航空器海上飞行空域规划方法

为充分利用海上空域资源,提供海上飞行有效空域活动范围,针对海上空域可用资源问题进行了研究,主要目的是寻找一种有效的海上空域可用资源规划方法。一方面,分析了我国周边海域的海上空域资源,并基于岸基军、民航已规划使用空域的环境数据,结合周边空管雷达监视能力服务范围信息,设计了一种基于图形栅格化法的海上空域资源智能规划方法。另一方面,基于协同区域随机搜索算法,分析计算出适合航空器飞行的海上空域数据,可为航空器海上飞行空域规划提供可靠依据。     

机器学习在流动控制领域的应用及发展趋势

流动控制作为流体力学中的重要跨学科领域,一直是科学研究和工程应用关注的焦点之一。由于流动系统具有强非线性等复杂特征,对流动的控制尤其是闭环控制,一直颇富挑战性。近年来机器学习的迅速发展为许多学科带来了新的方法、新的视角和新的观点,对于流动控制领域亦是如此。通过回顾现阶段三类基于机器学习的流动控制方法,为主动流动控制领域的研究者展示机器学习在流动控制中应用的整体概况,进而勾勒出本领域的发展趋势。     

基于大圆航线的RNAV航路规划

目前,航空公司在进行飞行计划的制定时,全部采用航行情报资料标注的航线网络数据,而航线网络数据是基于导航台的等角多圆锥投影得到的等角航线要素。装载有区域导航(RNAV)计算机的飞机在航行过程中采用的航线模型是简化的大圆航线。由于地空采用的航线模型不同,导致运营计划数据和实际飞行数据产生误差。利用大圆航线计算模型重新规划航路,将航路点调整到起飞机场与着陆机场构成的大圆航线上,不但降低了运营计划数据和实际飞行数据之间的误差,而且可以缩短航程,提高航空公司的运营效益。经计算,从白云机场至洛杉矶机场,调整航路点纬度以后航线距离缩短至11 728．9 km,比目前的飞行距离缩短 295．5 km,约2．46％。     

无人机在线协同航迹规划时序问题

提出了一种满足时序约束的无人机在线协同航迹规划方法.首先采用按时间推进的协同规划机制解决了 在线协同规划中信息交互存在时间间隔的问题;其次通过设计协同函数,采用自主分布计算协同变量的方法解 决其时序问题,实现了协同无人机按照指定时间间隔先后达到目标区域.仿真选取同时到达和按等时间间隔到 达两类典型时序问题,结果表明该方法可以快速生成符合协同时序要求的协同航迹,且满足实时性要求.     

基于距离和角度信息的无线传感器网络定位算法(英文)

提出一种基于距离和信号到达角信息的无线传感器网络节点自身定位算法.在所有节点的坐标轴方向都是未知的假定下,用信号到达角信息来计算信号到达角度差,然后将定位问题转化为一个凸集优化问题,节点间的几何关系也相应地转化成为线性或二次约束条件.当距离和角度测量值足够精确时,该算法是一个线性规划问题.考虑测量误差时,通过引入辅助变量,该算法可以转化为二次规划问题.通过仿真分析证明了该定位算法的有效性,并对距离和角度误差量对定位精度的影响进行了定量分析.仿真结果表明,在距离和角度误差为5%的时候,该定位算法可以满足定位精度要求.     

容量受叠限的航班时刻规划算法的设计和实现

航班时刻规划是战略时期空中交通管制的主要方法.针对起降容量受限和航班延误耗损的变化趋势,提出基于时隙分配的航班时刻规划算法.该算法以调整时间最小和延误耗损总和最小为准则,对进离港航班统一分配时隙.算法考虑了对航班的前提调整,从而得到总延误损失费用与总延误时间值都较小的分配结果.同时,该算法也能处理有后继任务的航班.结合实际数据,用计算机仿真实验对该算法进行了验证,证明了算法的优化性和有效性.     

基于分层分解的一种实时车辆路径规划算法

道路网络通常是大规模和复杂的网络，而一般的最短路径算法需要大量的计算时间。为了减少计算负担，本文根据分层和空间分解的道路网络模型，提出了一种基于存储数据的车辆路径规划算法，路径通过查询表格获得。提出的算法尤其适用于集中式车辆路径规划。仿真结果表明，该算法在计算次最优路径时更快且要求更少的内存单元。     

整数规划在航空公司机型分配中的应用

针对航线的市场需求状况，以成本最小为目标函数，运用整数规划，提出了一种机型分配的方法，为航空公司在实际运营中分配机型提供了理论指导。     

飞行冲突探测与解脱的研究

由于空中交通流量的增加,我国的空中交通管理系统面临着越来越严重的航线拥挤。解决这一问题的最有效方法之一就是“自由飞行”,即允许飞行员选择最合适自己的飞行航线和飞行速度。但这却给管制员的工作带来的困难。本介绍了如何将遗传算法用于自由飞条件下的飞行冲突探测与解脱,并且表明由于该方法计算快速,能够很好地解决飞行冲突问题。     

AC-PSO算法在无人机任务规划中的应用

无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求.