考虑人机匹配模式的舰载机甲板机务勤务保障调度算法

舰载机甲板机务勤务保障是全周期起降保障作业的关键环节,为提升机群保障能力并减轻传统人工制定保障计划的负担,研究了多类人机匹配模式下舰载机甲板机务勤务保障调度算法。首先,系统分析机务保障所采用的单机机组模式、大机组模式和一体化联合保障模式等人机匹配模式,基于保障流程约束、资源转移和保障范围等各类资源约束,面向实际保障需求,以机务勤务作业完工时间、保障人员累积转移时间和闲忙比方差和为优化目标,建立了适用多类人机匹配模式的舰载机甲板机务勤务保障调度模型;其次,将机务勤务保障调度问题抽象为典型的资源受限项目调度问题,基于考虑资源转移的串行调度机制,设计了双种群遗传算法,对调度模型进行优化求解;最后,保障场景案例实验表明,调度模型和算法可实现不同人机匹配模式下的机务勤务保障优化,显著提升各项保障目标。在同等条件下,一体化联合保障模式具有更高的保障效率和较好的人员负载均衡性,且该优势随着转移入场飞机数量的增加而增加,而人员累计转移时间最长;单机机组保障模式的优缺点与一体化联合保障模式相反,大机组保障模式则介于两类模式之间。     

管制-飞行状态相依网络演化过程

动态、准确的管制系统运行态势预测是航空运输系统各相关单位开展协同决策的关键基础。基于航空器间的冲突情况、管制员对航空器的管控情况以及管制移交情况构建管制-飞行状态相依网络,探究、分析其演化规律,采用相关性分析和主成分分析证明了所选5项指标的合理性。设置自由飞行和固定航线飞行两种仿真场景,通过计算平均节点度、平均点强等拓扑指标的最大李雅普诺夫指数证明各时间序列均具有混沌特性,选择长短期记忆（LSTM）人工神经网络方法对各时间序列的演化规律进行预测,并与其他预测算法进行对比。仿真结果表明LSTM算法能对管制系统的演化过程进行有效的预测,且预测精度高于贝叶斯算法和支持向量机算法;在自由飞行条件下,5项指标的预测误差绝大部分在20%以内,固定航线飞行的预测效果优于自由飞行。     

Ground maneuver for front-wheel drive aircraft via deep reinforcement learning

The maneuvering time on the ground accounts for 10%–30% of their flight time, and it always exceeds 50% for short-haul aircraft when the ground traffic is congested. Aircraft also contribute significantly to emissions, fuel burn, and noise when taxiing on the ground at airports. There is an urgent need to reduce aircraft taxiing time on the ground. However, it is too expensive for airports and aircraft carriers to build and maintain more runways, and it is space-limited to tow the aircraft fast using tractors. Autonomous drive capability is currently the best solution for aircraft, which can save the maneuver time for aircraft. An idea is proposed that the wheels are driven by APU-powered (auxiliary power unit) motors, APU is working on its efficient point; consequently, the emissions, fuel burn, and noise will be reduced significantly. For Front-wheel drive aircraft, the front wheel must provide longitudinal force to tow the plane forward and lateral force to help the aircraft make a turn. Forward traction effects the aircraft’s maximum turning ability, which is difficult to be modeled to guide the controller design. Deep reinforcement learning provides a powerful tool to help us design controllers for black-box models; however, the models of related works are always simplified, fixed, or not easily modified, but that is what we care about most. Only with complex models can the trained controller be intelligent. High-fidelity models that can easily modified are necessary for aircraft ground maneuver controller design. This paper focuses on the maneuvering problem of front-wheel drive aircraft, a high-fidelity aircraft taxiing dynamic model is established, including the 6-DOF airframe, landing gears, and nonlinear tire force model. A deep reinforcement learning based controller was designed to improve the maneuver performance of front-wheel drive aircraft. It is proved that in some conditions, the DRL based controller outperformed conventional look-ahead controllers.     

面向机组工作量审定的民用飞机人机交互适航验证场景设计

设计有效的民用飞机人机交互适航验证场景是实施机组工作量审定的基础。依据中国民航规章CCAR-25 部1523 条款和附录D 适航验证性要求,通过对运输类飞机机组工作量适航验证条款的解读,建立工作量审定人机交互适航内容及验证流程;确立机组工作量审定民用飞机人机交互适航场景设计原则,分别从测试机组、运行过程、运行环境以及运...     

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。     

基于冲突分类与消解的多智能体路径规划算法设计CSCD

多智能体路径规划应用广泛但求解困难。为更好地处理多智能体路径规划中的路径冲突问题,提高求解效率,将冲突进一步分类为相向顶点冲突和交叉顶点冲突,并提出了对应的消解方式。相向顶点冲突的消解方法采用提前添加约束的方式,避免在消解其冲突的过程中产生另一个可预见的冲突;交叉顶点冲突的消解方法采用寻找最佳等待时间的方式,在消解其冲突的同时消解其他存在的冲突。两种冲突消解方法均可减小约束树的规模,在一定程度上减少算法的计算量。并提出了基于冲突搜索算法的高层节点冲突搜索算法。实验结果表明,所提出的冲突分类及消解方式有效地减小了算法高层中约束树的规模,降低了算法计算量,并在智能体密集的环境下表现出更大的优势。     

遗传算法在等效系统拟配中的应用

针对遗传算法在全局搜索性能与收敛速度之问的矛盾采取了一些改进措施．并将其应用于飞机飞行品质评定的等效系统拟配计算中，解决了传统拟配方法参数初值不易选取的问题。仿真结果表明了遗传算法在等效系统拟配计算中的可行性和有效性。     

Optimization of fixed aviation support resource station configuration for aircraft carrier based on aircraft dispatch mission scheduling

Before the dispatch of the carrier-based aircraft, a series of pre-flight preparation operations need to be completed on the flight deck. Flight deck fixed aviation support resource station configuration has an important impact on operation efficiency and sortie rate. However, the resource station configuration is determined during the aircraft carrier design phase and is rarely modified as required, which may not be suitable for some pre-flight preparation missions. In order to solve the above defects, the joint optimization of flight deck resource station configuration and aircraft carrier pre-flight preparation scheduling is studied in this paper, which is formulated as a two-tier optimization decision-making framework. An improved variable neighborhood search algorithm with four original neighborhood structures is presented. Dispatch mission experiment and algorithm performance comparison experiment are carried out in the computational experiment section. The correlation between the pre-flight preparation time (makespan) and flight deck cabin occupancy percentage is given, and advantages of the proposed algorithm in solving the mathematical model are verified.     

Imaginary filtered hindsight experience replay for UAV tracking dynamic targets in large-scale unknown environments

As an advanced combat weapon, Unmanned Aerial Vehicles (UAVs) have been widely used in military wars. In this paper, we formulated the Autonomous Navigation Control (ANC) problem of UAVs as a Markov Decision Process (MDP) and proposed a novel Deep Reinforcement Learning (DRL) method to allow UAVs to perform dynamic target tracking tasks in large-scale unknown environments. To solve the problem of limited training experience, the proposed Imaginary Filtered Hindsight Experience Replay (IFHER) generates successful episodes by reasonably imagining the target trajectory in the failed episode to augment the experiences. The well-designed goal, episode, and quality filtering strategies ensure that only high-quality augmented experiences can be stored, while the sampling filtering strategy of IFHER ensures that these stored augmented experiences can be fully learned according to their high priorities. By training in a complex environment constructed based on the parameters of a real UAV, the proposed IFHER algorithm improves the convergence speed by 28.99% and the convergence result by 11.57% compared to the state-of-the-art Twin Delayed Deep Deterministic Policy Gradient (TD3) algorithm. The testing experiments carried out in environments with different complexities demonstrate the strong robustness and generalization ability of the IFHER agent. Moreover, the flight trajectory of the IFHER agent shows the superiority of the learned policy and the practical application value of the algorithm.     

虚拟仿真环境中的航路冲突调配研究

现行仿真工具在模拟管制员航路冲突调配上存在问题边界不一致、调配方案不适用等诸多问题。针对这种现状,根据航路飞行冲突的影响因素对航路冲突进行了详细分类,并建立了航路冲突调配方案。使用VB和SQL混合编程进行系统开发,建立快速仿真工具。模拟运行表明,工具可模拟管制员提供简易可行的航路冲突调配方案,驱动仿真系统的运行。     

基于协同多任务分配的飞机排班模型与算法

航空公司的航班运行一直存在安全与成本的矛盾:既要严格按规定完成飞机例行检修,优先保障运行安全,又要尽可能提高飞机日利用率,以降低运行成本.为此,研究基于协同多任务分配的飞机排班问题.分析例行检修约束,建立最优化飞机日利用率的数学模型,运用分枝定价算法进行求解.分枝定价算法引入检修节点和虚拟飞机节点的定义,将分配的航班飞...     

虚拟仿真环境中的航路冲突调配规则研究

现行仿真工具在模拟管制员航路冲突调配上存在问题边界不一致、调配方案不适用等诸多问题。针对这种现状，根据航路飞行冲突的影响因素对航路冲突进行了详细分类，并基于决策树建立了航路冲突调配方案。以决策树为基础，使用VB工具进行系统开发，建立快速仿真工具。模拟运行表明，仿真工具可模拟管制员提供简易可行的航路冲突调配方案，驱动仿真系统的运行。     

基于Kalman滤波的变体飞行器T-S模糊控制

针对变体飞行器的跟踪控制问题,提出了一种基于Kalman滤波的T-S模糊控制方法。考虑飞行器系统状态不可测,引入惯导数据作为辅助信息,利用Kalman滤波算法融合飞控信息与惯导信息实现状态估计。由于变体飞行器在不同变形结构下气动特性变化较大,为便于控制器设计,采用小扰动线性化方法得到飞行器在不同平衡点处的局部线性模型,并通过状态反馈方法设计局部控制器,局部线性模型和局部控制器通过模糊集和模糊规则聚合成一个连续光滑的全局T-S模糊模型和T-S模糊控制器。通过综合Kalman滤波器与T-S模糊控制器得到一个基于Kalman滤波的T-S模糊控制器。仿真结果表明,该控制器在变形过程中能够实现状态估计,保证飞机的跟踪性能。     

自由飞行下基于集成学习的概率型冲突探测算法

空中交通流量的持续增加对中、短期飞行冲突探测的精度与处理大量目标的能力的要求更高,提出基于集成学习(ensemble learning)的冲突探测算法。首先,对飞机冲突过程建模,收集飞行样本;其次,提取飞机当前位置、速度矢量、向前看时间、待转弯时刻和转角为特征量,训练基本分类器,获得元数据集;然后,以支持向量机为二级分类器,元数据集为新的特征量,训练Stacking元分类器(meta classifier),分类阶段通过Sigmoid函数概率映射法输出冲突概率;最后进行仿真分析。结果表明:基于集成学习的冲突探测算法对冲突探测具有较高的准确率,使得虚警概率大幅下降,且适用于转弯飞行。     

基于潜在冲突的交叉点航路构型研究

航路交叉点的承载能力是决定航路容量的关键因素,而研究交叉点的潜在冲突与航路构型是提高交叉点容量的有效方法.首先根据国内现有几大主要航路构型的运行现状,提出构型存在的主要问题并加以总结.然后建立基于影响航段的交叉航路冲突模型,分别讨论了航路交角、航班流率、安全间隔3方面对平均冲突数的影响.最后比较分流法和降维法两种扩容方法,通过容量模型和数值分析计算,把三维交叉航路降为二维简单交叉航路,把"米"字型航路改为"井"字型航路,验证了降维法更具有可行性.研究表明,"井"字型航路可以增大航路网的现有容量,是提高空域利用率和运行效率的有效方法.     

基于三维空域网格的低空飞行航迹战略规划方法

针对复杂低空环境下航空应急救援飞行安全问题,提出了一种基于三维空域网格的飞行航迹战略规划方法。将空域网格化分成多个飞行航迹节点,同时考虑地形、气象、飞行规则以及航空器性能等多种约束,使用改进的A*算法搜索单个航空器的最优飞行航迹。在单个航空器初始飞行航迹基础上,结合时间窗原理,提出两种方法解决了多机无冲突航迹战略规划问题。最后,通过案例仿真验证了方法的有效性。     

民用飞机信息重构技术性能分析

大尺寸显示器已经广泛应用于新一代民用飞机的驾驶舱内。虽然通过提高信息集成度能够提升飞行员的用户体验，但是，正因为其要求的系统集成度高，在发生局部失效时，容易导致集成显示信息的共模失效，加之信息布局对管理操作任务的性能有着重要影响，如果诱发工作负荷的增加，在特定场景下甚至会迫使飞行机组丧失必要的任务情景意识。信息重构技术是应对此类问题的重要手段。在民用飞机机组资源管理理念的指导下，根据飞行机组的职责分配和人机工程学要求，论述了在主仪表板布置4块15 inch正屏显示器的布局是一种具有比较优势的布局方案。从关键飞行场景下飞行机组的操作任务需求入手，基于正常操作流向保持、压缩格式、重构操作、以及职责分配一致性这4个评价信息重构性能的要素，通过对比分析，证明了所提的显示管理策略相较于某现役先进机型具有更优的信息重构性能。     

基于ADS-B信息的通航飞行冲突避让算法研究

随着低空空域的开放和通用航空的发展,低空空域流量大幅增加,致使飞机飞行冲突事件呈多发态势。为了解决低空冲突问题,基于广播式自动相关监视(ADS-B)信息的避让算法,首先利用相对运动关系对本机周围的飞行状况进行分析,排除不存在危险冲突的航空器;然后针对危险接近的航空器,提出调整速度和改变航向两种避让策略;最后利用Matlab软件,对两种避让算法进行仿真分析。结果表明:算法正确有效,能够快速辨别飞行冲突,并给出合理的避让策略;调整航向的避让算法,其有效性优于调整速度的避让算法,但在实际飞行中,由于调整速度的避让方法更易操作且节约成本,应优先选择调整速度的避让方案。     

突发事件下大规模空中交通流量管理的组合优化模型

为了解决危险天气和军航活动对管制运行的影响，使用动态网络流方法对突发事件下短期空中交通流量调度问题展开研究。首先，结合中国民航管制的特点，分析了突发事件对流量管理的影响。同时，根据航路航线网络及其高度层的特点，给出了网络和高度层的数学描述，并根据机型将航空器分成大、中和小3种交通流，介绍了使用多品种流描述3种机型的必要性；其次，根据网络拥挤程度随时间和流量变化的特点、危险天气随机变化的特点、空中等待和地面等待费用差异的特点构建了3个优化目标，考虑机场容量、扇区容量、航班连续性和扇区连续性约束建立了多目标优化模型；再次，针对军航活动时需要协调空域的特点，多品种流模型求解时间复杂度高，不能适应短期流量管理的缺陷，改进了逐步宽容约束法，设计了一种阶段式求解的近似算法；最后，以西南空管局管制的空域为例，利用实际流量数据，设计了3个场景进行仿真。结果表明，所提模型和算法能有效求解突发事件下的短期流量调度问题，算法效率比起传统算法在大流量下更具优势。     

不同管制方法下空域运行的燃油经济性与仿真分析

为了提高空域运行的燃油经济性,提出了不同管制方案下空域运行的燃油经济性模型,通过仿真实验．对比分析了不同管制方案和飞机群体在空域运行的燃油消耗量。实验结果表明：通过使用该模型可以从管制方法上节省整体空域中飞机群体的燃油消耗,同时证明了该模型的可行性。指出了不同管制方法对空域运行的燃油经济性的影响和空管绩效评估的一项新指标。