集成、图像处理的方法、电磁兼容问题及解决措施等,最终成功地实现了自主飞行,并在"枭龙杯"中国空中机器人大赛上获奖.设计方法在无人机系统试飞和比赛中都得到了验证,证明是有效的.     

伸缩弹翼巡航导弹气动外形优化研究

基于一种伸缩弹翼改变巡航导弹外形的概念,提出超声速巡航与亚声速盘旋相结合的飞行任务,使用Missile Datcom作为气动计算的工具,分别对固定翼、两级伸缩翼和三级伸缩翼的外形参数进行了优化,使三种不同弹翼导弹完成相同飞行任务的燃料消耗分别最小,优化方法选取遗传算法与模式搜索法相结合的混合优化策略.优化结果显示,两级、三级伸缩翼巡航导弹相对固定翼巡航导弹燃料消耗量分别减少7.8%和12%,表明伸缩弹翼有效提高了巡航导弹在整个飞行任务中的气动性能.     

基于遗传算法的无人机多目标协作优化

为充分利用随控布局的优点,提出了集成飞行动力学与控制的无人机多学科设计优化(MDO)框架。针对任务需要选定了控制结构及对应的目标函数和约束,确定了能够处理更多目标函数和约束的鲁棒多学科设计优化方法。由于传统约束非线性规划的求解困难,提出了基于遗传算法的二级多目标协作优化方法。优化结果表明,基于遗传算法的多目标协作优化较传统协作优化更容易收敛。飞行动力学与控制的集成,给无人机在概念设计阶段提供了更大的外形设计自由度。     

小生境遗传算法及其在飞行控制系统中的应用

针对飞行控制系统控制器参数优化问题,提出了一种基于小生境遗传算法的模型参考优化整定策略,并将此策略应用于某型飞机的横侧向飞行控制系统的参数优化中。仿真结果表明,该优化策略能够有效地整定飞行控制系统的参数,具有收敛速度快、编程简单的优点。     

Strategic flight assignment approach based on multi-objective parallel evolution algorithm with dynamic migration interval

The continuous growth of air traffic has led to acute airspace congestion and severe delays, which threatens operation safety and cause enormous economic loss. Flight assignment is an economical and effective strategic plan to reduce the flight delay and airspace congestion by reasonably regulating the air traffic flow of China. However, it is a large-scale combinatorial optimization problem which is difficult to solve. In order to improve the quality of solutions, an effective multi-objective parallel evolution algorithm(MPEA) framework with dynamic migration interval strategy is presented in this work. Firstly, multiple evolution populations are constructed to solve the problem simultaneously to enhance the optimization capability. Then a new strategy is proposed to dynamically change the migration interval among different evolution populations to improve the efficiency of the cooperation of populations. Finally, the cooperative co-evolution(CC) algorithm combined with non-dominated sorting genetic algorithm II(NSGA-II) is introduced for each population. Empirical studies using the real air traffic data of the Chinese air route network and daily flight plans show that our method outperforms the existing approaches, multiobjective genetic algorithm(MOGA), multi-objective evolutionary algorithm based on decomposition(MOEA/D), CC-based multi-objective algorithm(CCMA) as well as other two MPEAs with different migration interval strategies.     

A strategic flight conflict avoidance approach based on a memetic algorithm

Conflict avoidance （CA） plays a crucial role in guaranteeing the airspace safety. The cur- rent approaches, mostly focusing on a short-term situation which eliminates conflicts via local adjust- ment, cannot provide a global solution. Recently, long-term conflict avoidance approaches, which are proposed to provide solutions via strategically planning traffic flow from a global view, have attracted more attentions. With consideration of the situation in China, there are thousands of flights per day and the air route network is large and complex, which makes the long-term problem to be a large-scale combinatorial optimization problem with complex constraints. To minimize the risk of premature convergence being faced by current approaches and obtain higher quality solutions, in this work, we present an effective strategic framework based on a memetic algorithm （MA）, which can markedly improve search capability via a combination of population-based global search and local improve- ments made by individuals. In addition, a specially designed local search operator and an adaptive local search frequency strategy are proposed to improve the solution quality. Furthermore, a fast genetic algorithm （GA） is presented as the global optimization method. Empirical studies using real traffic data of the Chinese air route network and daily flight plans show that our approach outper- formed the existing approaches including the GA .based approach and the cooperative coevolution based approach as well as some well-known memetic algorithm based approaches.     

多跑道协同运行模式优化方法

繁忙机场飞行区运行能力低下导致空中交通拥堵及航班延误现象频发,机场系统亟需扩容增效与排堵保畅。为有效平衡机场容流供需,研究了多跑道协同运行模式优化方法。综合考虑机场布局、交通流特性、气象条件等因素,提出了多跑道协同运行模式分类方法;基于跑道容量包络线理论,通过引入容量损失系数客观反映模式切换特点,建立了多跑道协同运行模式优化模型;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（NSGA）,对模型进行了准确求解。仿真实验表明,模型可对多跑道协同运行模式进行优化配置,有效实现机场容量与流量之间的均衡。与单一固定模式相比,多元组合模式优化效果显著,其中航班延误成本减少了38.1%,航班调整数量减少了46.4%,所提方法可显著提升多跑道协同运行能力,有效提高航班正常性。     

多跑道航班进离场动态调度模型与算法

针对民航运输快速发展导致的航班延误频增现象,研究了多跑道航班进离场的动态调度问题。研究时段内航班的总延误成本最小和延误时间均衡为目标,综合考虑根据机型确定的航班进离场调度优先权和管制员负荷,建立多跑道航班进离场调度模型,利用遗传算法对模型进行仿真验证。仿真结果与先到先服务(FCFS)调度方式进行比较,采用遗传算法的航班进离场调度比FCFS的延误成本降低了45.07%,延误时间降低了37.90%,同时有效地均衡了航空公司的延误时间,保障了航空公司的公平性并提高了跑道系统容量,降低了管制员负荷。通过仿真验证了多跑道航班进离场动态调度策略具有较强的优势和可行性。     

混合遗传算法在气动力参数辨识中的应用

遗传算法是求解复杂系统优化问题的一种有效方法，具有较强的鲁棒性和全局寻优能力，但计算量大，效率较低。将遗传算法与一维局部寻优算法相结合，构造了一混合遗传算法．并将其用于气动力参数辨识．以取代通常采用的梯度类优化算法。采用该混合遗传算法对某型飞机的横向气动力参数进行辨识计算与分析，结果表明该混合遗传算法是气动力参数辨识的一种有效方法，与遗传模拟退火算法相比．其计算效率有较大提高。     

恶劣天气条件下航路网络修复优化

针对恶劣天气条件下可用空域资源不足导致的航班大面积延误问题,基于复杂网络修复理论和交通流分配理论,借鉴交通网络设计思想提出了一种航路网络修复优化策略。首先,建立了航路网络修复场景,基于气象信息生成了恶劣天气飞行受限区。然后,建立了上层模型以修复成本最低为目标函数、下层模型为多约束交通流分配模型的双层规划修复模型,应用改进粒子群算法对模型整体进行求解,结合K最短路径算法对下层模型进行求解。最后,提出局部和全局两类指标对航路网络修复效果进行评估。基于典型航路网络,以两类基础修复策略为对比方法,同时对比了实际运行结果,研究了不同修复策略的修复效果和适用性。仿真结果表明：航路网络修复优化策略既能弥补原有拓扑结构修复策略的结构受限不足,又能解决拓扑结构调整修复策略带来的巨额协调费用问题,能够保证在对正常运行航班干扰最小的同时,以最小的修复成本使所有受影响的航班都恢复正常运行,对于减缓航路拥堵和航班延误有极大的意义。     

独立离场模式下多跑道时空资源优化调度方法

为有效缓解大流量、高密度机场日益严重的交通拥堵和航班延误现状,研究了多跑道离场航班优化调度问题。首先,从生产调度领域视角,将多跑道离场调度问题抽象为典型的车间作业调度NP-Hard组合优化问题;然后,面向航空运输各方利益需求,以航班延误、跑道容量和环境污染为优化目标,综合考虑航空器尾流影响、场面滑行和跑道穿越等各类限制因素,建立了独立离场模式下多跑道时空资源优化调度模型;最后,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(NSGA-II),寻求多跑道离场调度问题的Pareto最优解。仿真实验表明,模型可对独立离场航班进行优化配置,显著降低航班延误时间和航空发动机污染物排放量,并有效提升机场跑道容量。与随机和交替调度策略相比,优化调度策略执行效果显著,其中航班延误时间分别减少了51.2%和42.7%,所提方法可显著缓解大型繁忙机场离场航班起飞延误,有效提升航空运输服务品质。     

民用机场及附近空域空中交通流量优化

针对民航客运需求快速增长所带来的航班延误和空域拥塞问题,提出一种优化民用机场及附近空域空中交通流量的方法。通过空中交通走廊容量评估方法,对经典优化模型进行了发展和改进,建立起综合性优化模型;将机场和附近空域视为一个整体系统,根据交通需求和容量的相互关系动态调整航班流量和机场起降容量;在优化计算时,提出一种兼顾效率和准确性的新型优化算法。通过算例对所述优化方法进行了验证,该方法可以为空中交通管制人员进行流量优化分配提供参考。