CN106875122B - 一种降低凝结尾生成的区域扇区飞行调配方法 - Google Patents
一种降低凝结尾生成的区域扇区飞行调配方法 Download PDFInfo
- Publication number
- CN106875122B CN106875122B CN201710085274.9A CN201710085274A CN106875122B CN 106875122 B CN106875122 B CN 106875122B CN 201710085274 A CN201710085274 A CN 201710085274A CN 106875122 B CN106875122 B CN 106875122B
- Authority
- CN
- China
- Prior art keywords
- flight
- aircraft
- strategy
- sector
- tail
- 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
- 238000009833 condensation Methods 0.000 title claims abstract description 48
- 230000005494 condensation Effects 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000000446 fuel Substances 0.000 claims abstract description 36
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 238000011217 control strategy Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 210000000349 chromosome Anatomy 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 8
- 230000033228 biological regulation Effects 0.000 claims description 7
- 230000014759 maintenance of location Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 229910002056 binary alloy Inorganic materials 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 230000002045 lasting effect Effects 0.000 claims description 3
- 230000001141 propulsive effect Effects 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000003795 desorption Methods 0.000 abstract 1
- 230000004907 flux Effects 0.000 abstract 1
- 238000009795 derivation Methods 0.000 description 7
- 230000005484 gravity Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000010006 flight Effects 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010353 genetic engineering Methods 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000012360 testing method 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种降低凝结尾生成的区域扇区飞行调配方法，判断各个飞行高度层上凝结尾生成态势，结合区域扇区飞行冲突探测解脱方法，根据区域扇区内飞行流量分布特性，建立了以飞行冲突解脱与凝结尾条数最小值为目标的优化模型，设计了多目标的区域扇区飞行调配优化算法，对应实际工作中飞机区域管制方法，确定了降低凝结尾生成的区域扇区飞行调配方法和管制策略。在保证扇区安全高效运行的同时，有效降低凝结尾形成条数和燃油成本。
Description
技术领域
本发明涉及一种降低凝结尾生成的区域扇区飞行调配方法。
背景技术
对高空航行的飞机进行航向、速度、高度的调配，有利于安全、高效、节能环保的使用航路资源。飞行调配策略是提升航行安全、效率能力的重要方法，目前主要是基于飞行高度层上的飞机冲突、危险天气和航线变更等原因实施。随着空中交通量的迅速增加和人们环保意识的增强，对空中交通所产生的环境影响日益关注，尤其是需要控制航空活动导致的温室效应，以保障地球生态环境稳定和人类生活健康。
国内外学者主要从燃油成本、飞行安全和航班延误角度研究扇区飞行调配方法，并没有综合考虑降低凝结尾生成的飞行调配方法，其研究目前尚为空白，但环境承受能力是有限的，为了保证空中交通的持续稳定发展，环境容量是不可逾越的鸿沟，因此降低凝结尾生成的区域扇区飞行调配方法研究是亟需开展的重要研究。
发明内容
针对上述问题，本发明提出一种降低凝结尾生成的区域扇区飞行调配方法。
实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
一种降低凝结尾生成的区域扇区飞行调配方法，包括以下步骤：
(1)判断各个飞行高度层上凝结尾生成态势，确定飞机生成凝结尾时所在的飞行高度层；
(2)预测可能产生的飞行冲突，构建区域扇区飞行冲突解脱方法，设置若干个飞行冲突调配策略；
(3)构建降低凝结尾生成的区域扇区飞行调配优化模型，得到最优的调配策略的组合，确定降低凝结尾生成的飞行调配方法和管制策略。
优选地，所述步骤(1)具体包括以下步骤：
(1.1)读取历史飞行计划数据，统计出区域扇区内飞机飞行高度层分布概况；
(1.2)读取历史气象数据信息，统计出与各个飞行高度层对应的大气温度、水面相对湿度，然后计算出对应的冰面相对湿度和临界相对湿度；
(1.3)根据步骤1.2中的计算结果，判断步骤(1.1)中的各个飞行高度层上凝结尾生成态势。
优选地，所述步骤(1.2)中的冰面相对湿度表示为：
所述临界相对湿度rcritical的计算公式如下：
Tcontrail＝-46.46+9.43ln(G-0.053)+0.72ln2(G-0.053)
其中，代表大气温度T下的饱和水汽压，单位为hPa；e0代表0℃时的饱和水汽压，e0＝6.11hPa；对于水面来说，系数a＝7.5，b＝237.3；Tcontrail代表凝结尾生成的临界温度；代表H2O的排放指数；Cp代表空气定压比热容，单位为J/kg·K；P代表大气压强，单位为hPa；ε代表水的分子质量与干空气的平均相对分子质量的比值；Q代表燃烧比热容，单位为J/kg；η代表喷气式发动机平均推进效率。
优选地，所述步骤(1.3)具体为：
当水面相对湿度满足：RHcritical≤RHw＜100％，且冰面相对湿度满足：RHi≥100％，飞机飞行时形成持续凝结尾，根据该气象条件，计算各个飞行高度层上是否会产生凝结尾
优选地，所述步骤(3)具体包括以下步骤：
(3.1)以最少凝结尾生成数量、最小燃油消耗、最短飞行延误时间作为优化目标，以区域扇区飞行安全间隔、区域扇区容量、飞机运行性能作为约束条件建立优化模型；
(3.2)选取NSGA-II算法对步骤(3.1)中建立的优化模型进行求解，得到最优的调配策略的组合。
优选地，所述飞行冲突调配策略包括调整速度类的速度调配策略、调整航向类的航向调配策略和调整高度类的高度调配策略。
优选地，所述最少凝结尾生成数量为：
其中，F为飞机集合；FL为扇区可用高度层集合；W为时间窗集合；
最小化燃油消耗量可表示为：
其中，FWi C为保持巡航平飞时飞机i的燃油消耗量；FWi V为使用速度调配策略时飞机i所消耗的燃油量；FWi D为使用航向调配策略时飞机i所消耗的燃油量；FWi H为使用高度调配策略时飞机i所消耗的燃油量；
最短飞行延误时间可表示：
飞机预计离开扇区的时间为ETOi，若发生飞行冲突，飞机实际离开扇区的时间为ATOi；
安全间隔约束：
dij≤Sij
其中，dij为飞机i和飞机j之间的实际距离，Sij为飞机i和飞机j之间的安全间隔。
区域扇区容量约束：
其中，为航段k在时间窗w内的容量，为航路点p在时间窗w内的容量。
飞机运行性能约束：
A：速度的增加和减小的变化范围控制在[-6％,3％]的范围之内：
其中，V1为调速前的速度，V2为调速后的速度。
B：航向改变的范围控制在[-π/9,π/9]的范围内(逆时针为负，顺时针为正)：
-π/9≤ΔHTi≤π/9
其中，ΔHTi为飞机i的航向改变量。
C：高度的上升和下降最多只能改变一个高度层：
|ΔHi|≤600
D：飞机爬升率和下降率不能超过最大爬升率和下降率：
其中，为飞机i的最大爬升率，为飞机i的最大下降率，和分别为爬升和下降过程经历的时间。
优选地，所述步骤(3.2)具体包括以下步骤：
(3.2.1)：染色体编码；对飞机航班进行染色体编码，染色体中的基因为飞机在其飞行航路上过每个冲突点的飞行冲突调配策略的编码；
(3.2.2)：生成初始种群；根据飞机初始的飞行路径和进入扇区时刻，随机生成飞机在各冲突点的飞行调配策略，为保证初始解集具备一定的差异性，提高算法获取全局最优解的可能性，要求种群中Hamming距离大于某一预先设定值的染色体数量必须超过设定的比例；
(3.2.3)：设计适应度函数；为满足遗传算法适应度函数的单值、连续、非负和最大化等条件，基于区域扇区运行优化模型的三个目标函数：最小化凝结尾数量、最小化燃油消耗和最小化飞行延误时间，设计适应度函数为：
其中，τ为无穷大的正数，NC为染色体中飞机存在的冲突次数，若飞机在选定调配策略后仍然存在飞行冲突现象，其适应度值会趋于无穷小。
(3.2.4)：选择、交叉、变异；通过二进制锦标赛法选择生成父代种群，再通过交叉、变异得到子代种群；
(3.2.5)：精英保留策略；对子代种群的染色体进行扇区飞行冲突探测与解脱，并判断是否满足约束条件，若不满足需丢弃该染色体，将处理后的子代种群和父代种群合并，计算染色体的适应度值，采用精英保留策略保留较优解对应的染色体，生成新种群作为新的父代种群；
(3.2.6)：判断进化代数是否等于设定的终止进化代数，否则返回(3.2.4)。
优选地，所述飞行冲突包括追赶冲突、对头冲突和交叉冲突
本发明的有益效果：
本发明的实现过程简单，弥补了国内外在降低凝结尾生成的多目标调配策略上的空白，在获取气象信息和航班流的数据基础上，参考航空器管制规定，提供切实可行的飞行调配方法。以上海区域20号扇区(ZSSSAR20)为例，根据飞机类型和参考《管制一号规定》要求，通过飞行调配方法优化，减少扇区内生成凝结尾航班数量达54％，减少燃油消耗0.4％。
附图说明
图1为本发明一种实施例的整体流程示意图；
图2为降低凝结尾生成的区域扇区飞行调配优化算法流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1和2所示，一种降低凝结尾生成的区域扇区飞行调配方法，包括以下步骤：
(1)判断各个飞行高度层上凝结尾生成态势，确定飞机生成凝结尾时所在的飞行高度层；
(2)预测可能产生的飞行冲突，构建区域扇区飞行冲突解脱方法，设置若干个飞行冲突调配策略；
(3)构建降低凝结尾生成的区域扇区飞行调配优化模型，得到最优的调配策略的组合，确定降低凝结尾生成的飞行调配方法和管制策略。
优选地，所述飞行冲突包括追赶冲突、对头冲突和交叉冲突，所述飞行冲突调配策略包括调整速度类的速度调配策略、调整航向类的航向调配策略和调整高度类的高度调配策略。
优选地，所述步骤(1)具体包括以下步骤：
(1.1)读取历史飞行计划数据，统计出扇区内飞机飞行高度层分布概况；
在实际操作过程中，步骤(1.1)具体是根据航空公司或管制单位给出的飞机飞行计划或真实的雷达数据，统计出扇区内飞机飞行高度层的分布，比如，一周内航空器使用某一高度层的次数，此统计过程可以通过现有技术来实现，此处不做赘述。
(1.2)读取历史气象数据信息，统计出与各个飞行高度层对应的大气温度T、水面相对湿度RHw，然后计算出对应的冰面相对湿度RHi和临界相对湿度rcritical；
前述的大气温度T、水面相对湿度RHw可以通过国家气象探空数据库得到的，这里的统计指的是对应步骤(1.1)中得到的飞机飞行高度层分布概况，统计出飞机运行当时的气象条件，以便进行凝结尾的计算。
所述冰面相对湿度RHi的计算公式如下：
所述临界相对湿度rcritical的计算公式如下：
Tcontrail＝-46.46+9.43ln(G-0.053)+0.72ln2(G-0.053)
其中，代表大气温度T下的饱和水汽压，单位为hPa；e0代表0℃时的饱和水汽压，e0＝6.11hPa；对于水面来说，系数a＝7.5，b＝237.3；Tcontrail代表凝结尾生成的临界温度；代表H2O的排放指数；Cp代表空气定压比热容，单位为J/kg·K；P代表大气压强，单位为hPa；ε代表水的分子质量与干空气的平均相对分子质量的比值；Q代表燃烧比热容，单位为J/kg；η代表喷气式发动机平均推进效率，指发动机传递给飞行器的推进功率与其产生的总机械功率之比，仅与进气速度(等于飞机飞行速度)和排气速度有关。
(1.3)根据步骤1.2中的计算结果(即得到的气象数据)，判断步骤(1.1)中得到的各个飞行高度层上凝结尾生成态势；具体为：当水面相对湿度满足：RHcritical≤RHw＜100％，且冰面相对湿度满足：RHi≥100％，飞机飞行时形成持续凝结尾，即获取每个飞行高度层上的气象条件后，根据该气象条件，计算各个飞行高度层上是否会产生凝结尾。
在本发明的一种实施例中，所述步骤(2)中设置的若干个飞行冲突调配策略如表1所示：
表1
在本发明的其他实施例中，设置的若干个飞行冲突调配策略还可能包括其他的调配策略，本发明中不对具体的飞行冲突调配策略进行限定。
优选地，所述步骤(3)具体包括以下步骤：
(3.1)以最少凝结尾生成数量、最小燃油消耗量、最短飞行延误时间作为优化目标，以区域扇区飞行安全间隔、区域扇区容量、飞机运行性能作为约束条件建立优化模型；
其中，F为航空器集合，即扇区内所有的航空器的集合；FL为扇区可用高度层集合，W为时间窗集合。
最小化凝结尾数量可表示为：
最小化燃油消耗量可表示为：
其中，FWi C为保持巡航平飞时飞机i的燃油消耗量，FWi V为使用速度调配策略时飞机i所消耗的燃油量；FWi D为使用航向调配策略时飞机i所消耗的燃油量；FWi H为使用高度调配策略时飞机i所消耗的燃油量。
飞机在区域扇区飞行的过程属于飞行剖面中的巡航阶段，巡航阶段一般为等高等指示空速或等马赫数的平飞运动，燃油效率较高。因此，巡航平飞时的燃油消耗量为：
式中：FFi C为飞机i在巡航时的燃油流率，是与飞机飞行速度和飞行高度相关的变量(各机型在给定高度和给定速度下的燃油流率是确定的，可以通过查表得到)；为飞机i在扇区保持巡航平飞的时间；当发生飞行冲突，使用不同的冲突调配策略，飞机的发动机状态也发生变化，燃油流率和燃油消耗量也随之改变。
采用速度调整策略时，飞机需经历加速和减速两个过程，燃油消耗量可表示为：
式中：为飞机i在速度调整的经历时间，为决策变量，采用速度调整策略时为1，否则为0；
为飞机i在速度调整策略实施前原始速度为V1时的燃油流率，为飞机i在速度调整策略实施后速度为V2时的燃油流率；
采用航向调整策略时，燃油消耗量可表示为：
为决策变量，采用航向调整策略时为1，否则为0，为航向调整过程中直线平飞的时间，为航向调整过程中转弯的时间；
CL1为巡航时的升力系数，CL2为转弯时的升力系数；CD1为巡航时的阻力系数，CD2为转弯时的阻力系数；γ为转弯时飞机的坡度。
采用高度调整策略时，飞机会经历爬升和下降，燃油消耗量FWi H可表示为：
为决策变量，采用高度调整策略时为1，否则为0；FFi HC和FFi HD分别为爬升和下降燃油流率(可查表得)；和分别为爬升和下降过程经历的时间；ΔHi为飞机i高度改变量；为新高度层巡航时间。
最短飞行延误(即飞行延误时间最小)可表示：
飞机预计离开扇区的时间为ETOi，若发生飞行冲突，飞机实际离开扇区的时间为ATOi。
安全间隔约束：
dij≤Sij
其中，dij为飞机i和飞机j之间的实际距离，Sij为飞机i和飞机j之间的安全间隔。
区域扇区容量约束：
其中，为航段k在时间窗w内的容量，为航路点p在时间窗w内的容量。
飞机运行性能约束：
A：速度的增加和减小的变化范围控制在[-6％,3％]的范围之内：
其中，V1为调速前的速度，V2为调速后的速度。
B：航向改变的范围控制在[-π/9,π/9]的范围内(逆时针为负，顺时针为正)：
-π/9≤ΔHTi≤π/9
其中，ΔHTi为飞机i的航向改变量。
C：高度的上升和下降最多只能改变一个高度层：
|ΔHi|≤600
D：飞机爬升率和下降率不能超过最大爬升率和下降率：
其中，为飞机i的最大爬升率，为飞机i的最大下降率。
(3.2)选取NSGA-II算法对步骤(3.1)中建立的优化模型进行求解，得到最优的调配策略的组合，即区域内飞机为了达到优化模型的最优优化目标，飞行状态的调整结果。
步骤(3.2)具体包括以下步骤：
(3.2.1)：染色体编码。对飞机航班进行染色体编码，染色体中的基因为飞机在其飞行航路上过每个冲突点的飞行冲突调配策略的编码，此处的每个冲突点的飞行冲突调配策略为步骤(2)中设的各个飞行冲突调整策略。
(3.2.2)：生成初始种群。根据飞机初始的飞行路径和进入扇区时刻，随机生成飞机在各冲突点的飞行调配策略，为保证初始解集具备一定的差异性，提高算法获取全局最优解的可能性，要求种群中Hamming距离大于某一预先设定值的染色体数量必须超过设定的比例。
(3.2.3)：设计适应度函数。为满足遗传算法适应度函数的单值、连续、非负和最大化等条件，基于区域扇区运行优化模型的三个目标函数：最小化凝结尾数量、最小化燃油消耗和最小化飞行延误时间，设计适应度函数为：
其中，τ为无穷大的正数，NC为染色体中飞机存在的冲突次数，若飞机在选定调配策略后仍然存在飞行冲突现象，其适应度值会趋于无穷小。
(3.2.4)：选择、交叉、变异。通过二进制锦标赛法选择生成父代种群，再通过交叉、变异得到子代种群。本发明的优选遗传算法控制参数为：种群规模设置为400，终止进化代数设置为700，交叉概率为设置为0.8，变异概率设置为0.01，执行遗传操作时采用线性重组交叉和随机因子变异规则，前述的参数在本发明的其他实施例中可以设为其他值，本发明中不对具体的参数值进行限定。
(3.2.5)：精英保留策略。对子代种群的染色体进行扇区飞行冲突探测与解脱，并判断是否满足约束条件，若不满足需丢弃该染色体，将处理后的子代种群和父代种群合并，计算染色体的适应度值，采用精英保留策略保留较优解对应的染色体，生成新种群作为新的父代种群。
(3.2.6)：判断进化代数是否等于设定的终止进化代数，等于则结束算法，否则返回(3.2.4)。
本发明中可以通过下述不同的试验来验证本发明的飞行调配方法的有效性
一、分析调配策略中航向、速度和高度三类调配策略对生成凝结尾数量、燃油消耗和冲突次数的影响
首先对各个调配策略进行编码，优选通过建立飞行冲突调整编码表来实现，飞行冲突调整编码表具体见表1，是对飞行冲突调配策略进行的组合，如：飞行状态不变，编码0；提升高度，编码1；下降高度，编码2；……依次对各个调配策略进行编码(此处的编码不同于NSGA-II算法求解过程中的编码)，以便进行后续分析比较以及灵敏度分析。
表1飞行冲突调整编码表
利用步骤(3)中的优化模型的求解算法，分析不同的编码组合在优化结果中对目标函数(凝结尾数量、燃油消耗和冲突次数)的影响，具体为：当只使用某一类调配策略时(航向、速度或者高度)，重复步骤(3)中的优化模型的求解算法，得到一策略优化结果的影响；同样地，当只是用某两类调配策略，重复步骤(3)中的优化模型的求解算法，得到二策略优化结果的影响，当使用全部策略，重复步骤(3)中的优化模型的求解算法，分析不同调配策略对优化结果的影响有何不同。
二、分析区域扇区内不同初始高度层飞行的优化结果，即以不同的飞行高度作为起始高度层时，使用三类调配策略对结果的影响有何不同
具体为：根据步骤(3)中的优化模型的求解算法，分析以不同的飞行高度作为起始高度层时，使用三类调配策略对优化结果的影响有何不同。
三、分析区域扇区各种调配策略的比重和各种调配策略的灵敏度
根据步骤(3)中的优化模型的求解算法，分析在优化结果中，每种编码调配策略所占整体比重。
分析每种调配策略的灵敏度，即，微调某一编码策略的比重后，重复步骤(3)中的优化模型的求解算法，得到对应的优化结果，分析其对目标函数影响有多大改变；统计完整的调配策略中为了达到最优结果，使用每种编码的次数占所有编码总次数的比重。
本发明的飞行调配方法在实际使用时，是根据《管制一号规定》的要求，根据飞机实际使用的飞行高度初始值，结合本发明中的调配方法生成的步骤来确定降低凝结尾生成的区域扇区飞行调配方法和管制策略。
综上所述：
本发明通过对历史气象数据和飞行数据的分析，判断出凝结尾生成的高度层；为了避免凝结尾的生成，可以选择通过改变飞行高度来实现，但是单一的改变高度会造成一个区域内的飞机发生混乱，造成飞行冲突，因此，本发明将减少冲突和降低凝结尾生成作为优化目标，同时考虑了必要的限制条件(即约束条件)，从而得到最优的调配方法。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (2)
1.一种降低凝结尾生成的区域扇区飞行调配方法，其特征在于，包括以下步骤：
(1)判断各个飞行高度层上凝结尾生成态势，确定飞机生成凝结尾时所在的飞行高度层；
(2)预测可能产生的飞行冲突，构建区域扇区飞行冲突解脱方法，设置若干个飞行冲突调配策略；所述飞行冲突调配策略包括调整速度类的速度调配策略、调整航向类的航向调配策略和调整高度类的高度调配策略；
(3)构建降低凝结尾生成的区域扇区飞行调配优化模型，得到最优的调配策略的组合，确定降低凝结尾生成的飞行调配方法和管制策略；
所述步骤(1)具体包括以下步骤：
(1.1)读取历史飞行计划数据，统计出区域扇区内飞机飞行高度层分布概况；
(1.2)读取历史气象数据信息，统计出与各个飞行高度层对应的大气温度、水面相对湿度，然后计算出对应的冰面相对湿度和临界相对湿度；
(1.3)根据步骤(1.2)中的计算结果，判断步骤(1.1)中的各个飞行高度层上凝结尾生成态势；
所述步骤(1.2)中的冰面相对湿度表示为：
所述临界相对湿度RHcritical的计算公式如下：
Tcontrail＝-46.46+9.43ln(G-0.053)+0.72ln2(G-0.053)
其中，代表大气温度T下的饱和水汽压，单位为hPa；e0代表0℃时的饱和水汽压，e0＝6.11hPa；对于水面来说，系数a＝7.5，b＝237.3；Tcontrail代表凝结尾生成的临界温度；EIH2O代表H2O的排放指数；Cp代表空气定压比热容，单位为J/kg·K；P代表大气压强，单位为hPa；ε代表水的分子质量与干空气的平均相对分子质量的比值；Q代表燃烧比热容，单位为J/kg；η代表喷气式发动机平均推进效率；
所述步骤(1.3)具体为：
当水面相对湿度满足：RHcritical≤RHw＜100％，且冰面相对湿度满足：RHi≥100％，飞机飞行时形成持续凝结尾，根据该气象条件，计算各个飞行高度层上是否会产生凝结尾；
所述步骤(3)具体包括以下步骤
(3.1)以最少凝结尾生成数量、最小燃油消耗、最短飞行延误时间作为优化目标，以区域扇区飞行安全间隔、区域扇区容量、飞机运行性能作为约束条件建立优化模型；
(3.2)选取NSGA-II算法对步骤(3.1)中建立的优化模型进行求解，得到最优的调配策略的组合；
所述最少凝结尾生成数量为：
其中，F为飞机集合；FL为扇区可用高度层集合；W为时间窗集合；
最小化燃油消耗量可表示为：
其中，FWi C为保持巡航平飞时飞机i的燃油消耗量；FWi V为使用速度调配策略时飞机i所消耗的燃油量；FWi D为使用航向调配策略时飞机i所消耗的燃油量；FWi H为使用高度调配策略时飞机i所消耗的燃油量；
最短飞行延误时间可表示：
飞机预计离开扇区的时间为ETOi，若发生飞行冲突，飞机实际离开扇区的时间为ATOi；
安全间隔约束：
dij≤Sij
其中，dij为飞机i和飞机j之间的实际距离，Sij为飞机i和飞机j之间的安全间隔；
区域扇区容量约束：
其中，为航段k在时间窗w内的容量，为航路点p在时间窗w内的容量；
飞机运行性能约束：
A：速度的增加和减小的变化范围控制在[-6％,3％]的范围之内：
其中，V1为调速前的速度，V2为调速后的速度；
B：航向改变的范围控制在[-π/9,π/9]的范围内，逆时针为负，顺时针为正：
-π/9≤ΔHTi≤π/9
其中，ΔHTi为飞机i的航向改变量；
C：高度的上升和下降最多只能改变一个高度层：
|ΔHi|≤600
D：飞机爬升率和下降率不能超过最大爬升率和下降率：
其中，为飞机i的最大爬升率，为飞机i的最大下降率，和分别为爬升和下降过程经历的时间；
所述步骤(3.2)具体包括以下步骤：
(3.2.1)：染色体编码；对飞机航班进行染色体编码，染色体中的基因为飞机在其飞行航路上过每个冲突点的飞行冲突调配策略的编码；
(3.2.2)：生成初始种群；根据飞机初始的飞行路径和进入扇区时刻，随机生成飞机在各冲突点的飞行调配策略，且种群中Hamming距离大于某一预先设定值的染色体数量必须超过设定的比例；
(3.2.3)：设计适应度函数；为满足遗传算法适应度函数的单值、连续、非负和最大化等条件，基于区域扇区运行优化模型的三个目标函数：最小化凝结尾数量、最小化燃油消耗和最小化飞行延误时间，设计适应度函数为：
其中，τ为无穷大的正数，NC为染色体中飞机存在的冲突次数，若飞机在选定调配策略后仍然存在飞行冲突现象，其适应度值会趋于无穷小；
(3.2.4)：选择、交叉、变异；通过二进制锦标赛法选择生成父代种群，再通过交叉、变异得到子代种群；
(3.2.5)：精英保留策略；对子代种群的染色体进行扇区飞行冲突探测与解脱，并判断是否满足约束条件，若不满足需丢弃该染色体，将处理后的子代种群和父代种群合并，计算染色体的适应度值，采用精英保留策略保留较优解对应的染色体，生成新种群作为新的父代种群；
(3.2.6)：判断进化代数是否等于设定的终止进化代数，否则返回(3.2.4)。
2.根据权利要求1所述的一种降低凝结尾生成的区域扇区飞行调配方法，其特征在于：所述飞行冲突包括追赶冲突、对头冲突和交叉冲突。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710085274.9A CN106875122B (zh) | 2017-02-17 | 2017-02-17 | 一种降低凝结尾生成的区域扇区飞行调配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710085274.9A CN106875122B (zh) | 2017-02-17 | 2017-02-17 | 一种降低凝结尾生成的区域扇区飞行调配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106875122A CN106875122A (zh) | 2017-06-20 |
| CN106875122B true CN106875122B (zh) | 2019-08-09 |
Family
ID=59166102
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710085274.9A Active CN106875122B (zh) | 2017-02-17 | 2017-02-17 | 一种降低凝结尾生成的区域扇区飞行调配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106875122B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110794866B (zh) * | 2019-10-17 | 2021-10-08 | 成都飞机工业（集团）有限责任公司 | 一种集爬升-巡航-下降为整体的航时性能优化方法 |
| CN111009154B (zh) * | 2019-10-18 | 2020-11-03 | 中国电子科技集团公司第二十八研究所 | 基于航班流预排序的终端区空域冲突探测与解脱算法 |
| CN112037583B (zh) * | 2020-09-02 | 2022-08-09 | 中国航空无线电电子研究所 | 一种航空器高度层变更程序优化引导方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105390030A (zh) * | 2014-09-03 | 2016-03-09 | 北京航空航天大学 | 飞行流量调控方法及系统 |
-
2017
- 2017-02-17 CN CN201710085274.9A patent/CN106875122B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105390030A (zh) * | 2014-09-03 | 2016-03-09 | 北京航空航天大学 | 飞行流量调控方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 《基于降低温室效应的航空器运行策略》;王中凤燕等;《环境保护科学》;20160831;第126-132页 * |
| 《面向环境保护的空中交通运行优化方法研究》;万莉莉;《南京航空航天大学博士论文》;20151201;第106-126页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106875122A (zh) | 2017-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220033062A1 (en) | Method and system for determining helicopter rotor airfoil | |
| CN106875122B (zh) | 一种降低凝结尾生成的区域扇区飞行调配方法 | |
| Chakrabarty et al. | Flight path planning for uav atmospheric energy harvesting using heuristic search | |
| JP2020077387A (ja) | 垂直飛行経路の最適化 | |
| CN107123315A (zh) | 一种考虑环境影响的终端区进离场航线优化方法 | |
| CN108107911A (zh) | 一种太阳能飞机自主寻优航迹规划方法 | |
| Lawrance et al. | A guidance and control strategy for dynamic soaring with a gliding UAV | |
| CN109814593A (zh) | 一种可自主寻热的低空太阳能无人机飞行控制方法和系统 | |
| WO2023130691A1 (zh) | 一种基于分布式压力传感器与分段姿态控制的动态滑翔方法及系统 | |
| CN105953800A (zh) | 一种无人飞行器航迹规划栅格空间划分方法 | |
| CN109598815A (zh) | 一种机载燃油系统耗油估计及健康监测方法 | |
| CN108583909B (zh) | 一种弹射座椅低空姿态控制方法 | |
| CN109969426A (zh) | 一种针对复合推力构型直升机的升力分配方法及系统 | |
| CN109063891A (zh) | 一种无人机调度路线规划方法 | |
| CN107092980A (zh) | 一种基于粒子群算法的连续下降进近排放优化方法 | |
| Andersson et al. | Cooperating uavs using thermal lift to extend endurance | |
| Lee et al. | Predictive control for soaring of unpowered autonomous UAVs | |
| Wharington | Heuristic control of dynamic soaring | |
| CN111090908B (zh) | 一种群伞系统设计参数选取方法 | |
| Barnes | Energy Gain from an Atmosphere in Motion-Dynamic Soaring and Regen-Electric Flight Compared | |
| CN115981376A (zh) | 一种基于气流模型的无人机长滞空飞行规划方法和装置 | |
| Hu et al. | Research on Flight Delay Prediction Based on Random Forest | |
| Patel et al. | Extracting energy from atmospheric turbulence with flight tests | |
| CN113110558A (zh) | 一种混合推进无人机需求功率预测方法 | |
| Mears | Energy harvesting for unmanned air vehicle systems using dynamic soaring |
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 |