CN114912688B - 一种基于爬升段能量分享因子估算的航空器轨迹预测方法 - Google Patents
一种基于爬升段能量分享因子估算的航空器轨迹预测方法 Download PDFInfo
- Publication number
- CN114912688B CN114912688B CN202210546735.9A CN202210546735A CN114912688B CN 114912688 B CN114912688 B CN 114912688B CN 202210546735 A CN202210546735 A CN 202210546735A CN 114912688 B CN114912688 B CN 114912688B
- Authority
- CN
- China
- Prior art keywords
- mach
- threshold
- ias
- segment
- limit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000009194 climbing Effects 0.000 title claims abstract description 60
- 238000012216 screening Methods 0.000 claims abstract description 32
- 238000001914 filtration Methods 0.000 claims description 58
- SLVOVFVZZFUEAS-UHFFFAOYSA-N 2-[2-[2-[bis(carboxymethyl)amino]ethoxy]ethyl-(carboxymethyl)amino]acetic acid Chemical compound OC(=O)CN(CC(O)=O)CCOCCN(CC(O)=O)CC(O)=O SLVOVFVZZFUEAS-UHFFFAOYSA-N 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 3
- 239000002245 particle Substances 0.000 abstract description 3
- 208000011038 Cold agglutinin disease Diseases 0.000 abstract 2
- 208000020345 childhood apraxia of speech Diseases 0.000 abstract 2
- 208000014155 speech-language disorder-1 Diseases 0.000 abstract 2
- 238000004364 calculation method Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0095—Aspects of air-traffic control not provided for in the other subgroups of this main group
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Radar Systems Or Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于爬升段能量分享因子估算的航空器轨迹预测方法,对航班S模式雷达数据进行数据清洗、数据插值、数值滤波等预处理操作,得到离散化航迹数据。对气压高度、指示空速和马赫的离散化数据集合数据进行求导,通过比较气压高度导数与高度阈值,筛选出平飞段;通过比较指示空速导数与速度阈值,筛选出CAS段;通过比较马赫导数与马赫阈值,筛选出等Mach段。将爬升阶段细分为等CAS段、加速爬升段与等Mach段后,基于航空器性能模型,根据不同爬升阶段的对应能量分享因子公式计算数值,通过质点模型实现短时航空器高度剖面预测,从而支撑更为精准的航空器轨迹预测。
Description
技术领域
本发明涉及一种航空器轨迹预测方法,特别是一种基于爬升段能量分享因子估算的航空器轨迹预测方法。
背景技术
随着航空运输业的快速发展,空中交通流量持续增长,航班拥堵愈发问题凸显,因此提高空中交通效率,减少航班延误变得迫在眉睫。四维航迹预测技术是实现基于航迹运行的基础,准确的航迹预测结果有助于流量管理人员对飞行流量进行总体的把握,从而保障流量管理的有效实施,避免航班冲突的发生,减少空域拥堵,降低管制员工作负荷,增强空中交通安全。
航空器轨迹预测是一个随机线性混合***估计问题,基于BADA航空器性能模型进行四维轨迹预测是当前轨迹预测的主要方法之一。航空器数据基础(Base of AircraftData,BADA)是由由欧洲控制中心与航空器制造商和运营航空公司合作开发和维护的以美国资讯交换标准码(ASCⅡ)文件组成的资料,能够分别确定航空器在爬升阶段、巡航阶段和下降阶段的性能模型。BADA基于动力学方法进行航空器性能建模,将航空器视为质点,建立航空器质点模型,通过全能量方程、推力、阻力、燃油消耗、能量分享因子等参数计算航空器运动过程,从而预测航空器的轨迹。爬升段的预测准确性至关重要,而能量分享因子ESF可以用来确定在选定的速度剖面下爬升和加速的能量配比,通过应用用于运动学和动力学公式可以进行航空器的高度预测。由于能量分享因子的计算公式是一个微分方程,计算结果很容易受到扰动造成结果的波动,BADA模型提供了不同爬升阶段能量分享因子(等CAS段、加速爬升段、等Mach段)的近似值计算公式,因此需要明确飞行包线的关键节点,基于不同的飞行阶段进行航空器轨迹预测。
发明内容
发明目的:本发明所要解决的技术问题是针对现有技术的不足,提供一种基于爬升段能量分享因子估算的航空器轨迹预测方法。
为了解决上述技术问题,本发明公开了一种基于爬升段能量分享因子估算的航空器轨迹预测方法,包括以下步骤:
步骤1,S模式雷达数据项包含时间戳T、气压高度Hp、指示空速IAS以及马赫Mach;一架包含n个航迹点的航班的S模式航迹数据为P={pi,i=1,2,...,n},n为正整数,pi=[ti,hi,si,mi]表示第i个航迹点,ti、hi、si和mi分别代表该航迹点的时间戳、气压高度、指示空速和马赫;
步骤2,根据限制高度过滤数据,并利用速度剖面筛选异常数据,实现数据清洗;
步骤3,对S模式航迹数据进行插值,采用线性插值方法拓展S模式的航迹数据,差值拓展后的航迹数据为Pinterpolation={pi,i=1,2,...,N},N为正整数;
步骤4,采用中值滤波和均值滤波对插值拓展后的航迹数据进行滤波平滑处理;
步骤5,分别计算气压高度Hp、指示空速IAS和马赫Mach的导数Hg、Sg和Mg;
步骤6,采用中值滤波和均值滤波组合方法对气压高度Hp、指示空速IAS和马赫Mach的导数进行滤波,得到滤波后的气压高度导数Hgf、滤波后的指示空速导数Sgf和滤波后的马赫导数Mgf;
步骤7,根据气压高度Hp、指示空速IAS和马赫Mach的导数与阈值确定各项数据等值段的起止点;
步骤8,根据气压高度Hp、指示空速IAS和马赫Mach的窗口长度筛选对应的有效等值段,计算等值段内航迹数据的标准差,与对应的标准差阈值比较,筛选出有效等值段;
步骤9,计算等值段的均值,通过比较其中等IAS段均值与等CAS段经验值以及等Hp值和等Mach值确定爬升剖面的各阶段;
步骤10,根据爬升各阶段的运动学特征,利用航空器数据基础BADA用户手册提供的分段公式计算不同爬升段的能量分享因子,根据得到的能量分享因子计算航空器的爬升率和真空速,从而实现航空器轨迹预测。
本发明步骤1中,所述时间戳表示为T={ti,i=1,2,...,n},气压高度表示为Hp={hi,i=1,2,...,n},指示空速表示为IAS={si,i=1,2,...,n},马赫表示为Mach={mi,i=1,2,...,n}。
本发明步骤2中,数据清洗的过程包括:
步骤2-1,根据限制高度过滤数据,保留气压高度hi>3000的航迹点Pconstraint={pj|hi>3000,i=j,...,n},舍弃气压高度低于限制高度的航迹点数据;
步骤2-2,计算第i个航迹点IAS的数据的导数,记作sgi,比较sgi和IAS导数阈值ThrIAS_gradient,若|sgi|>ThrIAS_gradient,则当前航迹点为离群点,该架次航班数据异常,予以剔除;
步骤2-3,计算所有航迹点的指示空速IAS数据的均值和标准差比较航迹点标准差σIAS和指示空速IAS的阈值ThrIAS_standard,如果限制高度以上的全部航迹点的σIAS<阈值ThrIAS_standard,则指示空速IAS为常值,为异常源数据,予以剔除。
本发明步骤3中,采用线性插值方法拓展S模式的航迹数据的方法包括:
步骤3-1,若时间戳间隔ti+1-ti>1,第k个航迹点的指示空速IAS值sk=si+(si+1-si)/(ti+1-ti),Mach值mk=mi+(mi+1-mi)/(ti+1-ti),Hp值hk=hi+(hi+1-hi)/(ti+1-ti),拓展后的航迹点为Pinterpolation={pi,i=1,2,...,N};
步骤3-2,若时间戳间隔ti+1-ti=1,则不插值。
本发明步骤4中,所述滤波平滑处理包括中值滤波和均值滤波,方法包括:
步骤4-1,记中值滤波的窗口长度为lm,则第i个航迹点pi对应的中值滤波窗口内的航迹点Pwindow_median={pj,j=i-lm/2,...,i,...,i+lm/2},中值滤波窗口内航迹点的中位数用中值/>代替原航迹点数据pi,按照时间戳向后滑动窗口;
步骤4-2,记均值滤波的窗口长度为la,那么第i个航迹点pi对应的均值滤波窗口内的航迹点Pwindow_average={pj,j=i-la/2,...,i,...,i+la/2},均值滤波窗口内航迹点的均值用均值/>代替原航迹点数据pi,随后按照时间戳向后滑动窗口。
本发明步骤5中,分别对气压高度Hp、指示空速IAS和马赫Mach求导,方法包括:
指示空速IAS的导数为其中,/>
马赫Mach的导数为其中/>
气压高度Hp的导数为其中/>
本发明步骤6中,分别对气压高度Hp、指示空速IAS和马赫Mach的导数滤波,方法包括:
步骤6-1,对气压高度Hp、指示空速IAS和马赫Mach的导数Hg、Sg和Mg进行中值滤波,得到Hgm、Sgm和Mgm;
步骤6-2,对气压高度Hp、指示空速IAS和马赫Mach的导数Hg、Sg和Mg中值滤波的结果Hgm、Sgm和Mgm进行均值滤波,得到滤波后的气压高度导数Hgf、滤波后的指示空速导数Sgf和滤波后的马赫导数Mgf;
本发明步骤7中,根据导数确定气压高度、指示空速和马赫的导数与阈值确定各项数据等值段起止点的方法包括:
步骤7-1,比较气压高度Hp的滤波后的气压高度导数Hgf与阈值thresholdH,根据阈值筛选气压高度集合SH={hi||Hgf(hi)|≤thresholdH,i=kh,…,qh},记为平飞段;
步骤7-2,比较指示空速IAS的滤波后的指示空速导数Sgf与阈值thresholdS根据阈值筛选指示空速集合SS={si||Sgf(si)|≤thresholdS,i=ks,…,qs},记为等CAS段;
步骤7-3,比较马赫Mach的滤波后的马赫导数Mgf与阈值thresholdM,根据阈值筛选马赫集合SM={mi||Mgf(mi)|≤thresholdM,i=km,…,qm},记为等Mach段。
本发明步骤8中,筛选有效的气压高度Hp、指示空速IAS和马赫Mach等值段的方法包括:
步骤8-1,根据等值段时长进行筛选的方法包括:
等值段长度阈值为thresholdconst,满足时长限制的等CAS段集合为ZS={si|qs-ks≥thresholdconst,i∈SS},保留满足限制的等CAS段,舍弃不满足限制的等CAS段;
满足时长限制的等Mach段集合为ZM={mi|qm-km≥thresholdconst,i∈SM},保留满足限制的等Mach段,舍弃不满足限制的等Mach段;
满足时长限制的平飞段集合为ZH={hi|qh-kh≥thresholdconst,i∈SH},保留满足限制的平飞段,舍弃不满足限制的平飞段;
步骤8-2,根据等值段内航迹点的标准差进行筛选,方法包括:
设定等值段标准差阈值为thresholdstd,满足标准差限制的等CAS段集合为DS={si||std(si)|≤thresholdstd,i=ks,…,qs},保留满足限制的等CAS段,舍弃不满足限制的等CAS段;
满足标准差限制的等Mach段集合为DM={mi||std(mi)|≤thresholdstd,i=km,…,qm},保留满足限制的等Mach段,舍弃不满足限制的等Mach段;
满足标准差限制的平飞段集合为DH={hi||std(hi)|≤thresholdstd,i=kh,…,qh},保留满足限制的平飞段,舍弃不满足限制的平飞段。
本发明步骤9中,根据等CAS段、等Mach段和平飞段确定爬升阶段的飞行高度剖面,方法包括:
步骤9-1,记第k个平飞的均值为将数值最大的平飞段记作巡航段,巡航段前都视作爬升段,巡航段起点记作爬升段终点;
步骤9-2,比较气压高度Hp与限制高度thresholdconstraint,根据阈值筛选气压高度集合CH={hi||Hgf(hi)|≥thresholdconstraint,i=kh,…,qh},将集合CH的第一个点记作爬升段起点;
步骤9-3,将两个等CAS段之间的阶段记作加速爬升段;
步骤9-4,记第k个等Mach段的均值爬升段中第一个等Mach段到最后一个等Mach段都视作等Mach段。
有益效果:
与现有技术相比,其显著优点为:利用梯度识别方法,可以更好地识别等值段的起止点,确定航迹的等CAS段、加速爬升段和等Mach段,进而根据BADA性能模型计算各阶段能量分享因子数值。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1为本发明中基于爬升段能量分享因子估算方法的流程图。
图2为本发明实施实例的航班的爬升段剖面。
图3为本发明实施实例的能量分享因子结果剖面。
具体实施方式
下面将结合附图,对本发明的实施例进行描述。
如图1所示,本发明的一种基于爬升段能量分享因子估算的航空器轨迹预测方法,包括以下步骤:
步骤1:S模式雷达数据项包含时间戳T、气压高度Hp、指示空速IAS、马赫Mach等,一架包含n个航迹点的航班的S模式航迹数据为P={pi,i=1,2,...,n},n为正整数,用pi=[ti,hi,si,mi]表示第i个航迹点,ti、hi、si、mi分别代表该航迹点的时间戳、气压高度、指示空速和马赫;
步骤2:根据限制高度过滤数据,并利用速度剖面筛选异常数据,实现数据清洗;
数据清洗的过程为:
步骤2.1,根据限制高度过滤数据,保留气压高度hi>3000的航迹点Pconstraint={pj|hi>3000,i=j,...,n},舍弃气压高度低于限制高度的航迹点数据;
步骤2.2,计算第i个航迹点IAS的数据的导数,记作sgi,比较sgi和IAS导数阈值ThrIAS_gradient,若|sgi|>ThrIAS_gradient,当前航迹点就是一个离群点,那么该架次航班数据异常,予以剔除;
步骤2.3,计算所有航迹点的IAS数据的均值和标准差比较航迹点标准差σIAS和IAS的阈值ThrIAS_standard,如果限制高度以上的全部航迹点的σIAS<阈值ThrIAS_standard,则认为IAS为常值,为异常源数据,予以剔除;
步骤3:对S模式数据进行插值,采用线性插值方法拓展S模式的航迹点数据,拓展为P={pi,i=1,2,...,N},N为正整数;
航迹数据线性插值的过程为:
步骤3.1,若时间戳间隔ti+1-ti>1,第k个航迹点的IAS值sk=si+(si+1-si)/(ti+1-ti),Mach值mk=mi+(mi+1-mi)/(ti+1-ti),Hp值hk=hi+(hi+1-hi)/(ti+1-ti),拓展后的航迹点为Pinterpolation={pi,i=1,2,...,N};
步骤3.2,若时间戳间隔ti+1-ti=1,不需要插值;
步骤4:采用中值滤波和均值滤波对插值后的航迹数据进行滤波平滑处理;
对S模式雷达数据滤波进行中值滤波和均值滤波过程为:
步骤4.1,记中值滤波的窗口长度为lm,那么第i个航迹点pi对应的中值滤波窗口内的航迹点Pwindow_median={pj,j=i-lm/2,...,i,...,i+lm/2},中值滤波窗口内航迹点的中位数用中值/>代替原航迹点数据pi,随后按照时间戳向后滑动窗口;
步骤4.2,记均值滤波的窗口长度为la,那么第i个航迹点pi对应的均值滤波窗口内的航迹点Pwindow_average={pj,j=i-la/2,...,i,...,i+la/2},均值滤波窗口内航迹点的均值用均值/>代替原航迹点数据pi,随后按照时间戳向后滑动窗口;
步骤5:分别计算气压高度Hp、指示空速IAS、马赫Mach的导数Hg、Sg、Mg,指示空速IAS的导数马赫Mach的导数气压高度Hp的导数/>
步骤6:采用中值滤波和均值滤波组合方法对气压高度Hp、指示空速IAS、马赫Mach的导数进行滤波,得到Hgf、Sgf、Mgf;
对气压高度、指示空速、马赫的导数滤波,步骤如下:
步骤6.1,对气压高度Hp、指示空速IAS、马赫Mach的导数Hg、Sg、Mg进行中值滤波,得到Hgm、Sgm、Mgm;
步骤6.2,对气压高度Hp、指示空速IAS、马赫Mach的导数Hg、Sg、Mg中值滤波的结果Hgm、Sgm、Mgm进行均值滤波Hgf、Sgf、Mgf;
步骤7:根据气压高度Hp、指示空速IAS、马赫Mach的导数与阈值确定各项数据等值段的起止点;
根据导数确定气压高度Hp、指示空速IAS、马赫Mach的等值段起止点的过程为:
步骤7.1,比较气压高度Hp导数Hgf与阈值thresholdH,根据阈值筛选气压高度集合SH={hi||Hgf(hi)|≤thresholdH,i=kh,…,qh},记为平飞段;
步骤7.2,比较指示空速IAS导数Sgf与阈值thresholdS根据阈值筛选指示空速集合SS={si||Sgf(si)|≤thresholdS,i=ks,…,qs},记为等CAS段;
步骤7.3,比较马赫Mach导数Mgf与阈值thresholdM,根据阈值筛选马赫集合SM={mi|Mgf(mi)|≤thresholdM,i=km,…,qm},记为等Mach段;
步骤8:根据气压高度Hp、指示空速IAS、马赫Mach的窗口长度筛选对应的有效等值段,计算等值段内航迹数据的标准差,与对应的标准差阈值比较,筛选出有效等值段;
筛选有效的IAS、Mach、Hp等值段的过程为:
步骤8.1,根据等值段时长进行筛选的过程为:等值段长度阈值为thresholdconst,满足时长限制的等CAS段集合为ZS={si|qs-ks≥thresholdconst,i∈SS},保留满足限制的等CAS段,舍弃不满足限制的等CAS段,满足时长限制的等Mach段集合为ZM={mi|qm-km≥thresholdconst,i∈SM},保留满足限制的等Mach段,舍弃不满足限制的等Mach段,满足时长限制的平飞段集合为ZH={hi|qh-kh≥thresholdconst,i∈SH},保留满足限制的平飞段,舍弃不满足限制的平飞段;
步骤8.2,根据等值段内航迹点的标准差进行筛选,过程为:设定等值段标准差阈值为thresholdstd,满足标准差限制的等CAS段集合为DS={si||std(si)|≤thresholdstd,i=ks,…,qs},保留满足限制的等CAS段,舍弃不满足限制的等CAS段,满足标准差限制的等Mach段集合为DM={mi||std(mi)|≤thresholdstd,i=km,…,qm},保留满足限制的等Mach段,舍弃不满足限制的等Mach段,满足标准差限制的平飞段集合为DH={hi||std(hi)|≤thresholdstd,i=kh,…,qh},保留满足限制的平飞段,舍弃不满足限制的平飞段;
步骤9:计算等值段的均值,通过比较等IAS段均值与等CAS段经验值以及等Hp值、等Mach值确定爬升剖面的各阶段;
根据等CAS段、等Mach段、平飞段来确定爬升阶段飞行高度剖面的过程如下:
步骤9.1,记第k个平飞的均值为将数值最大的平飞段记作巡航段,巡航段前都视作爬升段,巡航段起点记作爬升段终点;
步骤9.2,比较气压高度Hp与限制高度thresholdconstraint,根据阈值筛选气压高度集合CH={hi||Hgf(hi)|≥thresholdconstraint,i=kh,…,qh},将集合CH的第一个点记作爬升段起点;
步骤9.3,将两个等CAS段之间的阶段记作加速爬升段;
步骤9.4,记第k个等Mach段的均值爬升段中第一个等Mach段到最后一个等Mach段都视作等Mach段;
步骤10:根据爬升各阶段的运动学特征,利用航空器数据基础BADA用户手册提供的分段公式计算不同爬升段的能量分享因子,根据得到的能量分享因子计算航空器的爬升率和真空速,从而实现航空器轨迹预测。
按照BADA用户手册中提供的不同爬升段的能量分享因子的计算公式计算能量分享因子的过程如下:
根据BADA用户手册,计算加速爬升段的能量分享因子;
根据BADA用户手册,计算等CAS爬升段的能量分享因子;
根据BADA用户手册,计算等Mach爬升段的能量分享因子。
步骤10中,根据爬升各阶段的运动学特征,利用航空器数据基础BADA用户手册提供的分段公式计算不同爬升段的能量分享因子,根据得到的能量分享因子确定航空器的爬升率和真空速,方法包括:
步骤10-1,根据BADA用户手册提供的能量分享因子分段公式,计算不同爬升段的能量分享因子近似值;
步骤10-2,记当前时刻为,将不同爬升段的能量分享因子近似值带入BADA手册提供的相应爬升段的运动学方程,计算下一时刻航空器的爬升率、气压高度和真空速。
下面结合图2至图3,通过仿真实验的实施例及其效果评价来进一步说明本发明。
在本实施例中,如图2所示,图中的虚点线、虚线和点线分别代表一条航迹的高度剖面、指示空速剖面和马赫数剖面,三者上的粗实线表示识别出的有效等值段。实验目标是通过曲线梯度的识别方法确定该航迹的平飞段、等速段和等马赫段,从而将爬升段细分为等CAS段、加速爬升段和等Mach段,根据BADA性能模型计算各阶段的能量分享因子。
在本实施例中,如图3所示,给出了本发明方法计算得到的等CAS段、加速爬升段和等Mach段及其对应的能量分享因子结果,其中,虚点线、虚线和点线分别代表一条航迹的高度剖面、指示空速剖面和马赫数剖面,粗实线代表基于不同爬升段的分段公式计算出的能量分享因子,细实线表示根据微分方程计算出的能量分享因子。结果表明本发明方法可以准确地确定等CAS段、加速爬升段和等Mach段,计算的能量分享因子能够反应实际能量分享因子的数值走向与大小,发明方法表现良好。
具体实现中,本发明还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时可包括本发明提供的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory,ROM)或随机存储记忆体(randomaccess memory,RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本发明提供了一种基于爬升段能量分享因子估算的航空器轨迹预测方法的思路及方法,具体实现该技术方案的方法和途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。
Claims (10)
1.一种基于爬升段能量分享因子估算的航空器轨迹预测方法,其特征在于,包括以下步骤:
步骤1,获取航空器的S模式雷达数据项,包含时间戳T、气压高度Hp、指示空速IAS以及马赫Mach;一架包含n个航迹点的航班的S模式航迹数据为P={pi,i=1,2,...,n},n为正整数,pi=[ti,hi,si,mi]表示第i个航迹点,ti、hi、si和mi分别代表该航迹点的时间戳、气压高度、指示空速和马赫;
步骤2,根据限制高度过滤数据,并利用速度剖面筛选异常数据,实现数据清洗;
步骤3,对S模式航迹数据进行插值,采用线性插值方法拓展S模式的航迹数据,差值拓展后的航迹数据为Pinterpolation={pi,i=1,2,...,N},N为正整数;
步骤4,采用中值滤波和均值滤波对插值拓展后的航迹数据进行滤波平滑处理;
步骤5,分别计算气压高度Hp、指示空速IAS和马赫Mach的导数Hg、Sg和Mg;
步骤6,采用中值滤波和均值滤波组合方法对气压高度Hp、指示空速IAS和马赫Mach的导数进行滤波,得到滤波后的气压高度导数Hgf、滤波后的指示空速导数Sgf和滤波后的马赫导数Mgf;
步骤7,根据气压高度Hp、指示空速IAS和马赫Mach的导数与阈值确定各项数据等值段的起止点;
步骤8,根据气压高度Hp、指示空速IAS和马赫Mach的窗口长度筛选对应的有效等值段,计算等值段内航迹数据的标准差,与对应的标准差阈值比较,筛选出有效等值段;
步骤9,计算等值段的均值,通过比较其中等IAS段均值与等CAS段经验值以及等Hp值和等Mach值确定爬升剖面的各阶段;
步骤10,根据爬升各阶段的运动学特征,利用航空器数据基础BADA用户手册提供的分段公式计算不同爬升段的能量分享因子,根据得到的能量分享因子计算航空器的爬升率和真空速,完成航空器轨迹预测。
2.根据权利要求1所述的一种基于爬升段能量分享因子估算的航空器轨迹预测方法,其特征在于,步骤1中,所述时间戳表示为T={ti,i=1,2,...,n},气压高度表示为Hp={hi,i=1,2,...,n},指示空速表示为IAS={si,i=1,2,...,n},马赫表示为Mach={mi,i=1,2,...,n}。
3.根据权利要求2所述的一种基于爬升段能量分享因子估算的航空器轨迹预测方法,其特征在于,步骤2中,数据清洗的过程包括:
步骤2-1,根据限制高度过滤数据,保留气压高度hi>3000的航迹点Pconstraint={pj|hi>3000,i=j,...,n},舍弃气压高度低于限制高度的航迹点数据;
步骤2-2,计算第i个航迹点IAS的数据的导数,记作sgi,比较sgi和IAS导数阈值ThrIAS_gradient,若|sgi|>ThrIAS_gradient,则当前航迹点为离群点,该架次航班数据异常,予以剔除;
步骤2-3,计算所有航迹点的指示空速IAS数据的均值和标准差比较航迹点标准差σIAS和指示空速IAS的阈值ThrIAS_standard,如果限制高度以上的全部航迹点的σIAS<阈值ThrIAS_standard,则指示空速IAS为常值,为异常源数据,予以剔除。
4.根据权利要求3所述的一种基于爬升段能量分享因子估算的航空器轨迹预测方法,其特征在于,步骤3中,采用线性插值方法拓展S模式的航迹数据的方法包括:
步骤3-1,若时间戳间隔ti+1-ti>1,第k个航迹点的指示空速IAS值sk=si+(si+1-si)/(ti+1-ti),Mach值mk=mi+(mi+1-mi)/(ti+1-ti),Hp值hk=hi+(hi+1-hi)/(ti+1-ti),拓展后的航迹点为Pinterpolation={pi,i=1,2,...,N};
步骤3-2,若时间戳间隔ti+1-ti=1,则不插值。
5.根据权利要求4所述的一种基于爬升段能量分享因子估算的航空器轨迹预测方法,其特征在于,步骤4中,所述滤波平滑处理包括中值滤波和均值滤波,方法包括:
步骤4-1,记中值滤波的窗口长度为lm,则第i个航迹点pi对应的中值滤波窗口内的航迹点Pwindow_median={pj,j=i-lm/2,...,i,...,i+lm/2},中值滤波窗口内航迹点的中位数用中值/>代替原航迹点数据pi,按照时间戳向后滑动窗口;
步骤4-2,记均值滤波的窗口长度为la,那么第i个航迹点pi对应的均值滤波窗口内的航迹点Pwindow_average={pj,j=i-la/2,...,i,...,i+la/2},均值滤波窗口内航迹点的均值用均值/>代替原航迹点数据pi,随后按照时间戳向后滑动窗口。
6.根据权利要求5所述的一种基于爬升段能量分享因子估算的航空器轨迹预测方法,其特征在于,步骤5中,分别对气压高度Hp、指示空速IAS和马赫Mach求导,方法包括:
指示空速IAS的导数为其中,/>
马赫Mach的导数为其中/>
气压高度Hp的导数为其中/>
7.根据权利要求6所述的一种基于爬升段能量分享因子估算的航空器轨迹预测方法,其特征在于,步骤6中,分别对气压高度Hp、指示空速IAS和马赫Mach的导数滤波,方法包括:
步骤6-1,对气压高度Hp、指示空速IAS和马赫Mach的导数Hg、Sg和Mg进行中值滤波,得到Hgm、Sgm和Mgm;
步骤6-2,对气压高度Hp、指示空速IAS和马赫Mach的导数Hg、Sg和Mg中值滤波的结果Hgm、Sgm和Mgm进行均值滤波,得到滤波后的气压高度导数Hgf、滤波后的指示空速导数Sgf和滤波后的马赫导数Mgf。
8.根据权利要求7所述的一种基于爬升段能量分享因子估算的航空器轨迹预测方法,其特征在于,步骤7中,根据导数确定气压高度、指示空速和马赫的导数与阈值确定各项数据等值段起止点的方法包括:
步骤7-1,比较气压高度Hp的滤波后的气压高度导数Hgf与阈值thresholdH,根据阈值筛选气压高度集合SH={hi||Hgf(hi)|≤thresholdH,i=kh,…,qh},记为平飞段;
步骤7-2,比较指示空速IAS的滤波后的指示空速导数Sgf与阈值thresholdS根据阈值筛选指示空速集合SS={si||Sgf(si)|≤thresholdS,i=ks,…,qs},记为等CAS段;
步骤7-3,比较马赫Mach的滤波后的马赫导数Mgf与阈值thresholdM,根据阈值筛选马赫集合SM={mi||Mgf(mi)|≤thresholdM,i=km,…,qm},记为等Mach段。
9.根据权利要求8所述的一种基于爬升段能量分享因子估算的航空器轨迹预测方法,其特征在于,步骤8中,筛选有效的气压高度Hp、指示空速IAS和马赫Mach等值段的方法包括:
步骤8-1,根据等值段时长进行筛选的方法包括:
等值段长度阈值为thresholdconst,满足时长限制的等CAS段集合为ZS={si|qs-ks≥thresholdconst,i∈SS},保留满足限制的等CAS段,舍弃不满足限制的等CAS段;
满足时长限制的等Mach段集合为ZM={mi|qm-km≥thresholdconst,i∈SM},保留满足限制的等Mach段,舍弃不满足限制的等Mach段;
满足时长限制的平飞段集合为ZH={hi|qh-kh≥thresholdconst,i∈SH},保留满足限制的平飞段,舍弃不满足限制的平飞段;
步骤8-2,根据等值段内航迹点的标准差进行筛选,方法包括:
设定等值段标准差阈值为thresholdstd,满足标准差限制的等CAS段集合为DS={si||std(si)|≤thresholdstd,i=ks,…,qs},保留满足限制的等CAS段,舍弃不满足限制的等CAS段;
满足标准差限制的等Mach段集合为DM={mi||std(mi)|≤thresholdstd,i=km,…,qm},保留满足限制的等Mach段,舍弃不满足限制的等Mach段;
满足标准差限制的平飞段集合为DH={hi||std(hi)|≤thresholdstd,i=kh,…,qh},保留满足限制的平飞段,舍弃不满足限制的平飞段。
10.根据权利要求9所述的一种基于爬升段能量分享因子估算的航空器轨迹预测方法,其特征在于,步骤9中,根据等CAS段、等Mach段和平飞段确定爬升阶段的飞行高度剖面,方法包括:
步骤9-1,记第k个平飞的均值为将数值最大的平飞段记作巡航段,巡航段前都视作爬升段,巡航段起点记作爬升段终点;
步骤9-2,比较气压高度Hp与限制高度thresholdconstraint,根据阈值筛选气压高度集合CH={hi||Hgf(hi)|≥thresholdconstraint,i=kh,…,qh},将集合CH的第一个点记作爬升段起点;
步骤9-3,将两个等CAS段之间的阶段记作加速爬升段;
步骤9-4,记第k个等Mach段的均值爬升段中第一个等Mach段到最后一个等Mach段都视作等Mach段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210546735.9A CN114912688B (zh) | 2022-05-18 | 2022-05-18 | 一种基于爬升段能量分享因子估算的航空器轨迹预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210546735.9A CN114912688B (zh) | 2022-05-18 | 2022-05-18 | 一种基于爬升段能量分享因子估算的航空器轨迹预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114912688A CN114912688A (zh) | 2022-08-16 |
CN114912688B true CN114912688B (zh) | 2024-04-30 |
Family
ID=82768618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210546735.9A Active CN114912688B (zh) | 2022-05-18 | 2022-05-18 | 一种基于爬升段能量分享因子估算的航空器轨迹预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114912688B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011117242A1 (en) * | 2010-03-22 | 2011-09-29 | Imperial Innovations Limited | Method of trajectory prediction |
CN106846919A (zh) * | 2017-01-16 | 2017-06-13 | 南京航空航天大学 | 一种基于ads‑b信息更新的四维航迹动态预测方法 |
CN109493644A (zh) * | 2018-11-16 | 2019-03-19 | 四川大学 | 一种基于历史航迹数据挖掘的四维航迹推测方法 |
CN110930770A (zh) * | 2019-11-06 | 2020-03-27 | 南京莱斯信息技术股份有限公司 | 一种基于管制意图和飞机性能模型的四维航迹预测方法 |
CN112927562A (zh) * | 2021-01-28 | 2021-06-08 | 中国电子科技集团公司第二十八研究所 | 一种基于指定高度限制的航空器飞行高度剖面计算方法 |
CN114066263A (zh) * | 2021-11-18 | 2022-02-18 | 中国电子科技集团公司第二十八研究所 | 基于等值段识别的航班爬升阶段转换高度要素确定方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ITRM20110651A1 (it) * | 2010-12-20 | 2012-06-21 | Selex Sistemi Integrati Spa | Metodo di previsione rapida del profilo verticale della traiettoria per la gestione del traffico aereo, e relativo sistema atm. |
-
2022
- 2022-05-18 CN CN202210546735.9A patent/CN114912688B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011117242A1 (en) * | 2010-03-22 | 2011-09-29 | Imperial Innovations Limited | Method of trajectory prediction |
CN106846919A (zh) * | 2017-01-16 | 2017-06-13 | 南京航空航天大学 | 一种基于ads‑b信息更新的四维航迹动态预测方法 |
CN109493644A (zh) * | 2018-11-16 | 2019-03-19 | 四川大学 | 一种基于历史航迹数据挖掘的四维航迹推测方法 |
CN110930770A (zh) * | 2019-11-06 | 2020-03-27 | 南京莱斯信息技术股份有限公司 | 一种基于管制意图和飞机性能模型的四维航迹预测方法 |
CN112927562A (zh) * | 2021-01-28 | 2021-06-08 | 中国电子科技集团公司第二十八研究所 | 一种基于指定高度限制的航空器飞行高度剖面计算方法 |
CN114066263A (zh) * | 2021-11-18 | 2022-02-18 | 中国电子科技集团公司第二十八研究所 | 基于等值段识别的航班爬升阶段转换高度要素确定方法 |
Non-Patent Citations (2)
Title |
---|
基于基本飞行模型的4D航迹预测方法;王超;郭九霞;沈志鹏;;西南交通大学学报;20090415(02);全文 * |
离场航空器四维航迹预测及不确定性分析;张军峰;葛腾腾;陈强;王菲;;西南交通大学学报;20160815(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114912688A (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107085978B (zh) | 一种基于所需到达时间的管制辅助决策指令生成方法 | |
EP0250140B1 (en) | Flight management system | |
Vršnak | Dynamics of solar coronal eruptions | |
CN112927562B (zh) | 一种基于指定高度限制的航空器飞行高度剖面计算方法 | |
EP2667275B1 (en) | Method for providing a description of aircraft intent using a decomposition of flight intent into flight segments with optimal parameters | |
US11756435B2 (en) | Airspace network optimization method based on flight normality target | |
WO2023087717A1 (zh) | 基于等值段识别的航班爬升阶段转换高度要素确定方法 | |
CN112783195B (zh) | 多无人机的巡检路线规划方法、装置和计算机设备 | |
CN109191921B (zh) | 一种基于4d轨迹预测的空管监视数据仿真方法 | |
CN110444201A (zh) | 飞行器的语音识别***和方法 | |
CN111723458B (zh) | 面向自动驾驶决策规划***仿真测试场景自动化生成方法 | |
CN107016880B (zh) | 一种基于模拟退火算法的连续下降进近油耗优化方法 | |
US20200202725A1 (en) | Optimizing a parametric model of aircraft performance | |
CN114530059B (zh) | 一种多扇区监控席位的动态配置方法及*** | |
CN111724603A (zh) | 基于交通轨迹数据的cav状态判定方法、装置、设备及介质 | |
CN114912688B (zh) | 一种基于爬升段能量分享因子估算的航空器轨迹预测方法 | |
CN114706419A (zh) | 基于bim的工程现场无人机协同巡检调度方法、*** | |
CN110751329B (zh) | 一种机场安检通道的控制方法、装置、电子设备及存储介质 | |
CN109017884B (zh) | 基于学习的列车自动运行控制方法 | |
CN113671374B (zh) | 耗电量估算方法、装置、无人机及计算机可读存储介质 | |
CN112241839B (zh) | 一种基于概率分布特征的航班流生成方法 | |
CN117315998A (zh) | 检测航空器的飞行冲突的方法和装置 | |
US20220358846A1 (en) | Method for determining transition height elements in flight climbing stage based on constant value segment identification | |
CN108399798B (zh) | 一种机位停放顺序的处理方法 | |
CN112800897A (zh) | 连续下降运行的识别方法、识别装置和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |