CN106875756B - 一种基于蚁群算法的连续下降进近的航空器噪声优化方法 - Google Patents
一种基于蚁群算法的连续下降进近的航空器噪声优化方法 Download PDFInfo
- Publication number
- CN106875756B CN106875756B CN201710227711.6A CN201710227711A CN106875756B CN 106875756 B CN106875756 B CN 106875756B CN 201710227711 A CN201710227711 A CN 201710227711A CN 106875756 B CN106875756 B CN 106875756B
- Authority
- CN
- China
- Prior art keywords
- noise
- aircraft
- track
- point
- continuously
- 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 82
- 238000005457 optimization Methods 0.000 title claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 13
- 238000013459 approach Methods 0.000 claims abstract description 53
- 230000007423 decrease Effects 0.000 claims abstract description 25
- 230000007704 transition Effects 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 230000008520 organization Effects 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 4
- 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 3
- 101100208039 Rattus norvegicus Trpv5 gene Proteins 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 210000001520 comb Anatomy 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000004836 empirical method Methods 0.000 claims description 3
- 238000005511 kinetic theory Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000012937 correction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- YBMRDBCBODYGJE-UHFFFAOYSA-N germanium dioxide Chemical compound O=[Ge]=O YBMRDBCBODYGJE-UHFFFAOYSA-N 0.000 description 2
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229910001369 Brass Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000010951 brass Substances 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 229910052697 platinum Inorganic materials 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于蚁群算法的连续下降进近的航空器噪声优化方法，首先选取噪声敏感点，粗选噪声最优CDA基本进近程序；其次，以PBN进近参考程序为基础，构建连续下降进近标称航迹运控模型，并进行校正；然后，确定航空器连续下降过程中受到的约束条件，划设噪声优化过渡空间和噪声优化进近空间，得到不同航空器状态对应的可选四维CDA航迹搜索库；最后，以航空器在进近过程中的噪声最小为目标，建立航空器连续下降进近噪声优化模型，枚举得出对应不同航空器机型、不同运行状态、不同气象条件下的最优下降进近航迹。此种方法可根据航空器性能、初始状态和气象条件，动态调整其连续下降进近的航迹，为提高航空器在终端区下降阶段的环保水平提供参考。
Description
技术领域
本发明属于航空器运行信息感知与识别领域，涉及一种基于蚁群算法的航空器连续进近阶段的噪声优化方法，具体涉及以噪声敏感点为目标的进近程序优化选择、连续下降进近标称航迹运控建模、噪声优化过渡空间/进近空间划设和连续下降进近噪声优化求解方法。
背景技术
随着空中交通的持续增长，机场跑道将会处理更高的交通量，这使得居住在机场周围的居民越来越关注飞机噪声污染问题。航空器连续下降进近(Continuous DescentApproach，CDA)作为一种新型进场方式能够有效减小噪声污染。采用CDA进近，飞机能降落时保持在较高的高度，降低飞机的动力，从而显着降低着陆飞机的噪声影响。由于CDA具有显著的经济性和环保性，它也成为欧美航空发达国家未来空中交通运输系统的基础技术之一。
当前对航空器连续下降进近噪声的研究主要在于评估各类噪声指标和减噪操作方法效率，通过建立标准的连续下降进近航迹，与传统的进近程序进行对比，分析连续下降进近在噪声方面的优势；通过对噪声评价原理和步骤的分析，建立噪声计算模型以对特定机场进行噪声预测。然而，关于如何根据航空器性能、状态和气象条件，动态地调整连续下降进近航迹以优化噪声敏感点的噪声值的研究成果仍非常少，存在一定的领域空白。因此，亟需采用一种高效的优化方法，通过对航空器连续下降进近航迹的动态调整来优化噪声，这对于提高航空器在终端区运行效率、扩大新机场的选址范围具有重要意义。
发明内容
本发明的目的，在于提供一种基于蚁群算法的连续下降进近的航空器噪声优化方法，其可根据航空器性能、初始状态和气象条件，动态调整其连续下降进近的航迹，为提高航空器在终端区下降阶段的环保水平提供相应参考。
为了达成上述目的，本发明的解决方案是：
一种基于蚁群算法的连续下降进近的航空器噪声优化方法，包括如下步骤：
步骤1，选取噪声敏感点，搜集本场标准仪表进场和PBN进近程序，使用高度加权的方法，粗选整体噪声影响最小的进近程序作为噪声最优CDA基本进近程序；
步骤2，分析航空器连续进近下降飞行过程，梳理航空器构型变化对各类性能参数的影响，以PBN进近参考程序为基础，构建连续下降进近标称航迹运控模型，通过历史航迹数据和气象数据对航迹模型进行校正；
步骤3，分析PBN进近参考程序，确定航空器连续下降过程中受到的约束条件，划设噪声优化过渡空间和噪声优化进近空间，以得到不同航空器状态对应的可选四维CDA航迹搜索库；
步骤4，梳理影响航空器进近阶段噪声的各类因素，以航空器在进近过程中的噪声最小为目标，建立航空器连续下降进近噪声优化模型；噪声优化以半经验法为导向，基于噪声-功率-距离数据库，采用数据插值法和拟合法整理噪声数据，并结合航段分割法，枚举得出对应不同航空器机型、不同运行状态、不同气象条件下的最优下降进近航迹。
上述步骤1的详细内容是：
步骤11，根据所选机场周边布局，确定地面噪声敏感点，假设噪声敏感点为Ii＝{(xi,yi)|i＝1,2，…，n}，在进近程序平面投影图中，航迹转弯点将一条以进场点为起点，以ILS为终点的完整航迹分解为各个直线航段，作Ii到其最近航段的非延长线垂线，垂点记为Qi,Li＝IiQi；
步骤12，在航行资料汇编AIP的航路部分中查找搜集本场标准仪表进场和PBN进近程序，假设进场点A的高度为ha，机场场面高度为hf,将ha-hf等分为N段，从低到高设置高度权值1～N，设Qi所在的高度权值为λi；
步骤13，针对所有可得标准仪表进场和PBN进近程序，所对应的进近航迹即为噪声最小航迹，即距离敏感点整体位置最远航迹，以此基本进近程序作为噪声优化的PBN进近参考程序。
上述步骤2的详细内容是：
步骤21，分析航空器连续下降过程中构型变化过程，梳理受构型变化影响最大的航空器运行参数；
步骤22，应用系统动力学理论，结合欧洲航行安全组织发布的《航空器基础性能数据库》，融合航空器关键运行参数，在PBN进近参考程序的基础上，建立航空器连续下降标称航迹运控模型；
步骤23，通过历史航迹数据和气象数据对航空器连续下降标称航迹运控模型进行校正，实现根据航空器质量、飞行高度、速度、风速、温度的变化，对推力、阻力、燃油率这些关键数据进行修正。
上述步骤3的具体内容是：
步骤31，分析PBN进近参考程序，根据进近过程中的航向、速度和高度约束条件，划设从进场点到起始进近定位点的噪声优化过渡空间；将该立方体空间以可变的步长进行离散化，模拟飞机到达IAF点前的随机飞行状态；通过随机数为航空器分配入场点与起始速度，在噪声优化过渡空间飞行时，完成从随机飞行状态到IAF点限制飞行状态的转化，并筛除超出性能包络无法实现CDA进近的航空器；
步骤32，定义点TODz连续下降进近最晚下降点，它是由航空器性能限制的最大下降率和ILS拦截点所决定；以进场点A为起点，以TODz为终点，构成紧接噪声优化过渡空间之后的噪声优化进近空间；将线段A-TODz以100m等距离间隔开，生成开始下降点集{TODt|t≤z}；不同的开始下降点对应不同下滑角的CDA程序，生成可选CDA程序库；
步骤33，使用BADA除去那些在连续下降进近过程中违反飞行器性能参数的程序，所得到的实际可选四维CDA航迹存储在阵列数据中作为可选状态空间，其中该阵列的每个元素表示构成CDA程序的飞行状态，每个数组元素存储航空器位置以及时间信息。
上述步骤4的具体内容是：
步骤41，根据航迹的转弯点和航空器推力的突变情况，将航迹分为k段，定义转弯点和推力突变点为关键点Mj＝{(xj,yj)|j＝1,2,…,k-1}，固定第j条航段的功率为Pj；假设航段Sj＝(s1j,s2j)，其中s1j和s2j分别为Sj的起点和终点；噪声敏感点Ii与Sj或其延长线的垂直交点为Spij，定义q＝(s1j,ppij),d1j＝(Ii,s1j),d2j＝(Ii,s2j),dpj＝(Ii,spij)；则噪声敏感点到Sj的距离为：
其中，Sj的起点s1j的空间坐标为(x1j，y1j，z1j)，Sj的终点s2j的空间坐标为(x2j，y2j，z2j)，垂直交点spij的空间坐标为(xpij，ypij，zpij)；
步骤42，在固定飞机发动机设定下建立距离和噪声值的关系散点图，并对其进行回归分析，并拟合出回归方程若计算所得推力不在噪声-功率-距离数据库中，则采用插值公式求得相应的数据；
步骤43，依据SAE-AIR-1845和ECAC.CEAC-Doc29中计算声音暴露级SEL的模型，对以上所得理想噪声值进行修正；
步骤44，总航段对Ii的噪声影响值为：N＝N1+N2+N3，N1、N2、N3分别代表日间、傍晚、夜间的飞行加次数，式中代表一架飞机在第j条航段上飞行时对Ii的等效连续感觉噪声级；在噪声单事件计算基础上，计算单条CDA航迹总航段累计噪声，使用蚁群算法，在各条可选CDA航迹累计噪声值中求解噪声最小目标函数。
上述步骤42中，插值公式为其中，Pn和Pn+1为噪声-功率-距离数据库中提供的相邻数据；使用MATLAB中的函数拟合功能，使用对数函数为回归分析类型，对于发动机固定推力Pj的第j航段而言，噪声敏感点Ii的噪声值其中a<0,b>0。
采用上述方案后，本发明可在飞行程序设计层面便对噪声进行控制，对飞机终端区内的任意机型，从任意起始点开始进行优化计算处理，较短时间内得出航行轨迹，在当前航空器制造设计水平下，扩大新机场的选址范围，优化飞行程序，提高环保水平，解决空中交通的持续增长与降低噪声的矛盾。
附图说明
图1是本发明的核心原理图；
图2是南京禄口机场周边地面噪声敏感点分布图；
图3是航空器连续下降标称航迹运控模型；
图4是可选四维CDA航迹搜索库；
图5是航空器连续下降进近噪声优化前后等值线对比图；
其中，(a)表示优化前，(b)表示优化后。
具体实施方式
以下将结合附图，对本发明的技术方案及有益效果进行详细说明。
本发明通过噪声敏感点的设置，使用高度加权法选取本场最优的标准仪表进场和PBN进近程序，分析航空器连续进近下降飞行过程，构建连续下降进近标称航迹运控模型，确定航空器连续下降过程中受到的约束条件，划设连续下降进近噪声优化过渡空间和噪声优化进近空间。梳理影响航空器进近阶段噪声的各类因素，以航空器在进近过程中的噪声最小为目标，建立航空器连续下降进近噪声优化模型。实现此方法的技术方案如下：
步骤1，选取噪声敏感点，搜集本场标准仪表进场和PBN进近程序，使用高度加权的方法，筛选整体噪声影响最小的进近程序作为噪声最优CDA基本进近程序。具体内容如下：
(1.1)根据所选机场周边布局，确定地面噪声敏感点，一般多为噪声敏感区域中的一类区域即特殊住宅区、文教区和居民区。假设这些区域中的噪声敏感点为Ii＝{(xi,yi)|i＝1,2，…，n}。在本实施例中，选取南京禄口机场，以24号跑道入口为坐标原点(0,0)，单位：m。确定地面噪声敏感点，如图2所示：秦村小学I1＝(-800，600)，黄桥小学I2＝(-1660，2500)，徒垓小学I3＝(4360，1100)，陈巷小学I4＝(5240，-800)，江宁区铜山中学I5＝(2490,-3000)，南京航空航天大学金城学院I6＝(1688,-2600)，金肯国际教育学院I7＝(2356,-2900)，石埝社区I8＝(270,-1200)，员工公寓I9＝(-748,1300)，铂尔曼大酒店I10＝(850,847)。
然后，在进近程序平面投影图中，航迹转弯点将一条完整航迹分解为各个直线航段。作I1～10到其最近航段的非延长线垂线(若Ii在航段外则选取Ii到航迹拐点的直线距离)，垂点(拐点)记为Qi,Li＝IiQi。
(1.2)在航行资料汇编AIP的航路(ENR)部分中查找搜集本场标准仪表进场和PBN进近程序，如ZSNJ-4AP、ZSNJ-4BP、ZSNJ-4CP、ZSNJ-4DP等20张航图。假设进场点A的高度为ha，机场场面高度为hf,将ha-hf等分为5段，从低到高设置高度权值1～5。设Qi所在的高度权值为λi；
(1.3)针对所有可得标准仪表进场和PBN进近程序，所对应的进近航迹即为噪声最小航迹，即距离敏感点整体位置最远航迹，以此基本进近程序作为噪声优化的PBN进近参考程序，经计算，南京禄口机场的ZSNJ-5EP进近程序为噪声最优CDA基本进近程序。
步骤2，分析航空器连续进近下降飞行过程，梳理航空器构型变化对各类性能参数的影响，以基本进近程序(此处指PBN进近参考程序)为基础，构建连续下降进近标称航迹运控模型，通过历史航迹数据和气象数据对航迹模型进行校正。具体内容如下：
(2.1)分析航空器连续下降过程中构型变化过程，梳理受构型变化影响最大的航空器运行参数；
(2.2)应用系统动力学理论，结合欧洲航行安全组织发布的《航空器基础性能数据库》，融合航空器关键运行参数，在PBN进近参考程序的基础上，建立航空器连续下降标称航迹运控模型，如图3所示；
(2.3)通过历史航迹数据和气象数据对航空器连续下降标称航迹运控模型进行校正，实现根据航空器质量、飞行高度、速度、风速、温度的变化，对推力、阻力、燃油率等关键数据进行修正。
步骤3，分析步骤1筛选得到的ZSNJ-5EP进近程序，确定航空器连续下降过程中受到的约束条件，划设连续下降进近噪声优化过渡空间和噪声优化进近空间，最终得到不同航空器状态对应的可选四维CDA航迹搜索库；
(3.1)分析ZSNJ-5EP进近程序，根据进近过程中的航向、速度和高度约束条件，划设从进场点到起始进近定位点的噪声优化过渡空间，该预处理空间在100m×100m×100m个步长的立方体网格中离散化，模拟飞机到达IAF点前的随机飞行状态。通过随机数为航空器分配入场点A(xa,ya,za)与起始速度Va。在预处理空间飞行时，完成从随机飞行状态到IAF点限制飞行状态(速度VIAF≤380km/h，航向HDGIAF＝52°，高度HIAF＝1800m，推力设置为慢车功率)的转化，并筛除超出性能包络无法实现CDA进近的航空器；
(3.2)定义点TODz连续下降进近最晚下降点，它是由航空器性能限制的最大下降率(即最大下滑角)和ILS(仪表着陆系统)拦截点所决定。以进场点A为起点，以TODz为终点，构成紧接预处理空间之后的噪声优化进近空间。将线段A-TODz以100m等距离间隔开，生成开始下降点集{TODt|t≤z}。不同的开始下降点对应不同下滑角的CDA程序，生成可选CDA程序库。
(3.3)使用BADA除去那些在连续下降进近过程中违反飞行器性能参数的程序，例如航空器转向角、最大下降速度、最大调速性能和可用推力等约束条件。所得到的实际可选四维CDA航迹，存储在阵列数据中作为枚举状态空间，其中该阵列的每个元素表示构成CDA程序的飞行状态。每个数组元素存储航空器位置(纬度，经度和高度)以及时间信息，如图4所示。
步骤4，梳理影响航空器进近阶段噪声的各类因素，以航空器在进近过程中的噪声最小为目标，建立航空器连续下降进近噪声优化模型。噪声优化以半经验法为导向，基于噪声-功率-距离(NPD)数据库，采用数据插值法和拟合法整理噪声数据，并结合航段分割法，枚举得出对应不同航空器机型、不同运行状态、不同气象条件下的最优下降进近航迹。具体包括以下子步骤：
(4.1)根据航迹的转弯点和航空器推力的突变情况(如航空器推力在特定高度突变，在8000英尺与3000英尺处，航空器有较大的构型变化)，将航迹分为6段，定义转弯点和推力突变点为关键点M1＝(-4930,17569)、M2＝(-5150,5626)、M3＝(-16352，5413)、M4＝(-16351，205)、M5＝(-16350，-2)。固定这6条航段的功率分别为P1＝711N，P2＝3821N，P3＝4000N，P4＝4128N，P5＝10368N，P6＝10693N。
假设航段Sj＝(s1j,s2j)，其中s1j和s2j分别为Sj的起点和终点；噪声敏感点Ii与Sj或其延长线的垂直交点为Spij，定义q＝(s1j,ppij),d1j＝(Ii,s1j),d2j＝(Ii,s2j),dpj＝(Ii,spij)；则噪声敏感点到Sj的距离为：
其中，Sj的起点s1j的空间坐标为(x1j，y1j，z1j)，Sj的终点s2j的空间坐标为(x2j，y2j，z2j)，垂直交点spij的空间坐标为(xpij，ypij，zpij)。
(4.2)在固定飞机发动机设定下建立距离和噪声值的关系散点图，并对其进行回归分析，并拟合出回归方程若计算所得推力不在由ANP或INM数据库提供的噪音-功率-距离(NPD)表格中，则需采用插值公式求得相应的数据。
插值公式为：
其中，Pn和Pn+1为NPD表格中提供的相邻数据。使用MATLAB中的函数拟合功能，使用对数函数为回归分析类型，通过实验可知，显著性水平的检验R2≈0.98，即拟合模型精确较高。对于发动机固定推力Pj的第j航段而言，噪声敏感点Ii的噪声值其中a<0,b>0。
(4.3)依据SAE-AIR-1845和ECAC.CEAC-Doc29中计算声音暴露级SEL的模型，对以上所得理想噪声值进行修正，以减小航空器在实际飞行过程中,由于所处空域的大气条件、飞机的构型、使用的飞行速度、发动机的安装位置以及测量点的位置与NPD数据的制表条件不同时所带来的误差。修正公式为
其中，ΔV为速度修正因子，即当飞机实际地速与标准速度不同时，对噪声暴露水平所产生影响的修正；为发动机安装修正，即当飞机构型和发动机安装位置对噪声辐射产生折射、反射和散射等影响时，对飞机噪声侧向辐射的不均匀进行修正；Δlβ为边线衰减修正，即当地表面对飞机下方噪声级的影响导致NPD的表列数据不同于自由声场的噪声级时进行的修正；ΔF为有限航段修正，因为NPD中的数据假设航迹为无限长直线，实际飞行的航段只为无限长直线的一部分，故需要对航段噪声进行修正。
(4.4)计权等效连续感觉噪声级WECPNL是由国际民航组织推荐的评价指标，它基于EPNL，并对昼间、晚间、夜间划了界线，乘以不同的权值。总航段对Ii的噪声影响值为：N＝N1+N2+N3。由2014年的南京进场夏秋时刻表得到,昼间(7:00—19:00)N1＝116，晚间(19:00-22:00)N2＝29,夜间(22:00-次日7:00)N3＝36。式中代表一架飞机在第j条航段上飞行时对Ii的等效连续感觉噪声级。在噪声单事件计算基础上，计算单条CDA航迹总航段累计噪声，使用蚁群算法，在各条可选CDA航迹累计噪声值中求解噪声最小目标函数，使用surfer软件绘制噪声等值线图以直观表示。对比航空器连续下降进近噪声优化前后等值线图，如图5所示。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
Claims (4)
1.一种基于蚁群算法的连续下降进近的航空器噪声优化方法，其特征在于包括如下步骤：
步骤1，选取噪声敏感点，搜集本场标准仪表进场和PBN进近程序，使用高度加权的方法，粗选整体噪声影响最小的进近程序作为噪声最优CDA基本进近程序；
所述步骤1的详细内容是：
步骤11，根据所选机场周边布局，确定地面噪声敏感点，假设噪声敏感点为Ii＝{(xi,yi)|i＝1,2，…，n}，在进近程序平面投影图中，航迹转弯点将一条以进场点为起点，以ILS为终点的完整航迹分解为各个直线航段，作Ii到其最近航段的非延长线垂线，垂点记为Qi,Li＝IiQi；
步骤12，在航行资料汇编AIP的航路部分中查找搜集本场标准仪表进场和PBN进近程序，假设进场点A的高度为ha，机场场面高度为hf,将ha-hf等分为N段，从低到高设置高度权值1～N，设Qi所在的高度权值为λi；
步骤13，针对所有可得标准仪表进场和PBN进近程序，所对应的进近航迹即为噪声最小航迹，即距离敏感点整体位置最远航迹，以此基本进近程序作为噪声优化的PBN进近参考程序；
步骤2，分析航空器连续进近下降飞行过程，梳理航空器构型变化对各类性能参数的影响，以PBN进近参考程序为基础，构建连续下降进近标称航迹运控模型，通过历史航迹数据和气象数据对航迹模型进行校正；
步骤3，分析PBN进近参考程序，确定航空器连续下降过程中受到的约束条件，划设噪声优化过渡空间和噪声优化进近空间，以得到不同航空器状态对应的可选四维CDA航迹搜索库；
步骤4，梳理影响航空器进近阶段噪声的各类因素，以航空器在进近过程中的噪声最小为目标，建立航空器连续下降进近噪声优化模型；噪声优化以半经验法为导向，基于噪声-功率-距离数据库，采用数据插值法和拟合法整理噪声数据，并结合航段分割法，枚举得出对应不同航空器机型、不同运行状态、不同气象条件下的最优下降进近航迹；
所述步骤4的具体内容是：
步骤41，根据航迹的转弯点和航空器推力的突变情况，将航迹分为k段，定义转弯点和推力突变点为关键点Mj＝{(xj,yj)|j＝1,2,…,k-1}，固定第j条航段的功率为Pj；假设航段Sj＝(s1j,s2j)，其中s1j和s2j分别为Sj的起点和终点；噪声敏感点Ii与Sj或其延长线的垂直交点为Spij，定义q＝(s1j,ppij),d1j＝(Ii,s1j),d2j＝(Ii,s2j),dpj＝(Ii,spij)；则噪声敏感点到Sj的距离为：
其中，Sj的起点s1j的空间坐标为(x1j，y1j，z1j)，Sj的终点s2j的空间坐标为(x2j，y2j，z2j)，垂直交点spij的空间坐标为(xpij，ypij，zpij)；
步骤42，在固定飞机发动机设定下建立距离和噪声值的关系散点图，并对其进行回归分析，并拟合出回归方程若计算所得推力不在噪声-功率-距离数据库中，则采用插值公式求得相应的数据；
步骤43，依据SAE-AIR-1845和ECAC.CEAC-Doc29中计算声音暴露级SEL的模型，对以上所得理想噪声值进行修正；
步骤44，总航段对Ii的噪声影响值为：N＝N1+N2+N3，N1、N2、N3分别代表日间、傍晚、夜间的飞行加次数，式中代表一架飞机在第j条航段上飞行时对Ii的等效连续感觉噪声级；在噪声单事件计算基础上，计算单条CDA航迹总航段累计噪声，使用蚁群算法，在各条可选CDA航迹累计噪声值中求解噪声最小目标函数。
2.如权利要求1所述的一种基于蚁群算法的连续下降进近的航空器噪声优化方法，其特征在于：所述步骤2的详细内容是：
步骤21，分析航空器连续下降过程中构型变化过程，梳理受构型变化影响最大的航空器运行参数；
步骤22，应用系统动力学理论，结合欧洲航行安全组织发布的《航空器基础性能数据库》，融合航空器关键运行参数，在PBN进近参考程序的基础上，建立航空器连续下降标称航迹运控模型；
步骤23，通过历史航迹数据和气象数据对航空器连续下降标称航迹运控模型进行校正，实现根据航空器质量、飞行高度、速度、风速、温度的变化，对推力、阻力、燃油率这些关键数据进行修正。
3.如权利要求1所述的一种基于蚁群算法的连续下降进近的航空器噪声优化方法，其特征在于：所述步骤3的具体内容是：
步骤31，分析PBN进近参考程序，根据进近过程中的航向、速度和高度约束条件，划设从进场点到起始进近定位点的噪声优化过渡空间；将该立方体空间以可变的步长进行离散化，模拟飞机到达IAF点前的随机飞行状态；通过随机数为航空器分配入场点与起始速度，在噪声优化过渡空间飞行时，完成从随机飞行状态到IAF点限制飞行状态的转化，并筛除超出性能包络无法实现CDA进近的航空器；
步骤32，定义点TODz连续下降进近最晚下降点，它是由航空器性能限制的最大下降率和ILS拦截点所决定；以进场点A为起点，以TODz为终点，构成紧接噪声优化过渡空间之后的噪声优化进近空间；将线段A-TODz以100m等距离间隔开，生成开始下降点集{TODt|t≤z}；不同的开始下降点对应不同下滑角的CDA程序，生成可选CDA程序库；
步骤33，使用BADA除去那些在连续下降进近过程中违反飞行器性能参数的程序，所得到的实际可选四维CDA航迹存储在阵列数据中作为可选状态空间，其中该阵列的每个元素表示构成CDA程序的飞行状态，每个数组元素存储航空器位置以及时间信息。
4.如权利要求1所述的一种基于蚁群算法的连续下降进近的航空器噪声优化方法，其特征在于：所述步骤42中，插值公式为其中，Pn和Pn+1为噪声-功率-距离数据库中提供的相邻数据；使用MATLAB中的函数拟合功能，使用对数函数为回归分析类型，对于发动机固定推力Pj的第j航段而言，噪声敏感点Ii的噪声值其中a<0,b>0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710227711.6A CN106875756B (zh) | 2017-04-10 | 2017-04-10 | 一种基于蚁群算法的连续下降进近的航空器噪声优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710227711.6A CN106875756B (zh) | 2017-04-10 | 2017-04-10 | 一种基于蚁群算法的连续下降进近的航空器噪声优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106875756A CN106875756A (zh) | 2017-06-20 |
| CN106875756B true CN106875756B (zh) | 2019-08-13 |
Family
ID=59161922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710227711.6A Active CN106875756B (zh) | 2017-04-10 | 2017-04-10 | 一种基于蚁群算法的连续下降进近的航空器噪声优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106875756B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110991017B (zh) * | 2019-11-19 | 2022-05-20 | 南京航空航天大学 | 一种飞行、推进系统和喷流噪声综合实时模型的建模方法 |
| CN111123324B (zh) * | 2019-12-31 | 2022-03-29 | 杭州电子科技大学 | 一种基于改进蚁群算法的dgps整周模糊度搜索方法 |
| CN113759969A (zh) * | 2021-09-03 | 2021-12-07 | 中国民航大学 | 一种航空器连续下降进近航迹的最短航经生成方法 |
| CN116307316B (zh) * | 2023-02-14 | 2023-08-29 | 中国民航科学技术研究院 | 基于rnp ar进近程序分段式越障降落航线优化方法及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2151730A1 (en) * | 2008-08-05 | 2010-02-10 | The Boeing Company | Four-dimensional navigation of an aircraft |
| CN202221566U (zh) * | 2011-07-08 | 2012-05-16 | 中国民航科学技术研究院 | 一种基于性能导航的飞行程序设计系统及验证平台 |
| JP6431732B2 (ja) * | 2014-09-19 | 2018-11-28 | 株式会社エヌ・ティ・ティ・データ | 着陸支援装置、航空管制システム、及び着陸支援方法 |
| CN106557837B (zh) * | 2016-11-04 | 2020-05-19 | 北京航空航天大学 | 飞机连续下降进近轨迹的获取方法及装置 |
-
2017
- 2017-04-10 CN CN201710227711.6A patent/CN106875756B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106875756A (zh) | 2017-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109814598B (zh) | 无人机低空公共航路网设计方法 | |
| CN106875756B (zh) | 一种基于蚁群算法的连续下降进近的航空器噪声优化方法 | |
| JP6018433B2 (ja) | 航空機軌道に沿った気象データ選択 | |
| CN107067824B (zh) | 基于环境影响的终端区航线网络优化方法 | |
| Effat | Spatial modeling of optimum zones for wind farms using remote sensing and geographic information system, application in the Red Sea, Egypt | |
| CN104834769B (zh) | 基于航空噪声限制区域拟合的消噪飞行程序设计方法 | |
| CN106385442A (zh) | 将新服务整合到开放式构架的航空电子机载系统中的方法 | |
| US11688288B2 (en) | Community noise abatement in dynamic environment | |
| JP2020077387A (ja) | 垂直飛行経路の最適化 | |
| CN109948834A (zh) | 无人机低空公共航路设计方法 | |
| CN107092980B (zh) | 一种基于粒子群算法的连续下降进近排放优化方法 | |
| Liu et al. | Detection of wind corridors based on “Climatopes”: a study in central Ji’nan | |
| Xu et al. | Iterative construction of low-altitude UAV air route network in urban areas: Case planning and assessment | |
| CN112215416A (zh) | 智能规划巡检航线系统及方法 | |
| Rao et al. | Roles of multi‐scale orography in triggering nocturnal convection at a summer rainfall hotspot over the South China coast: A case study | |
| Ramée et al. | Aircraft flight plan optimization with dynamic weather and airspace constraints | |
| CN107977486A (zh) | 一种地球扰动引力场球冠谐模型阶次扩展方法及系统 | |
| KR102526361B1 (ko) | 지역단위의 폭염 및 한파에 대한 지표면효과 분석 시스템 및 방법 | |
| Yang et al. | Spatial–Temporal Clustering and Optimization of Aircraft Descent and Approach Trajectories | |
| Liao et al. | Observational study on the characteristics of the boundary layer during changes in the intensity of tropical cyclones landing in Guangdong, China | |
| Wells et al. | Minimising emissions from flights through realistic wind fields with varying aircraft weights | |
| Kuenz | A global airspace model for 4D-trajectory-based operations | |
| Chang | Crosswind‐based optimization of multiple runway orientations | |
| Pisani et al. | City-pair trajectory optimization in the presence of winds using the GATAC framework | |
| CN109146290B (zh) | 一种针对大气环境影响的机场停机位优先级分析方法及系统 |
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 |