改进人工蜂群算法及其轴流压气机优化应用

为了探索更优的全局优化算法并将其应用于轴流压气机气动优化上,将标准人工蜂群(ABC)算法中采蜜蜂和观察蜂探索新蜜源的方式进行改进,从而更好地利用总体蜜源的探索信息,得到改进人工蜂群(IABC)算法。经基准函数测试表明,改进算法既能提升全局寻优能力,又能加快收敛速度。采用IABC算法和经过校核的CFD数值方法搭建优化平台,对单级跨声速轴流压气机Stage35进行优化。优化变量为动叶和静叶径向6个截面的弯、掠、前缘重弯值和尾缘重弯值,以流量和压比相对变化保持在0.5%以内为约束条件,以提高绝热效率为优化目标。结果表明:在设计转速下,优化后设计点绝热效率提升0.83%,全工况范围内平均绝热效率提升2.0%,同时喘振裕度提升1.0%,验证了IABC算法在轴流压气机优化中的有效性。     

改进人工蜂群算法及其轴流压气机优化应用

为了探索更优的全局优化算法并将其应用于轴流压气机气动优化上,将标准人工蜂群（ABC）算法中采蜜蜂和观察蜂探索新蜜源的方式进行改进,从而更好地利用总体蜜源的探索信息,得到改进人工蜂群（IABC）算法。经基准函数测试表明,改进算法既能提升全局寻优能力,又能加快收敛速度。采用IABC算法和经过校核的CFD数值方法搭建优化平台,对单级跨声速轴流压气机Stage35进行优化。优化变量为动叶和静叶径向6个截面的弯、掠、前缘重弯值和尾缘重弯值,以流量和压比相对变化保持在0.5%以内为约束条件,以提高绝热效率为优化目标。结果表明：在设计转速下,优化后设计点绝热效率提升0.83%,全工况范围内平均绝热效率提升2.0%,同时喘振裕度提升1.0%,验证了IABC算法在轴流压气机优化中的有效性。     

基于改进粒子群算法的离场航班排序

航班离场过程中,以时间或经济损失最小的单目标排序会导致延误时间分配不均和多目标排序在求解时存在算法收敛速度慢、易于陷入局部最优的缺陷,导致计算效率低。为解决这一问题,基于航班优先级、尾流间隔、航班延误时间、航班延误标准差构造航班离场排序模型,对粒子群算法的惯性权重和学习因子采用动态调整的改进策略。以厦门高崎机场非拥挤和拥挤场景下的共4 h离场航班进行优化排序验证,结果表明：与先到先服务(FCFS)方法、惯性权重线性递减粒子群(LDWPSO)算法相比,文中方法非拥挤场景下延误总时间减少了72%,26%,延误标准差减少了27%,28%;拥挤场景下,较FCFS延误总时间减少69%,延误标准差减少68%,与LDWPSO算法相比,优化效果上无明显差异,但在解空间的迭代收敛速度更快,达到最优罚值的迭代速度提升了55.6%。     

大面积航班备降时的现场运行指挥

<正>航班备降时,备降机场就是保证飞行安全的最后一环,接收航班备降是机场的责任和义务,做好备降航班的保障工作对于飞行安全具有重要意义。民航局通过下发《关于进一步加强备降航班保障工作的通知》对备降航班保障工作展开了整治并提出了具体指示。而备降航班的保障工作是一项复杂而系统的工作,需要航空公司、空管、机场等单位的通力协作。备降航班落地后,地面保障工作最重要也是最中心的一环无疑是机场的运行指挥中心,对于现场运行指挥人员来说,备降航班的顺利落地意味着保障工作的开始。下面以烟台这个中等规模旅游城市在旅游旺季大规模航班备降时的现场运行指挥为例,探讨大面积航班备降的现场运行指挥。     

基于改进人工蜂群算法的多值属性系统故障诊断策略

针对实际工程应用中常见的多值属性系统故障诊断策略问题,在传统人工蜂群算法(Artificial Bee ColonyAlgorithm,简称 ABC算法)的基础上,提出改进蜂群算法用于多值属性系统的测试序列寻优。首先,在蜂群算法中重新定义多值 D矩阵和五元组的含义;其次,引入方向信息概率矩阵,设置状态转移规则和矩阵元素更新策略;最后,采用导弹舵系统实例说明算法的实现过程和有效性。最终测试序列寻优结果表明:与传统的多值 Rollout算法相比,文中所提算法能得到较好的诊断策略结果,具有一定的应用价值。     

基于改进蚁群算法的改航路径规划研究

当航班遇到恶劣天气或者飞行冲突时,可以采取航班改航策略为需要改航的航班规划出合适的飞行路径。采用栅格法对环境进行建模并且对传统蚁群算法进行改进。首先,在转移概率的计算上加入危险天气的影响等级;其次,在节点选择上采用贝叶斯思想,通过后验概率对候选节点进行评估;最后,通过在短时间内信息素的增量上的差别来增大较优路径和其他路径之间的信息素量的差距,引导算法收敛到最优路径,同时加快算法的收敛速度。经算例分析证明了方法的有效性和可行性。     

基于人工势场-人工鱼群算法的改航路径规划

航班路径规划是改航策略的一个关键问题。将人工势场和人工鱼群算法相结合,应用于航班路径规划问题中。建立了引力和斥力的人工势场模型,用于单条改航路径规划;构造了单个人工鱼和适应度函数,采用人工鱼群算法优化改航路径;通过对改航路径的评估和修正,获得满足要求的改航路径。算例仿真结果显示,与现行的改航相比,基于人工势场-人工鱼群算法生成的改航路径总长度缩短了7.6%,表明算法是可行的和有效的。     

多跑道航班排序的改进蛙跳算法研究

为了保证飞机在多条跑道情况下安全、有序地降落,研究了基于蛙跳算法的多跑道航班排序问题。建立以航班总延误时间最小为目标函数的多跑道航班排序规划模型;针对传统混合蛙跳算法会产生无效解这一问题,引入单亲遗传算法中基因移位的思想,重新设计局部搜索策略,改进了蛙跳算法;利用增加种群个数的方法,克服蛙跳算法更新盲目性和收敛性差的缺点;基于上述改进的蛙跳算法,对多跑道航班排序规划模型进行求解。算例表明,改进蛙跳算法的优化结果明显优于先到先服务(First Come First Service,FCFS)方法和遗传算法的优化结果。     

基于粒子群和人工蜂群混合算法的气动优化设计

现代启发式智能算法存在全局与局部搜索能力的平衡问题,针对此问题,采用双种群进化策略和信息交流机制,提出一种基于粒子群算法和人工蜂群算法相结合的新型混合优化算法——MABCPSO,并分别进行函数测试和翼型的气动优化设计验证。结果表明:MABCPSO新型混合优化算法具有更好的寻优能力,相比粒子群算法和人工蜂群算法,该算法能以更少的进化代数分别提高1.7%和2.2%的减阻效果。     

基于改进AFSA的桨扇发动机加速控制计划优化

为了提升桨扇发动机的过渡态性能，提出了一种可以满足发动机性能参数约束和寻优结果正确性要求的桨扇发动机加 减速控制计划优化方法。引入自适应调整策略和半可行域对人工鱼群算法（AFSA）进行改进，经过数值验证，改进后的算法较原 始算法具有更快的收敛速度和更高的寻优精度。将推力与目标推力间的差值作为寻优目标，采用改进后的人工鱼群算法和序列 二次规划算法（SQP）对桨扇发动机的加速过程进行优化，得到了满足约束前提下的桨扇发动机时间最短的加速控制计划，结果表 明：与采用传统的基于梯度的序列二次规划算法相比，采用改进的人工鱼群算法进行离线分段寻优所得到的控制计划总加速时间 缩短了21.8%（0.58 s），证明了改进人工鱼群算法具有更强的全局寻优能力，更适用于桨扇发动机加速控制计划的优化。     

到达航班排序与调度优化的遗传算法研究

解决机场到达航班的排序与调度(ASS)问题是保持空中交通通畅、减少航班延迟的主要途径.本文针对ASS问题的特点,建立了以航班总延误时间为目标函数的排序模型,提出了基于格里芬斯塔特编码和滚动时域优化策略的遗传算法,并对排序模型进行了仿真分析.结果表明:与先到先服务算法相比,本文算法能显著减少航班总延迟,同时较常规遗传算法...     

考虑优先级的交叉口航班汇聚排序问题研究

为了有效地利用航路资源,减少飞行延误总成本,建立了改进的航路交叉口汇聚排序模型。为加快求解速度,分析了影响航班延误成本的因素,给出了权重赋值表,改进了现有算法,并用FCFS算法与改进算法进行了算例分析。仿真结果表明,改进算法通过对交叉口航班各属性赋权值可有效进行优先等级划分,完成时隙分配和航班排序的快速计算。采用改进给出的优化排序策略可减少延误飞行的总成本,具有一定的实用性。     

基于系统聚类k次平均算法的航班燃油告警研究

为确保航空公司航班安全正常运行,准确快速提示燃油告警,为航空公司运控人员处置航班提供可靠依据,减少航班运行低油量事件的发生,本文根据公司航班运行的实际燃油数据,采用系统聚类k次平均算法的方法,结合公司运行实际,识别出实际运行中燃油偏差大于额外燃油量以及预计着陆油量小于60min的航班,产生燃油告警,为运控人员及时干预航班,给出航班处置方案。结果表明,及时的航班燃油告警可以大幅降低航班低燃油量事件量和航班备降率。     

基于ABC-RBF神经网络的飞机燃油流量监测与故障诊断

为了检测飞机发动机的性能及故障,利用神经网络建立了燃油流量的预测模型,将人工蜂群（ABC）算法结合预测需求 在3维进行拓展,分别优化基于径向基函数（RBF）的神经网络泛化值和中心值,与经典RBF神经网络、K均值聚类算法等相比,3维拓展后的ABC算法对RBF神经网络进行的“反馈式更新”拥有更好的预测效果,其计算平均差值及预测误差更小,所需时间更短。随机选取短航程、中航程、长航程航班数据分别进行验证,结果表明：选择油门杆角度、飞行高度、马赫数、大气总温、发动机转速等参数能够反映发动机运行工况,预测效果理想;采用ABC算法对RBF神经网络进行优化后模型的更新能力较强,能够获得更高的预测精度,降低计算平均差值;通过航班故障数据验证了利用神经网络进行故障诊断的方法具有较大的实际应用价值。     

基于改进PSO的离港航班绿色滑行路径优化

为有效解决大型枢纽机场离港航班繁忙运行所带来的较大污染物排放问题,开展了离港航班绿色滑行路径优化研究。将滑行速度离散化;以最短滑行时间、油耗量最少、污染物排放量最少和总滑行成本最少为目标,根据机场场面滑行管制规则,建立模型;以广州白云机场为例,利用改进的粒子群算法预选出三条滑行路径,比较其污染物排放量和总滑行成本,从而选择最优的滑行方案。结果表明,基于总滑行成本最低策略和污染物排放量最低策略,优化后的滑行方案滑行时间分别缩短13.7%、14.2%,油耗量减少8.9%、7.8%,污染物排放量减少12.6%、13.7%,总滑行成本降低13.4%、13.2%。模型能够有效降低机场污染物排放量,减少油耗,提升机场场面运行效率。     

基于人工蜂群算法与NURBS的吸附式叶型优化设计

为提高轴流压气机吸附式叶型优化设计的质量,设计了一套基于人工蜂群(ABC)算法和非均匀有理B样条(NURBS)的自动优化设计系统.对人工蜂群算法的运行机制进行了深入分析,并与目前广泛使用的遗传算法(GA)进行了对比.对比发现人工蜂群算法可以更好地逼近全局最优值且收敛效率提高50%.使用NURBS对叶型进行参数化,并研究了参数化过程中的畸变问题.将抽吸参数与叶栅参数同时作为优化变量,使用该系统对一吸附式叶栅进行了优化.结果显示:抽吸槽设置在58.44%轴向弦长位置处流动损失下降明显,与优化前未抽吸叶型相比流动损失降低64.8%,气流分离得到有效抑制.     

基于免疫禁忌混合算法的航班快速恢复研究

为了减少枢纽机场大面积航班延误带来的经济损失，结合航班延误经济损失模型，在免疫进化算法的基础上，通过引入禁忌搜索进行优化改进，尝试用免疫禁忌混合算法解决航班延误恢复的问题。仿真实验结果表明，算法在航班快速恢复的问题中收敛速度和解的质量方面均优于标准遗传进化算法，既提高了航班恢复求解的效率，又减少了延误损失。     

基于航班边际贡献的不正常运行恢复策略研讨

<正>航班运行中出现飞机故障、返航备降等不正常情况导致运行中断后如何快速制定最优化的航班恢复策略，实现高效率、高质量地恢复航班运行秩序是航空公司面临的一大难题。当前，民航业在遭受三年新冠疫情冲击之后，迎来快速复苏，把握当下良好形势，在确保运行安全的前提下制定航班恢复决策，同时兼顾公司效益、旅客服务和航班正常性等多重因素至关重要。     

基于改进粒子群算法的机场多航班多服务调度策略

机场加油、行李和配餐等多项地面服务是航班正常运行的关键,也是机场大面积航班延误快速恢复过程重点考虑的问题.在对多航班多服务调度目标和约束条件分析的基础上,提出了多航班多服务调度模型,定义了粒子的二维表示方法,设计了一种改进粒子群算法来生成航班调度方案,并针对国内某机场的航班数据进行了仿真实验,结果表明,该算法与基本粒子群算法、进化策略相比,有明显优势,可极大地提高多航班多服务调度水平和机场地面服务效率.     

航班备降的保障工作

在我国民航不断深化改革和运行总量不断攀升的背景下,航班备降保障工作中积累的问题也逐渐浮出水面。民航局对航班备降的保障工作极其重视,多次下发电报开展整治活动提出具体指示,并召开全国性民航会议进行专题研究。做好航班备降的保障工作对飞行安全有着非常重要的意义,这需要航空公司、机场和空管等单位通力合作、协调一致才能顺利完成。