基于似然轨迹预测的空中交通复杂度评估方法

对空中交通复杂度长周期的准确预测是实现空中交通管理系统资源动态分配的一个关键因素。针对以往的空中交通复杂度评估方法中长周期预测精度不足的问题,提出了一种基于飞机似然轨迹预测的复杂度评估方法。所提方法利用随机线性混杂系统理论对飞机动态和外部扰动进行建模,并结合飞机飞行意图实现飞机轨迹的准确预测;根据一阶和二阶空中交通复杂度映射的定义,将复杂度预测问题转化为高斯随机变量的二次型求解问题,并采用劳伦级数展开计算出复杂度映射。通过对设计的场景进行仿真,证明了所提方法的有效性。     

基于机型间隔的机场终端区流量优化

在传统流量优化模型的基础上,综合飞机机型、尾流间隔时间等因素,提出了一种基于机型的机场流量动态优化模型.考虑各种机型飞机起降特性差异和现代空管人员的实际需要,该模型进一步细化了各种机型起降间隔的分类关系,实现了机场终端区流量的优化分配,提高了终端区交通流量;并在此模型基础上,给出了确定满足此分配方案的机型起降队列方法,为空管人员提供有效的决策参考.最后以单跑道机场为例,验证了模型的有效性.     

基于高程异常补偿的飞机终端区组合导航高度优化算法

大型机场终端区飞机的进近着陆通常利用仪表着陆系统(instrument landing system, ILS), 但由于价格及环境条件等原因, 部分机场没有配备ILS。针对未配备ILS的机场终端区, 提出一种基于误差判断因子, 结合高程异常补偿算法, 利用大气数据系统(air data system, ADS), 捷联式惯性导航系统(strapdown inertial navigation system, SINS)和北斗导航系统(beidou navigation system, BDS)组合进行高度计算的优化算法, 提高飞机进近过程中高度定位的精度。通过结合机场终端区高程异常, 建立新的Kalman滤波高度量测方程, 对组合导航系统高度定位算法进行优化与仿真。仿真结果表明, 通过终端区高程异常补偿, 可以降低BDS高度误差, 抑制SINS误差发散, 在飞机受静压源误差影响的情况下, 组合后的高度定位误差相对于单系统高度定位的误差可降低41.52%, 高度定位精度改善较好。     

基于随机森林的对流天气下终端区容量预测

分析了对流天气影响下的管制运行特点,从空域、交通和气象的角度量化了影响终端区起降容量的特征,进行了基于信息增益的特征筛选,建立了基于随机森林的终端区小时起降容量预测模型.以广州终端区为例,使用10折交叉检验和自助法的模型评估方法以及均方误差和决定系数度量了模型的性能,与基于最大流最小割解析模型的容量预测方法相比,容量预测的绝对平均误差降低了 83%,绝对平均误差方差降低了 80%.     

基于控制变量估计的高超声速再入滑翔目标轨迹预测算法

以高超声速再入滑翔目标为研究对象,在对目标机动控制变量进行建模分析的基础上提出了一种轨迹预测算法。首先,基于动力学建模构建了目标跟踪模型,利用气动参数对目标状态向量进行扩维并推导了对应的运动模型。其次,构造了适用于轨迹预测的目标机动控制变量,在不同机动模式下分析了控制变量的变化规律,基于控制变量设计了对应运动方程以及轨迹预测模型。最后,仿真生成了两条轨迹并对所提算法进行了仿真验证,分析了算法性能。仿真结果表明所提轨迹预测算法能够取得较好的预测效果。     

基于控制变量估计的高超声速再入滑翔目标轨迹预测算法

以高超声速再入滑翔目标为研究对象,在对目标机动控制变量进行建模分析的基础上提出了一种轨迹预测算法。首先,基于动力学建模构建了目标跟踪模型,利用气动参数对目标状态向量进行扩维并推导了对应的运动模型。其次,构造了适用于轨迹预测的目标机动控制变量,在不同机动模式下分析了控制变量的变化规律,基于控制变量设计了对应运动方程以及轨迹预测模型。最后,仿真生成了两条轨迹并对所提算法进行了仿真验证,分析了算法性能。仿真结果表明所提轨迹预测算法能够取得较好的预测效果。     

基于可拓多层次状态分类的终端区利用率评价

建立了空间、时间、容量3个维度多层次机场终端区利用率评价指标体系,采用可拓层次分析法与状态分类评价法相结合的综合评价方法,对终端区评价日利用率等级进行评判。该方法实现了定性与定量方法的有效结合,能准确、全面评价机场终端区的利用率等级,对促进空域充分合理使用及提高空域管理水平具有重要指导意义。以杭州机场终端区为例,确定了单跑道机场利用率的阈值分布,结果表明该终端区利用率等级为良,实例验证了该方法的可行性。     

地形跟随飞行控制系统的仿真研究

首先通过对线性规划问题加以简化规划出了理想的飞行参考轨迹,然后采用预测函数控制计算控制指令,使飞机自动地跟踪已规划出的最优参考轨迹,最后针对各种典型地形进行了数字仿真,大量的数字仿真表明该方案符合地形跟随系统的要求.     

基于控制参数估计的再入滑翔目标智能轨迹预测算法

再入滑翔目标的轨迹预测是一项困难且具有意义的技术, 现有利用简单函数拟合控制参数进行轨迹预测的方法, 拟合精度不高且对数据的关联性不强。针对该问题, 本文结合长短期时序网络提出了基于控制参数估计的智能轨迹预测算法。首先, 通过设计快速轨迹生成算法, 结合攻角走廊模型快速生成大量机动轨迹, 构建数据集。然后, 建立了包含末点修正网络、控制参数修正网络及预测网络的智能轨迹预测框架, 利用数据集对关键控制参数的变化规律进行学习。最后, 结合目标运动模型积分外推实现轨迹的准确预测。仿真结果表明, 所设计的预测算法在不同机动模式下的预测平均误差不超过1.4 km, 最大误差不超过2.5 km, 能够实现轨迹的快速预测, 且对大气扰动造成的模型不确定性具有一定的鲁棒性。     

用门控循环单元实时预测空战飞行轨迹

为了提高飞机飞行轨迹预测准确率、确保轨迹预测实时性,提出使用门控循环单元(gated recurrent unit, GRU)预测轨迹。对不同条件下的不同机动动作进行飞行仿真,得到大量轨迹样本。设计具有不同层数和神经元个数的网络,用得到的样本对其进行训练。选出在测试集上误差最小的网络结构。对比GRU网络、循环神经网络和反向传播网络的相对误差和预测用时。引入坐标变换矩阵,使轨迹预测不受航向和坐标系影响。对比3种方法在一段频繁变化的轨迹上的绝对误差。结果表明,所提方法的平均绝对误差在x轴上约为18 m,在y轴上约为11 m,在z轴上约为22 m,显著小于另外两种方法,且平均预测用时约为2.4 ms,满足实时性要求。     

基于贝叶斯网络的进场航班排序队列稳定性研究

为了提高终端空域航空器到达时间预测的准确性和排序队列的稳定性,本文从分析影响航空器预计到达时间ETA的不确定因素出发,建立了同一机型航空器过同一边界点到达时间的概率模型,提出了一种通过实际飞行数据计算到达时间的概率方法,利用贝叶斯网络计算各影响因素对ETA 影响程度. 实验结果表明,用概率方法预测到达时间具有简单易操作且准确性高的特点. 利用影响程度作为权重进行修正并量化了ETA 的不确定性,有助于改善进场航班排序队列的稳定性.     

终端区空域规划运行评价指标体系

为了合理分配管制资源,保障高效运作终端区,通过对终端区空域规划运行效能进行量化分析,进而掌握其运行情况及发展形势。首先建立了基于8类关键性能领域的终端区空域规划运行评价指标体系。然后采用状态分类评估法构造综合评价函数,利用基于随机森林(random forest, RF)算法的可拓层次分析法(extension analytic hierarchy process, EAHP)分析计算指标权重,达到综合考虑指标影响、加强指标量化程度、减少研究过程主观性的目的。最后,以广州终端区和武汉进近为例,对八大关键性能指标进行实例分析,采用蒙特卡洛(Monte Carlo)模拟验证了指标计算结果的可靠性,提升了指标的认可度,验证了系统评价结果的准确性。     

固体火箭助推段终端多约束能量管理制导研究

针对高超声速飞行器投放任务要求,开展了固体火箭助推段终端多约束能量管理制导研究。根据三级固体火箭第三级飞行特点,提出一种基于纵向、侧向联合设计制导方法。纵向在高度时间剖面内生成名义轨迹,并完成跟踪制导律设计,实现终端高度、当地弹道倾角和攻角约束。侧向采用两次反向的修正交变姿态控制能量管理(alternate attitude control energy management, AEM),并通过预测校正相关参数,提高速度控制精度,实现侧向位移收敛。仿真结果表明,本方法可实现不同终端约束制导任务需求,具有在线自适应能力。     

用门控循环单元实时预测空战飞行轨迹

为了提高飞机飞行轨迹预测准确率、确保轨迹预测实时性,提出使用门控循环单元(gated recurrent unit, GRU)预测轨迹。对不同条件下的不同机动动作进行飞行仿真,得到大量轨迹样本。设计具有不同层数和神经元个数的网络,用得到的样本对其进行训练。选出在测试集上误差最小的网络结构。对比GRU网络、循环神经网络和反向传播网络的相对误差和预测用时。引入坐标变换矩阵,使轨迹预测不受航向和坐标系影响。对比3种方法在一段频繁变化的轨迹上的绝对误差。结果表明,所提方法的平均绝对误差在x轴上约为18 m,在y轴上约为11 m,在z轴上约为22 m,显著小于另外两种方法,且平均预测用时约为2.4 ms,满足实时性要求。     

基于LSTM的弹道导弹主动段轨迹预报

弹道导弹主动段长周期轨迹预报能够为导弹防御系统提供早期预警信息。传统的轨迹预报方法大多集中在导弹的自由段与再入段,通过解析法、数值积分法或函数逼近法推断未来时刻目标的状态。由于弹道导弹在主动段会受到多个未知作用力的影响,其轨迹预报相比自由段与再入段更具挑战性。为此,本文提出了一种基于长短时记忆(long short-term memeory, LSTM)网络的弹道导弹主动段轨迹预报方法。首先,根据导弹主动段动力学模型与弹道参数典型取值生成用于网络训练的大规模轨迹样本;其次,设计了基于深度LSTM网络的弹道导弹主动段轨迹递归预报方法;最后,与基于数值积分法、多项式拟合及反向传播神经网络的轨迹预报方法的实验对比,表明了所提方法在主动段轨迹预报上的优越性。     

基于LSTM与1DCNN的导弹轨迹预测方法

针对弹道导弹等超远程攻击目标的轨迹难以预测的问题,提出一种基于长短期记忆(long short-term memory, LSTM)网络与一维卷积神经网络(1-dimensional convolutional neural network, 1DCNN)的目标轨迹预测方法。首先,建立三自由度导弹运动模型,依据再入类型设计3种目标轨迹数据,构建机动数据库,解决轨迹数据的来源问题。其次,采用重复分割与滑动窗口的方法对轨迹数据进行预处理。然后,基于LSTM与1DCNN设计了一种目标类型分类网络,对目标进行初步分类。最后,基于1DCNN设计轨迹预测网络,对目标轨迹进行预测。仿真结果表明,提出的轨迹预测网络能够完成轨迹预测任务,预测误差在合理范围内。     

AdaBoost-PSO-LSTM网络实时预测机动轨迹

针对自主空战中轨迹预测难以同时保持高预测精度和短预测时间的问题, 提出一种自适应增强的粒子群优化长短期记忆网络预测方法。首先,建立三自由度无人机动力学模型, 解决机动轨迹的数据来源问题。其次,分析长短期记忆网络, 并引入在线预测的滑动模块输入矩阵, 利用粒子群优化算法代替传统基于时间的反向传播算法进行网络内部权值更新; 同时为解决优化算法非定向性问题, 提出数据共享方法。然后,为进一步提高预测精度, 采用自适应增强算法搭建外框架, 通过控制弱预测器的数量平衡预测精度与预测时间。最后, 在一段变化较为频繁的轨迹进行预测, 与5种神经网络预测方法进行比较, 结果表明所提方法能够较好地满足精度和时间要求。     

高超声速飞行器分解集成轨迹预测算法

针对无动力滑翔高超声速飞行器的轨迹预测问题,提出了分解集成轨迹预测模型。依据运动轨迹的周期跳跃特性,运用先集成再分解的轨迹预测思路,首先将运动轨迹序列分解为具有趋势性、周期性和随机性特征的子序列,再针对每项子序列的特征采用相应的子轨迹预测模型,最后将各子轨迹预测模型预测结果的集成作为最终预测值。由于子序列与子轨迹预测模型具有更高的契合度,使得分解集成轨迹预测 算法相对于使用单一模型的轨迹预测算法更具优势。仿真实验表明,分解集成轨迹预测算法显著提高了轨迹预测精度。