终端区飞机排序的人工蜂群算法

摘 要：为缓解终端区空中交通压力,研究了人工蜂群算法在终端区飞机降落排序中的应用。建立以航班总延误时间最小为目标函数的规划模型,运用人工蜂群算法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法、模拟退火算法、蚁群算法进行了对比研究。仿真结果表明：在双跑道模型下,人工蜂群算法比先到先服务算法,延误减少了48%。与模拟退火算法和蚁群算法相比,人工蜂群算法求解的结果最优且用时最少。说明应用人工蜂群算法求解终端区飞机排序问题是可行的。     

基于自适应滑动窗的降落航班排序模型

通过对降落航班排序问题的研究,基于对降落总时间和计算量的优化,引入滑动窗模型.通过理论证明和仿真试验分析了窗体大小和步长对计算量和排序评估结果的影响.添加时间参数,使算法能自适应调节窗口大小和滑动步长.通过实际飞行计划仿真,本文的自适应滑动窗算法与先来先服务相比,明显减少了总降落时间,降低了航班调整力度,证明了算法的灵活性和实用性.     

基于自适应滑动窗的降落航班排序模型

对交通拥挤时进场航班进行合理排序，是空中交通流量管理的一个重要研究内容.通过对降落航班排序问题的研究，基于对降落总时间和计算量的优化，引入滑动窗模型.通过理论证明和仿真试验分析了窗体大小和步长对计算量和排序评估结果的影响.添加时间参数，使算法能自适应调节窗口大小和滑动步长.通过实际飞行计划仿真，本文的自适应滑动窗算法与先来先服务相比，明显减少了总降落时间，降低了航班调整力度.证明了算法的灵活性和实用性.     

一种求解终端区紧急降落飞机的插入算法

空中管制员需为到达的飞机安排跑道并计算着陆时间,研究在一条单跑道上安排要求紧急降落的飞机到已排好降落次序的飞机队列中的飞机着陆调度问题.紧急降落的飞机只有出现在终端区时才知道它的机型和预期落地时间.约束条件为紧急降落的飞机应在预期落地时间之前降落及其与前后相邻两架飞机应满足最小时间间隔.已排好的飞机可以被延迟降落,但降落次序不能改变.目标函数是使由于插入紧急降落飞机所造成飞机的总延误时间增加值最小.针对该问题设计了一种优化插入算法对问题进行求解,该算法分为两部分：离线部分——为了实行实时插入紧急降落的飞机做准备;在线部分——当出现紧急降落的飞机后施行实时计算出其插入位置.实例验证了该算法的有效性.     

航班延误优化模型及算法

针对航班延误问题,通过谱系聚类的方法对20所机场进行分类,分析中国航班延误的原因,得出飞机在终端区的排序问题是制约空中流量控制的一个重要因素,在已有的FCFS(先到先服务)的排序方法之上,通过多因素的比较,建立模糊综合评价指标,利用模糊综合评价和层次分析相结合的方法对已有的FCFS排序方法进行改进.通过对航班预计到达时间、航班飞行速度及飞行性质3个因素,利用Matlab编程对10架航班进行仿真处理,对终端区航班进行重新排序,验证了模型的有效性.     

单机调度问题在终端区排序中的应用研究

当终端区比较拥挤的时候,就需要对到达流航班着陆顺序进行调整,以有效缓解终端区的压力、缩短队列完成时间、提高飞行的安全性.飞机排序问题(ASP)属于NP-hard问题,通过将飞机排序问题表示成单机调度问题,设计了求解ASP的蚁群算法,以减少飞机队列总的完成时间最小为优化目标.通过与FCFS调度方法进行对比来验证基于蚁群算法的单机调度问题在单跑道机场终端区到达流排序中具有更好的适用性.     

基于混合动态规划算法的进场航班排序

在遵循优化并可行的算法设计理念下,为了更好解决终端区航班进场排序问题,本文提出一种混合动态规划算法。该算法在动态规划的基础上结合约束位置交换算法与滑动窗算法,将进场航空器合理分组、分阶段进行排序,综合考虑短期排序预测的灵活性和计算规模的适度,提高了算法的计算速度、灵活性和鲁棒性。仿真结果表明:与传统先到先服务算法相比,改进后的混合算法不仅能减少延误11.6%,计算速度快,而且还避免了与原次序的较大变化,便于管制策略的实施。     

带目标权重的物流路径优化研究—基于模拟退火蚁群算法

物流路径优化问题是物流研究领域十分重要的研究课题。针对物流企业对物流配送时间、距离以及运输成本的要求不同,建立带目标权重的物流路径数学模型,物流企业可对目标权重进行赋值进而满足自身的需求。针对基本蚁群算法易陷入局部最优以及收敛速度慢的缺陷,对基本蚁群算法的转移规则和信息素进行改进,然后在改进的基本蚁群算法中融入模拟退火算法思想,建立模拟退火蚁群算法。实验结果表明:模拟退火蚁群算法能搜寻到比基本蚁群算法更优的综合成本,且收敛速度更快,同时也表明模拟退火蚁群算法的可行性及数学模型的合理性。     

累积优先级时隙分配算法的GDP模型

针对空中交通拥挤日益严重的现象,提出一种基于累积优先级时隙分配算法的地面等待程序模型.该算法在计算航班优先级时综合考虑了航班的延误时间、延误损失费用和飞行距离三种因素,通过引入权重来调配三者的重要程度.时隙分配时,采用累积优先级较大者优先的方式.通过计算机进行仿真,仿真实验表明,本算法能得到有效正确的时隙分配方案,且与先来先服务算法、整数规划算法比较,航班总延误时间和总延误费用有较大的减少.     

近距平行跑道基于相关平行进近模式排序研究

近距平行跑道基于相关平行进近模式排序能最大限度地提高跑道运行能力.介绍了相关平行进近模式,以总延误成本最小为目标函数,综合考虑跑道约束、着陆时刻约束、配对约束、排序约束和间隔约束等约束条件,建立了着陆航班排序模型,采用改进的先到先服务算法求解,得到各航班的延误成本以及总的延误成本.以上海虹桥国际机场为例,结果表明近距平行跑道采取相关平行进近模式较一起一降模式能很大程度地减少延误成本.     

到达率和飞机流结构对终端区排序的影响研究

为了找出终端区平均到达率和飞机流结构与优化排序结果之间的关系,通过选取平均到达率和飞机流结构的不同组合,再使用循环排序找出最优结果。在此基础上,分别研究和分析了平均到达率和飞机流结构对飞机流总体,重型飞机、大型飞机和小型飞机优化结果的影响程度。经过大量数据仿真和统计表明：当终端区有10架待降飞机时,与先到先服务原则相比,平均可以减小延误达30%左右;重型飞机和大型飞机的延误对平均到达率的变化较为敏感,而小型飞机则非常有限;从飞机流结构变化的角度看,随着大型飞机和小型飞机所占比例的逐渐减少,重型飞机和大型飞机延误可以得到明显的缩减,而小型飞机延误的缩减程度变化较小。研究结果可以为终端区飞机的着陆调度提供借鉴和参考,同时为进一步研究跑道容量与来流飞机的关系打下基础。     

单机排序元胞传输模型在终端区排序中的应用

为缓解终端区航班延误问题,将终端区进场航空器排序过程分为航路飞行排序阶段和汇聚排序阶段,从而降低问题复杂度,结合单机排序算法与元胞传输理论,利用标准雷达引导航线,并结合实际管制经验,建立以系统运行时间最短为目标函数的元胞传输模型;根据航空器对链一体化原则,将等待着陆的航空器分组,并赋予相应的权值,针对航空器对链影响因子的不同进行排序,并结合实例计算得到系统总运行时间,起点处等待时间,最终着陆顺序等。结果分析表明,该优化模型能够反映终端区进场航班的动态特性,给出合理的航空器进场顺序,为终端区进场航班提供路径参考,满足实际的运行需求。     

基于模糊控制的无人机集群视觉着降

在基于视觉导航的自主着降过程中,旋翼无人机受到自身机械振动和复合风场环境等因素的干扰,降落精度低、速度慢,影响集群回收的安全性。针对这一问题,提出一种基于模糊控制和视觉导航的集群自主着降算法。首先无人机集群飞至降落区域后,无人机通过目标检测算法找到自身对应的降落标识,再利用像素距离解算出无人机与对应降落标识间的实际水平距离,然后通过模糊化、模糊推理、去模糊化得到无人机精准对准降落点的控制指令,最终实现集群精准着降。仿真实验与实际飞行实验结果表明,该算法具有更高的鲁棒性,可有效提升无人机集群着降的速度。     

基于滚动时域的遗传-免疫算法优化航班着陆调度

航班调度问题一直是空中交通管制(ATC)中的一个复杂而具有重要意义的任务,而航班着陆问题(ALS)是其中的核心问题.航班着陆调度是NP-hard问题,具有规模大、约束条件多的特点.因此,为了有效合理地解决航班着陆问题,本文提出了基于滚动时域的遗传-免疫算法(RHC HGIA)的航班着陆调度算法.RHC HGIA主要从两个方面解决航班着陆问题,一方面根据设定的滚动时域长度与大小选择需要进行优化的待降落航班;另一方面对选择的待降落航班使用遗传-免疫算法进行优化并确定其实际着陆时间.经过优化后的航班组成新的航班降落序列,从该序列中选择实际着陆时间在给定时域范围内的航班进行着陆.重新设置滚动时域长度,选择待降落航班进行优化,直到所有待着陆航班都已着陆为止.本文仿真实验以某机场一天内的20架待着陆航班数据为基础,并在机场管制仿真系统中进行模拟仿真.仿真实验表明,与传统航班着陆调度算法(FCFS)相比,经过RHC_HGIA算法优化后的待着陆航班的额外成本有明显的降低.     

基于同态滤波的MLS抗多径测角算法

针对微波着陆系统存在多径干扰引起测角误差的问题,研究了多径干扰的短时、相关、对称、卷积等特性,提出一种基于同态滤波的抗多径测角算法.建立了基于双对称性的信号模型,然后将卷积特征系统转换为线性系统,最后在混合信号中提取信息,实现了“往”“返”脉冲时差的精确测量.仿真表明,在“往”“返”脉冲接收信号存在多径干扰时,该算法能有效地降低多径干扰对测角精度的影响;当算法满足适用条件时,与常规测角算法相比精度提高了一个数量级.     

基于再励学习的歼击机安全着陆横侧向协调控制

基于大系统递阶控制思想,提出了一种运用再励学习算法设计歼击机自动着陆横侧向协调控制系统的方法.将再励学习算法引入歼击机着陆阶段的横侧向子系统的协调控制中,对滚转通道和航向通道的控制器参数进行在线寻优,提高了在线补偿神经网络消除非线性系统逆误差的能力,有效地改善了歼击机着陆阶段横侧向控制子系统的鲁棒性能.通过将这种方法应用于某型歼击机自动着陆控制的实时仿真研究,仿真结果表明了本文方法的有效性和可行性.     

终端区航空器飞行间隔研究

针对终端区不合理的航空器飞行间隔严重影响飞行安全和机场吞吐量的问题,提出了基于场面监视雷达历史运行数据的终端区航空器飞行间隔算法。通过分析离散的场监雷达点迹数据,可获得航空器的历史轨迹。基于航空器起飞时刻和降落时刻提出了航空器间在不同起降序列下的时间、距离间隔计算方法。研究了机场流量、航空器起降序列、跑道的使用方向变化对航空器飞行间隔的影响。实践结果表明,场面监视雷达数据可以有效地用于分析航空器间的时间和距离间隔;机场流量与终端区航空器飞行间隔负相关,航空器间的时间间隔和距离间隔正相关,飞行间隔与跑道使用方向变化无关。合理的起降次序和良好的管制习惯可有效地缩小终端区航空器飞行间隔。