CN105513429A - 飞行冲突解脱方法及装置 - Google Patents
飞行冲突解脱方法及装置 Download PDFInfo
- Publication number
- CN105513429A CN105513429A CN201410493920.1A CN201410493920A CN105513429A CN 105513429 A CN105513429 A CN 105513429A CN 201410493920 A CN201410493920 A CN 201410493920A CN 105513429 A CN105513429 A CN 105513429A
- Authority
- CN
- China
- Prior art keywords
- flight
- function
- sub
- objective function
- aircraft
- 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.)
- Granted
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种飞行冲突解脱方法及装置。该方法包括:通过建立飞行冲突解脱模型,飞行冲突解脱模型中包括所有待解脱飞机的飞行延误以及飞行冲突态势;根据飞行延误和飞行冲突态势确定第一目标函数和第二目标函数;利用多目标优化算法将第一目标函数和第二目标函数分解为多个第一子目标函数和第二子目标函数;利用交叉算子和变异算子,对多个第一子目标函数和多个第二子目标函数进行第N代优化计算,得到第N代解集;若判断第N代到达预设循环代数,输出所述第N代解集;根据第N代解集对待解脱飞机进行飞行冲突解脱。该方法的运算效率高,能够进行冲突解脱,达到较低的平均延误,采用多目标优化的机制,更符合实际问题需要,方案的可行性更强。
Description
技术领域
本发明涉及飞机飞行时刻优化方法,尤其涉及一种飞行冲突解脱方法及装置。
背景技术
近几年来,我国航空运输业发展迅猛,然而随着飞行流量的增加,空域中飞行的密度也相应增加,飞行之间的安全间隔难以保证,存在飞行冲突的可能性增加,进而使得飞行安全受到严重威胁。作为保证飞行安全的关键技术之一,飞行冲突解脱方法的研究是必要而迫切的。
目前飞行冲突解脱方法的研究主要集中在局部空余的战术方法上,缺乏战略层面的全局解脱方法,随着航空技术发展,四维航迹(4D-Trajectory,简称:4DT)的提出使战略规划成为可能。
传统的优化算法包括基于梯度的优化算法和鲍威尔(Powell)法等直接优化算法,然而对于具备多变量、多目标、多约束、非线性、多极值、目标函数和约束条件非解析函数的复杂切且大规模的飞行冲突解脱问题,用传统优化算法进行冲突解脱,其运算效率低,且由于传统优化算法通常要求目标函数和约束条件是连续可微的解析函数,因此,方案的可行性低。
发明内容
本发明提供一种飞行冲突解脱方法及装置,能够进行冲突解脱,运算效率高,并达到较低的平均延误,并且采用多目标优化的机制,更符合实际问题需要,方案的可行性更强。
本发明提供一种飞行冲突解脱方法,包括:
建立飞行冲突解脱模型,所述飞行冲突解脱模型中包括所有待解脱飞机的飞行延误以及飞行冲突态势;
根据所述飞行延误确定第一目标函数,根据所述飞行冲突态势确定第二目标函数;
利用多目标优化算法将所述第一目标函数分解为多个第一子目标函数,将所述第二目标函数分解为多个第二子目标函数;
利用交叉算子和变异算子,对所述多个第一子目标函数和所述多个第二子目标函数进行第N代优化计算,得到第N代解集;
若判断所述第N代到达预设循环代数,输出所述第N代解集;
根据所述第N代解集对所述待解脱飞机进行飞行冲突解脱。
如上所述的飞行冲突解脱方法,其中,所述根据所述飞行延误确定第一目标函数,包括:
根据所述飞行延误,通过第一公式确定所述第一目标函数Minf1;
其中,所述第一公式为:
其中,n为所述待解脱飞机总数,δi为所述待解脱飞机中的第i架飞机的所述飞行延误。
如上所述的飞行冲突解脱方法,其中,所述根据所述飞行冲突态势确定第二目标函数,包括:
根据所述飞行冲突态势,通过第二公式确定所述第二目标函数Minf2;
其中,所述第二公式为:Minf2=CS;
其中,为所述飞行冲突态势,n为所述待解脱飞机总数,bij为所述待解脱飞机中的第i架飞机与第j架飞机之间的安全间隔违反度。
如上所述的飞行冲突解脱方法,其中,所述利用多目标优化算法将所述第一目标函数分解为多个第一子目标函数,将所述第二目标函数分解为多个第二子目标函数,包括:
通过第三公式,将所述第一目标函数分解为所述多个第一子目标函数,并将所述第二目标函数分解为所述多个第二子目标函数,记为gte,
其中,所述第三公式为:
其中,为均匀分布的权向量;z*为参考点,zj *为目标函数的最优值,m表示目标函数的个数,fj(x)表示目标函数,j=1时,gte表示所述第一子目标函数,f1(x)表示所述第一目标函数,z1 *表示所述第一目标函数的最优值,j=2时,gte表示所述第二子目标函数,f2(x)表示所述第二目标函数,z2 *表示所述第二目标函数的最优值。
本发明还提供一种飞行冲突解脱装置,包括:
建模单元,用于建立飞行冲突解脱模型,所述飞行冲突解脱模型中包括所有待解脱飞机的飞行延误以及飞行冲突态势;
确定单元,用于根据所述飞行延误确定第一目标函数,根据所述飞行冲突态势确定第二目标函数;
分解单元,用于利用多目标优化算法将所述第一目标函数分解为多个第一子目标函数,将所述第二目标函数分解为多个第二子目标函数;
计算单元,用于利用交叉算子和变异算子,对所述多个第一子目标函数和所述多个第二子目标函数进行第N代优化计算,得到第N代解集;
输出单元,用于若判断所述第N代到达预设循环代数,输出所述第N代解集;
解脱单元,用于根据所述第N代解集对所述待解脱飞机进行飞行冲突解脱。
如上所述的飞行冲突解脱装置,其中,所述确定单元具体用于根据所述飞行延误,通过第一公式确定所述第一目标函数Minf1;
其中,所述第一公式为:
其中,n为所述待解脱飞机总数,δi为所述待解脱飞机中的第i架飞机的所述飞行延误。
如上所述的飞行冲突解脱装置,其中,所述确定单元具体用于根据所述飞行冲突态势,通过第二公式确定所述第二目标函数Minf2;
其中,所述第二公式为:Minf2=CS;
其中,为所述飞行冲突态势,n为所述待解脱飞机总数,bij为所述待解脱飞机中的第i架飞机与第j架飞机之间的安全间隔违反度。
如上所述的飞行冲突解脱装置,其中,所述分解单元具体用于通过第三公式,将所述第一目标函数分解为所述多个第一子目标函数,并将所述第二目标函数分解为所述多个第二子目标函数,记为gte,
其中,所述第三公式为:
其中,为均匀分布的权向量;z*为参考点,zj *为目标函数的最优值,m表示目标函数的个数,fj(x)表示目标函数,j=1时,gte表示所述第一子目标函数,f1(x)表示所述第一目标函数,z1 *表示所述第一目标函数的最优值,j=2时,gte表示所述第二子目标函数,f2(x)表示所述第二目标函数,z2 *表示所述第二目标函数的最优值。
本发明提供一种飞行冲突解脱方法及装置,通过建立飞行冲突解脱模型,飞行冲突解脱模型中包括所有待解脱飞机的飞行延误以及飞行冲突态势;根据飞行延误确定第一目标函数,根据飞行冲突态势确定第二目标函数;利用多目标优化算法将第一目标函数分解为多个第一子目标函数,将第二目标函数分解为多个第二子目标函数;利用交叉算子和变异算子,对多个第一子目标函数和多个第二子目标函数进行第N代优化计算,得到第N代解集;若判断第N代到达预设循环代数,输出所述第N代解集;根据第N代解集对待解脱飞机进行飞行冲突解脱。该方法的运算效率高,能够进行冲突解脱,并达到较低的平均延误,并且采用多目标优化的机制,更符合实际问题需要,方案的可行性更强。
附图说明
图1为本发明飞行冲突解脱方法实施例一的流程图;
图2为本发明飞行冲突解脱模型示意图;
图3为本发明飞行冲突解脱方法中的个体编码示意图;
图4为本发明MOEA/D中交叉算子的示意图;
图5为本发明MOEA/D中变异算子的示意图;
图6为本发明飞行冲突解脱装置实施例的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在介绍本发明实施例提供的技术方案之前,先对本发明实施例涉及到的一些概念以及基本原理进行阐述,以便本领域技术人员清楚准确地理解本发明实施例提供的技术方案。
飞行冲突或飞行碰撞:当两架飞行器之间的距离小于冲突阈值或碰撞阈值时,认为这两架飞行器存在冲突风险或存在碰撞风险。冲突解脱:如果经过探测发现,一定空域内的飞行器如按照既定飞行计划飞行将会在未来某一时刻发生飞行冲突,则需要适当的调整当前飞行计划以规避冲突,此即冲突解脱。四维航迹(4D-Trajectory,4DT)描述了飞行器从起飞到降落、包括空间路径和飞行时刻的四维时空信息。多目标优化算法(MultiObjectiveEvolutionaryAlgorithmbasedonDecomposition,MOEA/D),是通过构造一个评价函数,将多目标优化问题转化为单目标优化问题,然后利用成熟的求解单目标优化问题的方法获得问题的一个解,多目标优化问题的解通常是一个非劣解的集合,即Pareto最优解集,求解多目标优化问题的关键是求出所有的Pareto最优解。
由于在四维航迹的运行条件下,可以实现航迹信息共享,在掌握了飞行器意图信息的基础上,飞行器航迹保持高精度的优点,尤其是二十分钟以内的短期航迹,飞行器甚至可以实现任意两点间的直线飞行,因此,针对短期飞行冲突态势估计可以采用确定性方法,即,基于飞行器当前速度向量假设飞行器位置,并进行航迹外推,在不考虑航迹外推误差的情况下,方法可以在短距离内实现最佳估计。本发明实施例中将飞行延误作为最终的调整参量,结合所有待解脱飞机的飞行延误做出对于整个航班计划的飞行冲突解脱方案。
图1为本发明飞行冲突解脱方法实施例一的流程图。如图1所示,本实施例提供的方法具体可以包括:
步骤101、建立飞行冲突解脱模型,所述飞行冲突解脱模型中包括所有待解脱飞机的飞行延误以及飞行冲突态势。
本实施例中,是通过优化待解脱飞机的起飞延误实现飞行冲突解脱的。将所有待解脱飞机的飞行延误设定为集合其中,δi表示第i架飞机的飞行延误,每个变量δ必须满足的取值范围的约束为δ∈[0,δmax],其中,δmax表示客观允许的最大飞行延误。
假若考虑同一个高度层的两架飞机F1和F2,起飞机场分别为A和B,终点机场分别为D和C,假设它们目前分别处于航路段(W1,W3)和(W2,W3)。并假设F1的当前位置坐标为(x1,,y1),F2的当前位置坐标为(x2,y2),速度大小均为v,方向角分别为θ1和θ2,如图2所示。则t时刻后F1和F2的坐标分别为:
(x1′,y1′)=(x1+vtcosθ1,y1+vtsinθ1)
(x2′,y2′)=(x2+vtcosθ2,y2+vtsinθ2)
则此时F1和F2之间的距离
代入具体坐标后,在等式两边对t求导,并令ddist12/dt=0,可得出dist12取最小值的时刻tmin;其中, 若tmin>0,则表示存在时刻t使两待解脱飞机之间的距离达到最小,再将tmin代入上式中,即可求得待解脱飞机之间的最小距离dist12(tmin)。
由于飞行器之间的间隔状态,即安全、冲突、危险接近、碰撞等,都是基于飞行器安全距离违反程度定义的,因此,本实施例中采用飞行器之间安全间隔违反度精细化描述航路网络中的飞行冲突态势,假设已知待解脱飞机集合F,设Fi与Fj安全间隔为εij,那么它们之间安全间隔违反度bij可以定义为:其中,bij为从0到1的实数;若bij=0,表示待解脱飞机之间保持安全间隔,bij越大,表示待解脱飞机之间安全间隔违反度越深,当bij=1时,两架待解脱飞机发生冲突或碰撞。本实施例中,将F内所有待解脱飞机之间的飞行冲突态势定义为CS,其中,其中,n表示F中待解脱飞机的数量。
步骤102、根据所述飞行延误确定第一目标函数,根据所述飞行冲突态势确定第二目标函数。
由步骤101中的说明可知,在飞行冲突解脱模型中,所有待解脱飞机均包含两个物理量,即飞行延误和飞行冲突态势,而由于飞机是否会有冲突或会遇到多少冲突,又是由飞行延误,即起飞时间所决定的,因此,本实施例中,将待解脱飞机的飞行延误作为最终调整参量。
对F中所有待解脱飞机进行编码,如图3所示,……,A1,A2,……,A7,……,每架飞机都包含飞行延误和飞行冲突态势两个物理量,因此,整条编码即包含所有待解脱飞机的飞行延误和飞行冲突态势,本实施例中将一条编码称为一个个体,一个个体即为一个解脱方案。
在本实施例中,考虑到的主要优化目标有两个,一是尽量减小飞机的飞行延误,以尽量节省飞行成本,据此确定第一目标函数;二是尽量保证两架待解脱飞机之间不冲突,据此确定第二目标函数。
具体的,根据所述飞行延误,通过第一公式确定所述第一目标函数Minf1;其中,所述第一公式为:其中,n为所述待解脱飞机总数,δi为所述待解脱飞机中的第i架飞机的所述飞行延误;根据所述飞行冲突态势,通过第二公式确定所述第二目标函数Minf2;其中,所述第二公式为:Minf2=CS;其中,为所述飞行冲突态势,n为所述待解脱飞机总数,bij为所述待解脱飞机中的第i架飞机与第j架飞机之间的安全间隔违反度。
步骤103、利用多目标优化算法将所述第一目标函数分解为多个第一子目标函数,将所述第二目标函数分解为多个第二子目标函数。
本步骤中,设N为种群规模,λ1,λ2,…,λN为均匀分布的权向量,z*为参考点,MOEA/D将求解非支配解(ParetoFront,PF)的多目标优化问题(MultiobjectiveOptimizationProblem,MOP)问题采用切比雪夫(Tchebycheff)的方法分解为N个单目标子问题,即,通过第三公式,将所述第一目标函数分解为所述多个第一子目标函数,并将所述第二目标函数分解为所述多个第二子目标函数,记为gte,其中,所述第三公式为:
其中,为均匀分布的权向量,zj *为每代优化计算中目标函数的最优值,m表示目标函数的个数,fj(x)表示目标函数,本实施例中有两个目标函数,即m=2,则均匀分布的权向量具体可以为:λ1=(0,1),…,j=1时,gte表示所述第一子目标函数,f1(x)表示所述第一目标函数,z1 *表示所述第一目标函数的最优值,j=2时,gte表示所述第二子目标函数,f2(x)表示所述第二目标函数,z2 *表示所述第二目标函数的最优值。MOEA/D在优化计算中,同时对这N个子目标函数进行优化计算。
步骤104、利用交叉算子和变异算子,对所述多个第一子目标函数和所述多个第二子目标函数进行第N代优化计算,得到第N代解集。
本步骤中,在初始化时,可以先设置最优解集,即第0代解集,然后计算任意两个权向量的欧氏距离,为每个权向量选出最近的T个向量作为它的邻居,设邻居B(i)={i1,i2,…,iT},i=1,2,…,N,其中,为距离λi最近的T个权向量;初始化种群x1,x2,…,xN,计算每个个体的f1,f2,即F(xj);初始化z=(z1,z2,…,zm)T,其中,zi为目标函数fi找到的最优值。
对于i=1,2,……,N,其中,N表示个体数量。执行下面的操作:
从中随机选出两个邻居,利用交叉算子对多个第一子目标函数和多个第二子目标函数进行优化计算,为每架待解脱飞机设置自身适应度,将第i架飞机的自身适应度记为:其中,NCi表示第i架飞机与其他飞机存在的冲突数量。
参照图4,在两个父代个体A和B中,对每架飞机的自身适应度对应相比,若FAi>FBi,则两个子代个体对应变量继承父代个体A的基因;若FBi>FAi,则两个子代个体对应变量继承父代个体B的基因;对于其他情况,则可以随机选择一个参数α,使两个子代个体为父代个体A和B的线性组合。
利用变异算子对上述利用交叉算子进行优化计算后的结果进行优化计算。
具体的,计算每架飞机对应的自身适应度Fj=fj(y')并与最优值zj进行比较,若fj(y')<zj,则zj=fj(y'),j=1,2,…,m,即将其飞行延误重新随机生成一个数值取代原变量值,进行变异,否则不进行变异。如图5所示,其中,飞机A1,A5和A7进行变异,即,图5中所示的A1’,A2’和A3’,若g(y'|λj,z)≤g(xj|λj,z),j∈B(i),则xj=y',F(xj)=F(y'),对解集进行更新,即,利用第三公式对y'和xj进行计算,若得到的结果是y'比xj更接近参考点,即y'更优,则取代xj;也就是说,将解集中所有被支配的解移除解集,若不被解集中的任意解支配,则将移入解集,即得到第N代解集。
步骤105、若判断所述第N代到达预设循环代数,输出所述第N代解集。
本实施例中,设置预设循环代数为800代,在实际使用中,可以根据待解脱飞机的总数设置相应的预设循代数,本实施例对此不进行限制。
步骤106、根据所述第N代解集对所述待解脱飞机进行飞行冲突解脱。
本实施例的技术方案,通过建立飞行冲突解脱模型,所述飞行冲突解脱模型中包括所有待解脱飞机的飞行延误以及飞行冲突态势;根据所述飞行延误确定第一目标函数,根据所述飞行冲突态势确定第二目标函数;利用多目标优化算法将所述第一目标函数分解为多个第一子目标函数,将所述第二目标函数分解为多个第二子目标函数;利用交叉算子和变异算子,对所述多个第一子目标函数和所述多个第二子目标函数进行第N代优化计算,得到第N代解集;若判断所述第N代到达预设循环代数,输出所述第N代解集;根据所述第N代解集对所述待解脱飞机进行飞行冲突解脱。本实施例提供的飞行冲突解脱方法,运算效率高,能够进行冲突解脱,并达到较低的平均延误,并且采用多目标优化的机制,更符合实际问题需要,方案的可行性更强。
图6为本发明飞行冲突解脱装置实施例的结构示意图。如图6所示,本实施例提供的装置10具体可以包括:建模单元101,确定单元102、分解单元103,计算单元104,输出单元105以及解脱单元106。
其中,建模单元101用于建立飞行冲突解脱模型,所述飞行冲突解脱模型中包括所有待解脱飞机的飞行延误以及飞行冲突态势;确定单元102用于根据所述飞行延误确定第一目标函数,根据所述飞行冲突态势确定第二目标函数;分解单元103用于利用多目标优化算法将所述第一目标函数分解为多个第一子目标函数,将所述第二目标函数分解为多个第二子目标函数;计算单元104用于利用交叉算子和变异算子,对所述多个第一子目标函数和所述多个第二子目标函数进行第N代优化计算,得到第N代解集;输出单元105用于若判断所述第N代到达预设循环代数,输出所述第N代解集;解脱单元106用于根据所述第N代解集对所述待解脱飞机进行飞行冲突解脱。
具体的,所述确定单元102可以根据所述飞行延误,通过第一公式确定所述第一目标函数Minf1;其中,所述第一公式为:其中,n为所述待解脱飞机总数,δi为所述待解脱飞机中的第i架飞机的所述飞行延误;根据所述飞行冲突态势,通过第二公式确定所述第二目标函数Minf2;其中,所述第二公式为:Minf2=CS;其中,为所述飞行冲突态势,n为所述待解脱飞机总数,bij为所述待解脱飞机中的第i架飞机与第j架飞机之间的安全间隔违反度。
具体的,所述分解单元103可以通过第三公式,将所述第一目标函数分解为所述多个第一子目标函数,并将所述第二目标函数分解为所述多个第二子目标函数,记为gte,其中,所述第三公式为:其中,为均匀分布的权向量;z*为参考点,zj *为目标函数的最优值,m表示目标函数的个数,fj(x)表示目标函数,j=1时,gte表示所述第一子目标函数,f1(x)表示所述第一目标函数,z1 *表示所述第一目标函数的最优值,j=2时,gte表示所述第二子目标函数,f2(x)表示所述第二目标函数,z2 *表示所述第二目标函数的最优值。
本实施例的飞行冲突解脱装置,可用于执行上述方法实施例的技术方案,其实现原理及技术效果类似,此处不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种飞行冲突解脱方法,其特征在于,包括:
建立飞行冲突解脱模型,所述飞行冲突解脱模型中包括所有待解脱飞机的飞行延误以及飞行冲突态势;
根据所述飞行延误确定第一目标函数,根据所述飞行冲突态势确定第二目标函数;
利用多目标优化算法将所述第一目标函数分解为多个第一子目标函数,将所述第二目标函数分解为多个第二子目标函数;
利用交叉算子和变异算子,对所述多个第一子目标函数和所述多个第二子目标函数进行第N代优化计算,得到第N代解集;
若判断所述第N代到达预设循环代数,输出所述第N代解集;
根据所述第N代解集对所述待解脱飞机进行飞行冲突解脱。
2.根据权利要求1所述的方法,其特征在于,所述根据所述飞行延误确定第一目标函数,包括:
根据所述飞行延误,通过第一公式确定所述第一目标函数Minf1;
其中,所述第一公式为:
其中,n为所述待解脱飞机总数,δi为所述待解脱飞机中的第i架飞机的所述飞行延误。
3.根据权利要求1所述的方法,其特征在于,所述根据所述飞行冲突态势确定第二目标函数,包括:
根据所述飞行冲突态势,通过第二公式确定所述第二目标函数Minf2;
其中,所述第二公式为:Minf2=CS;
其中,为所述飞行冲突态势,n为所述待解脱飞机总数,bij为所述待解脱飞机中的第i架飞机与第j架飞机之间的安全间隔违反度。
4.根据权利要求1-3任一所述的方法,其特征在于,所述利用多目标优化算法将所述第一目标函数分解为多个第一子目标函数,将所述第二目标函数分解为多个第二子目标函数,包括:
通过第三公式,将所述第一目标函数分解为所述多个第一子目标函数,并将所述第二目标函数分解为所述多个第二子目标函数,记为gte,
其中,所述第三公式为:
其中,为均匀分布的权向量;z*为参考点,zj *为目标函数的最优值,m表示目标函数的个数,fj(x)表示目标函数,j=1时,gte表示所述第一子目标函数,f1(x)表示所述第一目标函数,z1 *表示所述第一目标函数的最优值,j=2时,gte表示所述第二子目标函数,f2(x)表示所述第二目标函数,z2 *表示所述第二目标函数的最优值。
5.一种飞行冲突解脱装置,其特征在于,包括:
建模单元,用于建立飞行冲突解脱模型,所述飞行冲突解脱模型中包括所有待解脱飞机的飞行延误以及飞行冲突态势;
确定单元,用于根据所述飞行延误确定第一目标函数,根据所述飞行冲突态势确定第二目标函数;
分解单元,用于利用多目标优化算法将所述第一目标函数分解为多个第一子目标函数,将所述第二目标函数分解为多个第二子目标函数;
计算单元,用于利用交叉算子和变异算子,对所述多个第一子目标函数和所述多个第二子目标函数进行第N代优化计算,得到第N代解集;
输出单元,用于若判断所述第N代到达预设循环代数,输出所述第N代解集;
解脱单元,用于根据所述第N代解集对所述待解脱飞机进行飞行冲突解脱。
6.根据权利要求5所述的装置,其特征在于,所述确定单元具体用于根据所述飞行延误,通过第一公式确定所述第一目标函数Minf1;
其中,所述第一公式为:
其中,n为所述待解脱飞机总数,δi为所述待解脱飞机中的第i架飞机的所述飞行延误。
7.根据权利要求5所述的装置,其特征在于,所述确定单元具体用于根据所述飞行冲突态势,通过第二公式确定所述第二目标函数Minf2;
其中,所述第二公式为:Minf2=CS;
其中,为所述飞行冲突态势,n为所述待解脱飞机总数,bij为所述待解脱飞机中的第i架飞机与第j架飞机之间的安全间隔违反度。
8.根据权利要求5-7任一所述的装置,其特征在于,所述分解单元具体用于通过第三公式,将所述第一目标函数分解为所述多个第一子目标函数,并将所述第二目标函数分解为所述多个第二子目标函数,记为gte,
其中,所述第三公式为:
其中,为均匀分布的权向量;z*为参考点,zj *为目标函数的最优值,m表示目标函数的个数,fj(x)表示目标函数,j=1时,gte表示所述第一子目标函数,f1(x)表示所述第一目标函数,z1 *表示所述第一目标函数的最优值,j=2时,gte表示所述第二子目标函数,f2(x)表示所述第二目标函数,z2 *表示所述第二目标函数的最优值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410493920.1A CN105513429B (zh) | 2014-09-24 | 2014-09-24 | 飞行冲突解脱方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410493920.1A CN105513429B (zh) | 2014-09-24 | 2014-09-24 | 飞行冲突解脱方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105513429A true CN105513429A (zh) | 2016-04-20 |
CN105513429B CN105513429B (zh) | 2019-09-27 |
Family
ID=55721368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410493920.1A Active CN105513429B (zh) | 2014-09-24 | 2014-09-24 | 飞行冲突解脱方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105513429B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815523A (zh) * | 2018-12-05 | 2019-05-28 | 南京工程学院 | 基于分解的列车运行多目标差分进化算法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509476A (zh) * | 2011-11-01 | 2012-06-20 | 四川川大智胜软件股份有限公司 | 一种短期飞行冲突解脱方法 |
CN102930339A (zh) * | 2012-09-28 | 2013-02-13 | 北京航空航天大学 | 一种飞行冲突解脱方法及装置 |
US20130110388A1 (en) * | 2011-11-02 | 2013-05-02 | The Mitre Corporation | Terminal Aircraft Sequencing and Conflict Resolution |
CN103413462A (zh) * | 2013-07-18 | 2013-11-27 | 北京航空航天大学 | 一种综合考虑空域拥堵和航班延误的空中交通网络流量优化方法 |
CN103489337A (zh) * | 2013-09-26 | 2014-01-01 | 北京航空航天大学 | 一种基于改进的局部搜索策略的空中交通流量调控方法 |
CN103489335A (zh) * | 2013-09-16 | 2014-01-01 | 北京航空航天大学 | 一种多目标优化的飞行冲突解脱方法 |
-
2014
- 2014-09-24 CN CN201410493920.1A patent/CN105513429B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509476A (zh) * | 2011-11-01 | 2012-06-20 | 四川川大智胜软件股份有限公司 | 一种短期飞行冲突解脱方法 |
US20130110388A1 (en) * | 2011-11-02 | 2013-05-02 | The Mitre Corporation | Terminal Aircraft Sequencing and Conflict Resolution |
CN102930339A (zh) * | 2012-09-28 | 2013-02-13 | 北京航空航天大学 | 一种飞行冲突解脱方法及装置 |
CN103413462A (zh) * | 2013-07-18 | 2013-11-27 | 北京航空航天大学 | 一种综合考虑空域拥堵和航班延误的空中交通网络流量优化方法 |
CN103489335A (zh) * | 2013-09-16 | 2014-01-01 | 北京航空航天大学 | 一种多目标优化的飞行冲突解脱方法 |
CN103489337A (zh) * | 2013-09-26 | 2014-01-01 | 北京航空航天大学 | 一种基于改进的局部搜索策略的空中交通流量调控方法 |
Non-Patent Citations (2)
Title |
---|
崔莉薇 等: "基于遗传粒子群算法的飞行冲突解脱", 《计算机工程与应用》 * |
郭航: "遗传算法在新一代空中交通管制仿真系统中的应用", 《2010 INTERNATIONAL CONFERENCE ON SERVICES SCIENCE, MANAGEMENT AND ENGINEERING》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109815523A (zh) * | 2018-12-05 | 2019-05-28 | 南京工程学院 | 基于分解的列车运行多目标差分进化算法 |
CN109815523B (zh) * | 2018-12-05 | 2023-05-05 | 南京工程学院 | 基于分解的列车运行多目标差分进化算法 |
Also Published As
Publication number | Publication date |
---|---|
CN105513429B (zh) | 2019-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103489335B (zh) | 一种多目标优化的飞行冲突解脱方法 | |
CN103942623B (zh) | 一种基于需求与容量不确定性的机场拥挤风险预测方法 | |
CN101582203B (zh) | 一种空域运行仿真中飞行流引擎的实现系统及方法 | |
CN112734209B (zh) | 负荷密集型城市电网安全稳定控制风险预警方法及系统 | |
CN102930339B (zh) | 一种飞行冲突解脱方法及装置 | |
CN114664122B (zh) | 一种考虑高空风不确定性的冲突最小化航迹规划方法 | |
CN107578141A (zh) | 基于模糊层次分析和证据理论的机场跑道分配决策方法 | |
Chen et al. | Uncertainty-aware flight scheduling for airport throughput and flight delay optimization | |
Liu et al. | Aircraft trajectory optimization for collision avoidance using stochastic optimal control | |
Yin et al. | A multi-objective approach for 3D airspace sectorization: A study on Singapore regional airspace | |
Li et al. | Aircraft failure rate prediction method based on CEEMD and combined model | |
Yang et al. | Stochastic scheduling of ground movement problem integrated with taxiway routing and gate/stand allocation | |
Li et al. | An improved discrete particle swarm optimization algorithm for high-speed trains assembly sequence planning | |
Li et al. | Exploring dynamic characteristics of multi-state air traffic flow: A time series approach | |
CN105513429A (zh) | 飞行冲突解脱方法及装置 | |
CN105469644B (zh) | 飞行冲突解脱方法及设备 | |
Wang et al. | Performance evaluation of a risk-based three-tier inspection system | |
Kulkarni | Intelligent air traffic controller simulation using artificial neural networks | |
Jiaxue et al. | A method of aircraft fuel consumption performance evaluation based on RELAX signal separation | |
Shrinivasan et al. | Interval type‐2 fuzzy‐logic‐based decision fusion system for air‐lane monitoring | |
Wu et al. | Conflict resolution strategy based on flight conflict network optimal dominating set | |
CN106650172A (zh) | 基于mdp的机载防撞系统逻辑单元的设计方法 | |
Tang et al. | A causal model for safety assessment purposes in opening the low-altitude urban airspace of chinese pilot cities | |
Zhang et al. | Runway visual range prediction based on ensemble learning | |
Meng et al. | Dynamic planning of aircraft sortie generation based on multiobjective optimization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210428 Address after: No. 303, group 3, liangfengding village, Zhengxing street, Tianfu New District, Chengdu, Sichuan 610218 Patentee after: Chengdu Furui Kongtian Technology Co.,Ltd. Address before: 100191 Haidian District, Xueyuan Road, No. 37, Patentee before: BEIHANG University |
|
TR01 | Transfer of patent right |