CN108693887A - 经由基于模型的迭代优化而实现的优化的飞行器控制 - Google Patents
经由基于模型的迭代优化而实现的优化的飞行器控制 Download PDFInfo
- Publication number
- CN108693887A CN108693887A CN201810270601.2A CN201810270601A CN108693887A CN 108693887 A CN108693887 A CN 108693887A CN 201810270601 A CN201810270601 A CN 201810270601A CN 108693887 A CN108693887 A CN 108693887A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- flight
- specific
- control
- specific 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 238000013178 mathematical model Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 13
- 230000033001 locomotion Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 description 24
- 238000007726 management method Methods 0.000 description 20
- 238000013499 data model Methods 0.000 description 15
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 239000000446 fuel Substances 0.000 description 5
- 238000011112 process operation Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 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]
- G08G5/003—Flight plan management
- G08G5/0034—Assembly of a flight plan
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
- G08G5/0021—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located in the aircraft
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
- G08G5/0026—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located on the ground
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/003—Flight plan management
- G08G5/0039—Modification of a flight plan
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
系统、计算机可读介质以及方法包括：响应于特定的飞行器的当前的状态或对特定的飞行器的输入，获得对于特定的飞行器的飞行数据，包括数学模型，该数学模型准确地表示特定的飞行器的性能，并且，提供特定的飞行器的未来的性能的预测指示；获得特定的飞行器的至少一个状态或输出的当前的样本测量值；基于所获得的飞行数据和当前的测量值及输出，执行控制优化，以生成经优化的控制命令，从而使规定的飞行的直接运行成本最小化；将经优化的控制命令传输至具体的飞行器，从而用于运行具体的飞行器，以实行规定的飞行；以及针对规定的飞行的至少一部分的持续时间而在相继的连续的时刻，迭代地重复方法的运行。
Description
技术领域
本公开的领域大致涉及飞行管理，更具体地，涉及用于飞行管理的运行的系统、装置和方法及其应用。
背景技术
在商用航空中，典型地，燃料成本是一大笔运行费用。因而，运行效率和燃料节约是对于飞行器设计和飞行器运行中的改进的驱动型研究。焦点主要地集中于节约燃料的那些技术上：飞行器和发动机设计、控制设计以及飞行路径计划和实行(被称为飞行引导)。
当假设许多因素(诸如，例如用于爬升的恒定推力和用于下降的怠速推力)时，考虑到起飞重量和范围，为了使直接运行成本(DOC)降低或最小化，飞行器上的飞行管理系统(FMS)典型地确定爬升、巡航和下降速度以及恒定的巡航海拔高度。虽然这样的假设和简化产生非最优的性能和妥协的燃料节约，但这些简化假设已在传统上应用于实现实际的系统。另外，常规飞行控制系统典型地对飞行器的当前状态作出反应。在一些方面，飞行器的控制系统可能持续地对飞行器的当前或过去的状态作出反应，以试图控制飞行器的运行。
因此，存在对如下的系统和方法的需要：改进飞行控制的优化问题，其并不严格地作出反应，并且，在无简化假设的情况下，达到最优引导。
发明内容
在一个方面，本公开的实施例涉及：获得对于规定的飞行的特定的飞行器的飞行数据，该飞行数据包括飞行规范及其它飞行相关数据；获得特定的飞行器的至少一个状态或输出的当前的样本测量值；基于所获得的飞行数据、当前的测量值或输出，执行控制优化，以生成使规定的飞行的直接运行成本最小化的经优化的控制；响应于接收到经优化的控制，根据经优化的控制而引导具体的飞行器实行规定的飞行；针对规定的飞行的至少一部分的持续时间而在相继的连续的时刻迭代地重复以下的运行：获得当前的样本测量值；执行控制优化；以及根据经优化的控制而引导具体的飞行器。
在其它实施例中，系统可以实现、实行或实施本文中的过程的至少一些特征。在又一示例的实施例中，有形介质可以实施可实行的指令，能够由处理器使能的装置或系统实行这些指令，以实现本公开的过程的至少一些方面。
技术方案1．一种由计算系统的处理器实现的方法，以优化飞行器引导，从而使规定的飞行的直接运行成本最小化，所述方法包含：
获得对于规定的飞行的特定的飞行器的飞行数据，包括飞行规范及其它与飞行相关的数据，所述飞行规范至少包括飞行约束条件、起始位置、目的位置以及瞬时性能限制以及数学模型，所述数学模型准确地表示所述特定的飞行器的实际运行性能，并且，响应于所述特定的飞行器的当前的状态或对所述特定的飞行器的输入，提供所述特定的飞行器的未来的性能的预测指示；并且，所述其它与飞行相关的数据包括与所述规定的飞行有关的天气预报和空中交通控制信息；
获得所述特定的飞行器的至少一个状态或输出的当前的样本测量值；
通过所述特定的飞行器的计算装备的处理器且基于所述所获得的飞行数据和当前的测量值或输出，执行控制优化，以生成经优化的控制命令，从而使所述规定的飞行的直接运行成本最小化，所述所生成的经优化的控制至少包括控制表面命令、发动机推力命令以及这些命令的组合；
将所述经优化的控制命令传输至所述具体的飞行器，从而用于运行所述具体的飞行器，以实行所述规定的飞行；以及
针对所述规定的飞行的至少一部分的持续时间而在相继的连续的时刻迭代地重复以下的运行：获得当前的样本测量值或输出；执行所述控制优化；以及将所述经优化的控制命令传输至所述具体的飞行器。
技术方案2．根据技术方案1所述的方法，其中，所述相继的连续的时刻包括从所述当前的样本测量值的初始获得至所述规定的飞行的结束的时间。
技术方案3．根据技术方案1所述的方法，其中，所述数学模型包括对于所述特定的飞行器的尾部特定性能和运行特性。
技术方案4．根据技术方案1所述的方法，其中，所述数学模型至少对所述具体的飞行器、所述具体的飞行器的发动机以及当所述所生成的经优化的路径特定控制将用于引导所述特定的飞行器的未来的时段的期间的飞行的大气条件进行建模。
技术方案5．根据技术方案1所述的方法，其中，所述飞行数据中的至少一些从与所述特定的飞行器的机载系统分离且不同的来源获得。
技术方案6．根据技术方案1所述的方法，其中，所述特定的飞行器的所述至少一个状态包括与所述特定的飞行器的多个功能相对应的多个状态。
技术方案7．根据技术方案6所述的方法，其中，基于所述当前的样本测量值，所述多个状态中的至少一个为未知的，并且，至少部分地基于根据所述当前的样本测量值而已知的所述多个状态中的至少一个，确定对所述至少一个未知的状态的估计。
技术方案8．根据技术方案1所述的方法，其中，基于所述具体的飞行器的当前的状态或输出，对所述具体的飞行器的所述当前的状态或对所述具体的飞行器的输入进行调整。
技术方案9．一种系统，包含：
存储器，存储处理器可运行的程序指令；和
处理器，运行所述处理器可运行的程序指令，从而：
获得对于规定的飞行的特定的飞行器的飞行数据，包括飞行规范及其它与飞行相关的数据，所述飞行规范至少包括飞行约束条件、起始位置、目的位置以及瞬时性能限制以及数学模型，所述数学模型准确地表示所述特定的飞行器的实际运行性能，并且，响应于所述特定的飞行器的当前的状态或对所述特定的飞行器的输入，提供所述特定的飞行器的未来的性能的预测指示；并且，所述其它与飞行相关的数据包括与所述规定的飞行有关的天气预报和空中交通控制信息；
获得所述特定的飞行器的至少一个状态或输出的当前的样本测量值；
基于所述所获得的飞行数据和当前的测量值或输出，执行控制优化，以生成经优化的控制命令，从而使所述规定的飞行的直接运行成本最小化，所述所生成的经优化的控制至少包括控制表面命令、发动机推力命令以及这些命令的组合；
将所述经优化的控制命令传输至所述具体的飞行器，从而用于运行所述具体的飞行器，以实行所述规定的飞行；以及
针对所述规定的飞行的至少一部分的持续时间而在相继的连续的时刻迭代地重复以下的运行：获得所述当前的样本测量值或输出；执行所述控制优化；以及将所述经优化的控制命令传输至所述具体的飞行器。
技术方案10．根据技术方案9所述的系统，其中，所述相继的连续的时刻包括从所述当前的样本测量值的初始获得至所述规定的飞行的结束的时间。
技术方案11．根据技术方案9所述的系统，其中，所述数学模型包括对于所述特定的飞行器的尾部特定性能和运行特性。
技术方案12．根据技术方案9所述的系统，其中，所述数学模型至少对所述具体的飞行器、所述具体的飞行器的发动机以及当所述所生成的经优化的路径特定控制将用于引导所述特定的飞行器的未来的时段的期间的飞行的大气条件进行建模。
技术方案13．根据技术方案9所述的系统，其中，所述飞行数据中的至少一些从与所述特定的飞行器的机载系统分离且不同的来源获得。
技术方案14．根据技术方案9所述的系统，其中，所述特定的飞行器的所述至少一个状态包括与所述特定的飞行器的多个功能相对应的多个状态。
技术方案15．根据技术方案14所述的系统，其中，基于所述当前的样本测量值，所述多个状态中的至少一个为未知的，并且，至少部分地基于根据所述当前的样本测量值而已知的所述多个状态中的至少一个，确定对所述至少一个未知的状态的估计。
技术方案16．根据技术方案9所述的系统，其中，基于所述具体的飞行器的当前的状态或输出，对所述具体的飞行器的所述当前的状态或对所述具体的飞行器的输入进行调整。
技术方案17．一种有形计算机可读介质，具有存储于其上的处理器可运行的程序指令，所述介质包含：
如下的程序指令：用于获得对于规定的飞行的特定的飞行器的飞行数据，包括飞行规范及其它与飞行相关的数据，所述飞行规范至少包括飞行约束条件、起始位置、目的位置以及瞬时性能限制以及数学模型，所述数学模型准确地表示所述特定的飞行器的实际运行性能，并且，响应于所述特定的飞行器的当前的状态或对所述特定的飞行器的输入，提供所述特定的飞行器的未来的性能的预测指示；并且，所述其它与飞行相关的数据包括与所述规定的飞行有关的天气预报和空中交通控制信息；
如下的程序指令：用于获得所述特定的飞行器的至少一个状态或输出的当前的样本测量值；
如下的程序指令：基于所述所获得的飞行数据和当前的测量值或输出，执行控制优化，以生成经优化的控制命令，从而使所述规定的飞行的直接运行成本最小化，所述所生成的经优化的控制至少包括控制表面命令、发动机推力命令以及这些命令的组合；
如下的程序指令：将所述经优化的控制命令传输至所述具体的飞行器，从而用于运行所述具体的飞行器，以实行所述规定的飞行；以及
如下的程序指令：针对所述规定的飞行的至少一部分的持续时间而在相继的连续的时刻迭代地重复以下的运行：获得所述当前的样本测量值或输出；执行所述控制优化；以及将所述经优化的控制命令传输至所述具体的飞行器。
技术方案18．根据技术方案17所述的介质，其中，所述相继的连续的时刻包括从所述当前的样本测量值的初始获得至所述规定的飞行的结束的时间。
技术方案19．根据技术方案17所述的介质，其中，所述数学模型包括对于所述特定的飞行器的尾部特定性能和运行特性。
技术方案20．根据技术方案17所述的介质，其中，所述数学模型至少对所述具体的飞行器、所述具体的飞行器的发动机以及当所述所生成的经优化的路径特定控制将用于引导所述特定的飞行器的未来的时段的期间的飞行的大气条件进行建模。
附图说明
当参考附图而阅读以下的详述时，将更清楚地理解本公开的这些及其它特征、方面和优点，其中，在所有的附图中，相同的字符表示相同的零件，其中：
图1是旧式飞行控制系统的框图的一个示例的图示性的描绘；
图2是根据本文中的一些实施例的预测飞行管理系统框架的示意框图的一个示例的图示性的描绘；
图3是根据本文中的一些方面的过程的流程图的图示性的示例；
图4A和图4B是根据本文中的一些方面的预测飞行管理框架的迭代过程的相同的方面的图示性的图表；并且，
图5是能够支持本文中所公开的一些过程的系统或装置的框图的图示性的描绘。
除非另有指示，否则本文中所提供的附图旨在图示本公开的实施例的特征。这些特征被认为可应用于包含本公开的一个或更多个实施例的各种各样的系统中。照此，附图不旨在包括本领域普通技术人员已知的实践本文中所公开的实施例所要求的所有的常规特征。
附图标记列表
100 系统
105 转向及控制功能
110 垂直导航模块
115 飞行引导系统
120自动驾驶仪
122成本指数
125 FMS飞行路径
130 飞行器
200系统
205 增强型飞行管理计算机(eFMC)
210 飞行器
215 测量值
300 过程
305 过程运行
310 过程运行
315 过程运行
320 过程运行
325 过程运行
400 图表
402 时间k
410 预测的输出
415 最优控制剖面
420 预测时域
430空气动力偏差模型参数
432 时间k+1
435 预测的输出
440 最优控制
445 预测时域
500 系统
505 处理器
510 (多个)输入装置
515 通信装置
520 (多个)输出装置
525 存储器
530 存储设施
535 优化引擎
540 飞行器数据建模器
545 应用程序
550 数据。
具体实施方式
在以下的说明书和权利要求中，引用了具有以下的含义的许多术语。
除非上下文清楚地另有所指，否则单数形式“一”、“一个”和“这个”包括多个引用对象。
“任选的”或“任选地”意味着，随后描述的事件或情形可能发生或可能不发生，并且，描述包括事件发生的实例和事件不发生的实例。
如今处于服务中的飞行器的常规飞行管理系统(FMS)通常确定飞行计划的多方面，包括(但不限于)爬升、巡航和下降速度及海拔高度以及起因于速度和海拔高度控制输入而导致的部分或完整的轨迹或飞行路径。能够从基于地面的来源接收被FMS用于生成控制和对应的飞行路径(或它的多方面和多部分)的至少一些数据。例如，针对飞行器而提出的基线飞行计划可以被FMS接收，且用于确定通用型飞行器所飞的“经优化的”(或更准确地，略微调整的)飞行路径。另外的数据和/或其它数据(诸如，例如风和温度数据以及飞行器的标称飞行器特性)也可以被FMS接收且被用于运算飞行计划，该飞行计划可以用于引导飞行器。在一些方面，可以使用飞行器的概括/一般统计和测量来确定FMS所运算出的飞行计划，其中，统计数据可以表示将飞过所运算出的飞行路径的飞行器的平均值或平均数，并且，关于飞行器的运行特性的许多假设及其它性能约束条件(诸如，假设/标称或平均的空中交通控制限制和简化的运动方程)可以用于计算起因于飞行计划所定义的控制输入而导致的车辆状态轨迹。另外，对飞行器的重量和高空风的不准确的估计可以导致不那么精确地优化的飞行轨迹确定。例如，包括平均的控制数据值(例如，“经济的”控制速度和海拔高度等)的查找表或其它预定的静态值可以被FMS(或其它实体)引用，并且，被飞行器的机上FMS使用，从而使用“经济的”控制目标来构造所谓的“经优化的”四维的(4-D，包括纬度、经度、海拔高度以及时间)飞行器轨迹，其中，所运算出的控制可以用于以规定的时帧引导飞行器至所预测的路径。
然而，在一些方面，(多个)机载FMS(或其它)系统所运算出的作为结果的飞行计划可能未产生能够可靠地且/或高效地被飞行控制系统跟踪以使DOC最小化的精确地优化的飞行路径。例如，飞行器的飞行管理(及其它)系统考虑且甚至能够接收、处理、存储、报告且实行的飞行数据的范围和特异性(即，针对特定的飞行计划、飞行器、天气以及空中交通状况等的对飞行数据的定制的程度)可能受限于那些系统的处理能力、存储器以及连通能力和/或供给至FMS的输入数据的保真度。
在一些方面，常规飞行管理系统通常可以被视为反应型。即，在一些方面，常规飞行管理系统可以被视为反应型，因为，该系统依赖于过去的数据事件，基于过去的和可能的一些当前的飞行器动作，确定飞过特定的飞行路径的控制命令。
参考图1，示出用于飞行器的引导和导航的系统100的一个示例的图示性的描绘，系统100包括旧式常规转向及控制功能105。转向及控制功能105包括垂直导航(VNAV)模块110、飞行引导系统(FGS) 115以及自动驾驶仪120模块，其可以彼此合作而形成具体的飞行器的转向及控制功能105的至少一部分。
VNAV 110运行，从而例如根据随目标路径的海拔高度偏差，计算垂直速度命令，并且，FGS 115执行自动驾驶仪和自动油门的功能，且例如根据(多个)FMS垂直速度控制命令，生成俯仰命令，以便使与目标路径的偏差最小化。自动驾驶仪120进一步运行，从而生成升降舵表面偏转，升降舵表面偏转表现为表面偏转命令的形式，这些命令提供给飞行器130，以相对于沿着目标路径的期望的运动而控制飞行器的运动。另外，转向及控制功能105可以命令自动油门运行，例如，通过将飞行器的速度控制在安全运行限度内，从而达到设定目标速度。例如，如果空速下降至低于根据参考FMS飞行路径125的阈值速度，则自动油门命令自动油门调节空速的提高。如果空速将提高至高于阈值速度，则转向及控制功能105能够生成针对速度的降低的命令或指示(例如，由自动驾驶仪自动地实行的命令或通知飞行员降低飞行器的速度的指示)。自动油门还可以运行，例如，以根据不同的飞行阶段(例如，起飞、爬升、巡航、下降等)而将飞行器的发动机维持于固定的功率设定下。
转向及控制功能105可以运行，从而控制飞行器130的运行，其中，系统100安装于飞行器130上。可以存在一个或更多个传感器，该传感器用于测量飞行器的某些性质和/或环境及运行参数。来自传感器的传感器数据可以作为输入而提供给转向及控制功能105，用于飞行器的反馈控制。
根据一个实施例，本公开包括将预测元素方面应用于飞行管理系统或控制器，以确定经优化的飞行器控制命令。
在一些方面，与常规的FMS及其它飞行器飞行控制器相比，本公开的一些系统和过程提供更大的计算能力。同样地，在一些实施例中，过程和系统可以使用采用过程和系统所生成的控制命令时，飞行器、其发动机以及飞行器将受制于的未来的大气条件的数学模型，来高效地补偿根据飞行计划控制飞行器时的不需要的瞬时运动。
图2是根据本文中的一个示例的实施例的系统200的图示性的示意框图。在图2的示例中，系统200包括飞行管理计算机，飞行管理计算机具有增强功能性(eFMC) 205，eFMC205与具体的飞行器210通过接口接合且通信。与常规飞行器飞行管理系统(FMS)或控制器(诸如，例如图1中的转向及控制功能105(但不限于此))相比，eFMC 205包括另外、增强或改进的功能性。在一些方面，eFMC 205包括模型预测控制器，模型预测控制器用于控制具体的飞行器的飞行路径和具体的飞行器的闭环性能。本文中的一些实施例包括以下的方面：预测具体的飞行器的未来的性能；和确定目前或当前的针对飞行器的控制输入，该控制输入可以用于引导且控制飞行器。在一些实施例中，可以优化本文中的一些实施例所确定的控制命令或输入，以使直接运行成本(DOC)(诸如(但不限于)用于规定的飞行计划或至少计划的部分的燃料成本)最小化。
在一些实施例中，系统205可以替代由图1中所描绘的FMS 100的构件提供的功能性。在某些方面，本文中的eFMC通过确定控制信号，且将控制信号传输至飞行器210，以按期望的方式直接地且高效地控制飞行器的性能，从而“替代”系统(诸如，例如图1中的转向及控制功能105)。
在一些方面，eFMC可以不限于或约束于确定可以按与例如转向及控制功能105相同或甚至类似的方式传输至飞行器的控制命令。在一些实施例中，确定本文中的eFMC的控制命令(例如，飞行器速度、飞行器姿态等)的因素、考虑因素、机理、算法以及过程可以不同于FMS所使用的那些。
在一些方面，eFMC 205使用控制方法，其中，通过以一系列的相继的样本时刻解决优化问题，从而获得当前的控制动作。在一些实施例中，该方法使用模型预测控制(MPC)来预测飞行器的未来的性能，并且，调整当前的(多个)控制输入动作，以进一步控制飞行器，从而以经优化的方式执行。
再次参考图2，eFMC 205接收飞行规范及其它与飞行相关的数据，以作为输入。在一些实施例中，飞行规范可以包括对飞行器的约束条件、对于具体的飞行器的规定的飞行的起始位置/机场、对于规定的飞行的目的位置/机场、对于具体的飞行器的瞬时性能限制(即，尾部特定值、非假设和/或静态或平均值等)及其它数据。在一些实施例中，作为输入而被eFMC 205 接收的其它飞行数据可以包括天气预报、空中交通控制数据，包括(但不限于)与规定的飞行计划的具体的飞行器的实行有关的信息以及另外的相关数据。eFMC 205基于飞行器的系统运行的预测方面(即，知识)，处理输入数据(例如，飞行规范及其它飞行数据)，以生成(多个)控制命令。因而生成的控制命令发送至具体的飞行器210，以控制飞行器的性能方面。控制命令可以包括例如直接地控制飞行器的表面偏转的控制表面命令、发动机推力设置及其它控制飞行器的运行的命令。例如，eFMC可以调整为了控制飞行器而传输的(多个)信号，以达到例如期望的性能(例如，最小化的直接运行成本，其中，信号(至少部分地)基于来自飞行器210的测量值和/或输出。
eFMC 205所生成的(多个)控制命令被飞行器210用于控制飞行器的轨迹。从飞行器210获得指示飞行器的当前的状态或其输出的测量值215，其中，飞行器的当前状态或其输出是对从eFMC 205接收的控制命令的响应。可以基于一个或更多个传感器输出、观察或从具体的飞行器的可测量的行为和/或所观察到的行为导出的推导，确定和运算飞行器的当前的状态或输出。测量值215进一步反馈至eFMC 205。
响应于接收到指示飞行器的当前状态的输出或测量值，eFMC 205使用该信息来确定经优化的控制命令，这些控制命令可以使直接运行成本最小化，从而满足对于规定的飞行的具体的飞行器的一个或更多个期望的瞬时性能限制。所生成的经优化的控制命令(例如，控制飞行器的表面偏转的控制表面命令、发动机推力设置及其它控制飞行器的运行的命令)提供给飞行器210，以试图按经优化的方式控制飞行器。
在一些方面，eFMC(在其能力上替代常规飞行管理系统等(例如，图1的转向及控制功能105))可以提供比FMS及相似的系统(包括这些系统的许多构件、(子)系统以及模块)在技术上更高效、巧妙且精密的系统、过程和/或机理。
在本文中的一些方面，系统200理解：系统(例如，飞行器210)将如何对参考命令信号作出响应，并且，确定控制命令，其被优化来控制飞行器以期望的方式(即，使DOC最小化)执行。系统200调节或调整eFMC 205所生成的控制命令，以从系统获得期望的输出(即，飞行器运行，以达到DOC)。
图3是过程300的一个示例的实施例的图示性的流程图。可以由包括飞行管理控制器(例如，图2中的eFMC 205)的系统、设备及它们的组合实行过程300，飞行管理控制器整体定位于飞行器上，或分布于包括机上系统和地面系统的组合的计算系统和网络。在一些实例中，具有处理器的系统或装置可以实施为有形介质来运行例如应用程序或“app”的程序指令，以实现过程300的运行。在一些实施例中，过程300的至少一部分可以由设置为软件或平台的软件构件作为服务实现。
在运行305，获得对于规定的飞行的飞行数据。所获得的飞行数据可能来自用于实行规定的飞行的具体的飞行器的机载系统，或来自外部计算装备(asset)。在本文中的一些方面，外部计算装备指具有中央处理单元(即，处理器)的装置、系统以及构件，其与飞行器的飞行管理和/或飞行控制系统分离且不同。在一些实施例中，本文中的外部计算装备的计算处理能力、处理速度、数据存取带宽能力、数据处理能力、与其它系统互连的能力及这些能力等的组合可以大于飞行器的机上(即，本机)飞行管理和飞行控制系统的这样的特征且/或可以是这样的特征的备选。本文中的外部计算装备可以包括如下的技术功能性：使用不同的通信协议和技术，经由通信链路(例如，上行链路、下行链路)，与其它系统(包括(但不限于)另一外部计算装备、飞行器上的飞行管理和飞行控制系统及其它类型的系统)通过接口接合且通信。
飞行数据可以包括与具体的飞行器和规定的飞行的参数中的至少一个有关的细节。例如，飞行数据可以包括与具体的飞行器有关的细节，并且，可以包括对于具体的飞行器的特定的特性。示例可以包括飞行器的尾部特定特性，包括例如能够基于实际历史性能、维护及其它类型的数据的具体的飞行器的准确的性能和运行值(诸如，推力、阻力等)。包括与规定的飞行的参数有关的细节的飞行数据可以包括对于具体的飞行器的所提出的(基线)飞行计划、标称飞行器特性(与特定的“具体的”飞行器的实际特性相反)以及对于将实行规定的飞行的时间的实际天气或环境因素(与平均的天气条件相反)。
在一些实施例中，与具体的飞行器有关的飞行数据的至少一些特定细节可以包括数据模型，其中，数据模型包括尾部特定特性(即，与具体的飞行器特定地有关的性能和运行数据)。具体的飞行器的数据模型可以包括特性和参数，包括特定于具体的飞行器的特性和参数的值。在某种程度上，特定细节可以基于具体的飞行器所实施的先前的飞行的历史。
在一些实施例中，运行305的飞行数据中所包括的对于具体的飞行器的尾部特定特性的范围(即，细节等级和全面性)可以是足够的，以致于表示飞行器的数据模型(或其它数据结构)实际上与具体的飞行器的实际的运行性能严密地匹配。考虑到具体的飞行器的数据模型与运行性能之间的高等级的对应，这样的准确的数据模型在本文中被称为具体的飞行器的“数字双胞胎”。数字双胞胎可以包括具体的飞行器的关键特性/方面的准确且更新的解释。本文中的一些实施例中的具体的飞行器的数据模型的范围和准确度大大有助于过程300的基于具体的飞行器的预测性能方面而生成经优化的路径特定控制和经优化的轨迹的能力。在一些实例中，至少部分地由于一些实施例中使用数字双胞胎和关于具体的飞行器的前瞻性或预测性的性能而提高且改进过程300所实现的优化的性能，从而达到较低的DOC。
在一些实施例中，可以随着时间的推移针对特定的飞行器而收集(即，观察、记录且维护)数据。所收集的详细数据(例如，包括(但不限于)推力、阻力及其它参数的数据)可以用于构建对于具体的飞行器的准确的数据模型。在一些方面，当具体的飞行器运行时，可以反复地(至少周期性地)更新本文中的具体的飞行器的数据模型。可以响应于飞行器特定的特性数据的改变、显著的维护修改等，触发或调用关于更新的时间间隔。在一些使用实例中，可以使用更新后的数据模型来执行修正后的控制优化，以生成更新后的经优化的路径特定的控制。
在运行310，获得飞行器的当前的样本测量值。当前的测量值是飞行器的对某一(多个)初始或参考输入命令的响应的结果，并且，可以指示特定的飞行器的至少一个状态。在一些实施例中，在运行310，获得特定的飞行器的至少一个输出。在运行310获得的输出可以提供对具体的飞行器如何对初始或参考输入信号作出响应的深刻理解。
继续运行315，本文中所公开的FMC功能性用于执行控制优化，以生成经优化的路径特定控制，从而使对于飞行器的规定的飞行的DOC最小化。至少部分地基于从运行305获得的飞行数据和在运行310中接收到的当前的测量值或输出，生成经优化的控制命令。
在运行320，经优化的控制命令提供给飞行器，且从而用于根据经优化的路径特定控制而引导飞行器，以便可以按最优的方式实行规定的飞行，如期望那样使DOC最小化。
运行325包括在一系列的相继的时刻迭代地重复运行305至320，直到飞行器实行规定的飞行为止。在一些实例中，可以在与规定的飞行计划的整个范围相对应的一段时间内，反复地执行过程300。然而，在一些场景下，可以仅针对规定的飞行的具体的部分(诸如，规定的飞行的上升、巡航以及下降部分中的一个或更多个部分)而执行过程305至320的运行。
在一些实施例中，通过本文中的过程(诸如(但不限于)过程300)而执行的优化可以包括模型预测控制(MPC)方法，其中，通过在时间上的各样本瞬间在线解决优化问题，从而获得或确定当前的控制动作。在某种程度上，MPC在各个在时间上采样的瞬间使用动态约束优化，并且，控制器适应于系统(例如，飞行器)的当前的状态，以抵制干扰和异常，从而影响系统的构件和子系统的多变量交互，并且，使实际运行条件下的系统的性能优化。优化问题可以构架为有限时域开环最优控制问题，其中，系统的当前的状态用作初始状态，并且，加入有限时域中的一序列的控制动作是对优化问题的解决方案。
MPC方法使用飞行器的准确的模型。模型提供用于MPC过程的机理，以预测到未来，并且，考虑当前的输入改变(例如，控制命令)对系统的未来的性能演变的作用。在一些实施例中，除了MPC之外的技术和过程可以用于预测和优化飞行器的进一步的运行。
在一些实施例中，可以随着时间的推移针对特定的飞行器而收集(即、观察，记录且维护)数据(例如，图3的运行310)。详细的所收集到的数据(例如，包括(但不限于)推力、阻力及其它参数的数据)可以用于构建对于具体的飞行器的准确的数据模型。在一些方面，当具体的飞行器运行时，可以对反映本文中的具体的飞行器的准确的数据模型反复地进行更新。可以响应于飞行器特定特性数据的改变，触发或调用关于更新的时间间隔。更新后的数据模型可以用于执行修正后的控制优化，以生成对于规定的飞行的更新后的经优化的路径特定控制。
在一些实施例中，数据模型可以准确地且全面地表达在规定的飞行的期间的对飞行器的实际现实的约束条件，包括与机体、飞行器的发动机、燃料的重量、空域中的约束条件(包括规定的飞行、在飞行的期间将经历的天气条件、空中交通控制预警等)直接地相关的参数。在一些方面，除了以一定程度确定性将飞行器准确地且充分地表示以生成优化控制之外，本文中的数据模型还可以有益于优化，并且，在计算上高效，从而可实时地解决最优控制问题这一方案是可行的。
进一步关于本公开的背景下的一些MPC方面，第一控制动作(例如，(多个)参考控制命令)应用于系统，并且，在下一个样本实例，再次造成优化问题，并且，再次利用以一个样本时间偏移的有限时域解决优化问题。考虑到对系统的控制命令输入是有限时域优化问题的结果，利用MPC通过表达关于决策变量的那些约束条件，并且，将那些约束条件附加到优化问题，以便将约束条件分解成优化解决方案，能够以显式处置和处理系统的相关及实际运行约束条件。
在一些方面，本文中的MPC过程可以概括为包括：(1)感知对象系统(即，飞行器)的所测量到的状态或输出；(2)估计为优化问题所需要但未直接地被测量或感知的系统的状态，其中，可以通过不限于本文的一个或更多个过程(例如，使用卡尔曼滤波等)而推导、运算或以另外的方式确定该估计；(3)解决受有限时域约束的最优控制问题(例如，使飞过规定的飞行的具体的飞行器的DOC最小化)；(4)将最优控制的第一样本应用于系统；(5)再次在各个连续的瞬时重复步骤(1)-(4)。
图4A和图4B图示本文中所公开的MPC过程的预测和反馈校正方面的一些方面。图4A包括图表405，其中，在时间k(402)，针对整个预测时域420而运算最优控制剖面415。所运算出的控制剖面确保在时间k预测到的输出410满足系统的性能目标和约束条件。仅实现输入的第一样本，直到时间步骤k+1为止。图4B包括图表430，图表430具有最优控制剖面440，在时间k+1(432)，针对整个预测时域445而运算最优控制剖面440。在时间k+1，运算新的一组(多个)最优控制440，以解释模型不匹配和干扰。所预测到的输出435满足系统的性能目标和约束条件。
图5是根据一些实施例中的一个示例的设备500的图示性的框图。设备500可以包含计算设备，并且，可以实行程序指令来执行本文中所描述的任何功能。在一些实施例中，设备500可以包含服务器、专用的处理器使能的装置及其它系统的实施方案，包括设置于飞行器上的系统和设置于例如外部计算装备或设施中的系统。设备500可以包括根据一些实施例的其它未示出的元件。
设备500包括处理器505，处理器505可操作地耦合至通信装置515，以与其它系统、数据存储装置530、一个或更多个输入装置510通信，从而从其它系统和实体、一个或更多个输出装置520以及存储器525接收输入。通信装置515可以促进与其它系统和构件(诸如，其它外部计算装备、空中交通控制网络以及飞行器)的通信。(多个)输入装置510可以包含例如键盘、小型键盘、鼠标或其它点击装置、麦克风、旋钮或开关、红外(IR)端口、坞站以及/或触摸屏。(多个)输入装置510可以例如用于将信息输入至设备500中。(多个)输出装置520可以包含例如显示器(例如，显示屏)、扬声器以及/或打印机。
数据存储装置530可以包含任何适当的永久存储装置，包括磁存储装置(例如，磁带、硬盘驱动器以及闪速存储器)、固态存储装置、光存储装置、只读存储器(ROM)装置、随机存取存储器(RAM)、存储级存储器(SCM)或任何其它快速存取存储器的组合。数据存储装置530可以存储本文中的一些实施例的飞行数据计划、优化控制命令等。
优化引擎535、飞行器数据建模器540以及应用程序545可以包含程序指令，由处理器505实行这些程序指令，以使设备500执行本文中所描述的任何一个或更多个过程，包括(但不限于)图3中所公开的方面。实施例不限于由单个设备实行这些过程。
数据550(被缓存或全文数据库)可以存储于易失性存储器(诸如，存储器525)中。数据存储装置530还可以存储用于提供另外的功能性且/或为设备500的运行所必需的数据及其它程序代码，诸如，装置驱动程序、操作系统文件等。数据550可以包括与飞行器相关的性能数据，其可以用于飞行器的未来的数据建模中，以实现优化目的。
本公开包括多个特征和特性。主要地在与飞行器相关的方法、系统以及计算机可读的实施例和示例的背景下，提出了本文中所公开的各种特征和特性。本公开的特征和特性可以应用于除了飞行器谱之外的背景、应用以及环境。例如，本文中所公开的方法、系统以及计算机可读的实施例可以应用于除了、额外于和备选于飞行器装备之外的自主式装备和半自主式装备，诸如，例如遥控飞机(有人操纵的或无人操纵的)、船舶、卡车、汽车、机车、器材等。
虽然本公开的各种实施例的具体的特征可以在一些附图中显示，而不在其它附图中显示，但这仅仅是为了方便起见。根据本公开的原理，附图的任何特征可以与任何其它附图的任何特征组合而引用且/或要求保护。
本书面描述使用示例来公开实施例，包括最佳模式，并且，还允许本领域任何技术人员实践实施例，包括制作并使用任何装置或系统和执行任何合并的方法。本公开的可专利范围由权利要求定义，并且，可以包括本领域技术人员所想到的其它示例。如果这样的其它示例包括并非与权利要求的字面语言不同的结构元件，或如果这些示例包括与权利要求的字面语言无实质的差异的等效的结构元件，则这些示例旨在属于权利要求的范围内。
Claims (10)
1.一种由计算系统的处理器实现的方法，以优化飞行器引导，从而使规定的飞行的直接运行成本最小化，所述方法包含：
获得对于规定的飞行的特定的飞行器的飞行数据，包括飞行规范及其它与飞行相关的数据，所述飞行规范至少包括飞行约束条件、起始位置、目的位置以及瞬时性能限制以及数学模型，所述数学模型准确地表示所述特定的飞行器的实际运行性能，并且，响应于所述特定的飞行器的当前的状态或对所述特定的飞行器的输入，提供所述特定的飞行器的未来的性能的预测指示；并且，所述其它与飞行相关的数据包括与所述规定的飞行有关的天气预报和空中交通控制信息；
获得所述特定的飞行器的至少一个状态或输出的当前的样本测量值；
通过所述特定的飞行器的计算装备的处理器且基于所述所获得的飞行数据和当前的测量值或输出，执行控制优化，以生成经优化的控制命令，从而使所述规定的飞行的直接运行成本最小化，所述所生成的经优化的控制至少包括控制表面命令、发动机推力命令以及这些命令的组合；
将所述经优化的控制命令传输至所述具体的飞行器，从而用于运行所述具体的飞行器，以实行所述规定的飞行；以及
针对所述规定的飞行的至少一部分的持续时间而在相继的连续的时刻迭代地重复以下的运行：获得当前的样本测量值或输出；执行所述控制优化；以及将所述经优化的控制命令传输至所述具体的飞行器。
2.根据权利要求1所述的方法，其中，所述相继的连续的时刻包括从所述当前的样本测量值的初始获得至所述规定的飞行的结束的时间。
3.根据权利要求1所述的方法，其中，所述数学模型包括对于所述特定的飞行器的尾部特定性能和运行特性。
4.根据权利要求1所述的方法，其中，所述数学模型至少对所述具体的飞行器、所述具体的飞行器的发动机以及当所述所生成的经优化的路径特定控制将用于引导所述特定的飞行器的未来的时段的期间的飞行的大气条件进行建模。
5.根据权利要求1所述的方法，其中，所述飞行数据中的至少一些从与所述特定的飞行器的机载系统分离且不同的来源获得。
6.根据权利要求1所述的方法，其中，所述特定的飞行器的所述至少一个状态包括与所述特定的飞行器的多个功能相对应的多个状态。
7.根据权利要求6所述的方法，其中，基于所述当前的样本测量值，所述多个状态中的至少一个为未知的，并且，至少部分地基于根据所述当前的样本测量值而已知的所述多个状态中的至少一个，确定对所述至少一个未知的状态的估计。
8.根据权利要求1所述的方法，其中，基于所述具体的飞行器的当前的状态或输出，对所述具体的飞行器的所述当前的状态或对所述具体的飞行器的输入进行调整。
9. 一种系统，包含：
存储器，存储处理器可运行的程序指令；和
处理器，运行所述处理器可运行的程序指令，从而：
获得对于规定的飞行的特定的飞行器的飞行数据，包括飞行规范及其它与飞行相关的数据，所述飞行规范至少包括飞行约束条件、起始位置、目的位置以及瞬时性能限制以及数学模型，所述数学模型准确地表示所述特定的飞行器的实际运行性能，并且，响应于所述特定的飞行器的当前的状态或对所述特定的飞行器的输入，提供所述特定的飞行器的未来的性能的预测指示；并且，所述其它与飞行相关的数据包括与所述规定的飞行有关的天气预报和空中交通控制信息；
获得所述特定的飞行器的至少一个状态或输出的当前的样本测量值；
基于所述所获得的飞行数据和当前的测量值或输出，执行控制优化，以生成经优化的控制命令，从而使所述规定的飞行的直接运行成本最小化，所述所生成的经优化的控制至少包括控制表面命令、发动机推力命令以及这些命令的组合；
将所述经优化的控制命令传输至所述具体的飞行器，从而用于运行所述具体的飞行器，以实行所述规定的飞行；以及
针对所述规定的飞行的至少一部分的持续时间而在相继的连续的时刻迭代地重复以下的运行：获得所述当前的样本测量值或输出；执行所述控制优化；以及将所述经优化的控制命令传输至所述具体的飞行器。
10.根据权利要求9所述的系统，其中，所述相继的连续的时刻包括从所述当前的样本测量值的初始获得至所述规定的飞行的结束的时间。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/476409 | 2017-03-31 | ||
| US15/476,409 US20180286253A1 (en) | 2017-03-31 | 2017-03-31 | Optimized aircraft control via model-based iterative optimization |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108693887A true CN108693887A (zh) | 2018-10-23 |
Family
ID=63594108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810270601.2A Pending CN108693887A (zh) | 2017-03-31 | 2018-03-29 | 经由基于模型的迭代优化而实现的优化的飞行器控制 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20180286253A1 (zh) |
| CN (1) | CN108693887A (zh) |
| FR (1) | FR3064606A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112185174A (zh) * | 2019-07-05 | 2021-01-05 | 通用电气公司 | 用于航空公司运营的飞行优化系统和方法 |
| CN114248934A (zh) * | 2020-09-25 | 2022-03-29 | 沃科波特有限公司 | 用于运行飞行器的方法、飞行控制装置和飞行器 |
| US11631334B2 (en) | 2019-07-05 | 2023-04-18 | General Electric Company | Flight optimization system and method for airline operations |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10934944B2 (en) * | 2018-11-07 | 2021-03-02 | Dalian University Of Technology | Method for optimization of transient control law of aero-engine |
| FR3090174B1 (fr) * | 2018-12-13 | 2021-04-23 | Safety Line | Procede d’optimisation d’un plan de vol |
| US11158197B2 (en) * | 2019-02-25 | 2021-10-26 | The Boeing Company | Systems and methods for tail-specific parameter computation |
| US12030658B2 (en) | 2020-06-26 | 2024-07-09 | Innovation Solutions & Support, Inc. | Aircraft control for endurance and fuel economy |
| CN112286214B (zh) * | 2020-10-12 | 2021-11-09 | 同济大学 | 基于Vicon运动捕捉系统无人机数字孪生的可行性评估方法 |
| US11948467B2 (en) * | 2021-05-11 | 2024-04-02 | Barron Associates, Inc. | System, device and method for measuring atmospheric conditions |
| CN113467495B (zh) * | 2021-07-07 | 2023-08-11 | 中国人民解放军火箭军工程大学 | 一种满足严格时间位置约束的飞行器快速轨迹优化方法 |
| US12002306B2 (en) * | 2021-10-04 | 2024-06-04 | Vortex Control Technologies LLC | Systems and methods for assessing aircraft performance, aircraft fuel efficiencies, and aircraft fuel reduction technologies |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6134500A (en) * | 1999-06-03 | 2000-10-17 | United Air Lines, Inc. | System and method for generating optimal flight plans for airline operations control |
| US20050049832A1 (en) * | 2003-08-29 | 2005-03-03 | Dimitry Gorinevsky | Trending system and method using monotonic regression |
| CN1718504A (zh) * | 2005-07-28 | 2006-01-11 | 南京大学 | 高速远航程天然气蓝天飞船 |
| US20090018703A1 (en) * | 2007-05-09 | 2009-01-15 | Mangalam Arun S | System and Method for Control of Aeroelasticity Effects |
| CN106502263A (zh) * | 2015-09-03 | 2017-03-15 | 通用电气公司 | 使用非线性规划的飞行路径优化 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2937453B1 (fr) * | 2008-10-17 | 2010-10-22 | Thales Sa | Dispositif pour le calcul d'un plan de vol d'un aeronef |
| US9043106B2 (en) * | 2010-10-04 | 2015-05-26 | W. Morrison Consulting Group, Inc. | Vehicle control system and methods |
| US9098997B2 (en) * | 2011-09-30 | 2015-08-04 | The Boeing Company | Flight trajectory prediction with application of environmental conditions |
| US9177479B2 (en) * | 2013-03-13 | 2015-11-03 | General Electric Company | System and method for determining aircraft operational parameters and enhancing aircraft operation |
| ES2668896T3 (es) * | 2013-12-31 | 2018-05-23 | The Boeing Company | Sistema y método para definir y predecir trayectorias de aeronave |
-
2017
- 2017-03-31 US US15/476,409 patent/US20180286253A1/en not_active Abandoned
-
2018
- 2018-03-29 CN CN201810270601.2A patent/CN108693887A/zh active Pending
- 2018-03-30 FR FR1852779A patent/FR3064606A1/fr active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6134500A (en) * | 1999-06-03 | 2000-10-17 | United Air Lines, Inc. | System and method for generating optimal flight plans for airline operations control |
| US20050049832A1 (en) * | 2003-08-29 | 2005-03-03 | Dimitry Gorinevsky | Trending system and method using monotonic regression |
| CN1718504A (zh) * | 2005-07-28 | 2006-01-11 | 南京大学 | 高速远航程天然气蓝天飞船 |
| US20090018703A1 (en) * | 2007-05-09 | 2009-01-15 | Mangalam Arun S | System and Method for Control of Aeroelasticity Effects |
| CN106502263A (zh) * | 2015-09-03 | 2017-03-15 | 通用电气公司 | 使用非线性规划的飞行路径优化 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112185174A (zh) * | 2019-07-05 | 2021-01-05 | 通用电气公司 | 用于航空公司运营的飞行优化系统和方法 |
| US11631334B2 (en) | 2019-07-05 | 2023-04-18 | General Electric Company | Flight optimization system and method for airline operations |
| CN114248934A (zh) * | 2020-09-25 | 2022-03-29 | 沃科波特有限公司 | 用于运行飞行器的方法、飞行控制装置和飞行器 |
| US11745885B2 (en) | 2020-09-25 | 2023-09-05 | Volocopter Gmbh | Method for operating an aircraft, flight control device for an aircraft, and aircraft having multiple drive units |
| CN114248934B (zh) * | 2020-09-25 | 2023-11-24 | 沃科波特有限公司 | 用于运行飞行器的方法、飞行控制装置和飞行器 |
Also Published As
| Publication number | Publication date |
|---|---|
| FR3064606A1 (fr) | 2018-10-05 |
| US20180286253A1 (en) | 2018-10-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108693887A (zh) | 经由基于模型的迭代优化而实现的优化的飞行器控制 | |
| CN108693889A (zh) | 经由基于模型的迭代优化而实现的飞行管理 | |
| CN110727287B (zh) | 用于确定爬升剖面的方法和系统以及预测爬升剖面的方法 | |
| CN111552310B (zh) | 飞行器及其运动规划方法和系统 | |
| CA2940044C (en) | Flight path optimization using nonlinear programming | |
| US11087632B1 (en) | Autonomous UAV obstacle avoidance using machine learning from piloted UAV flights | |
| CN111240193B (zh) | 优化受到达时间约束制约的巡航垂直剖面的系统和方法 | |
| US11922331B2 (en) | Machine-learning-based predictive ice detection | |
| US11174034B2 (en) | Optimizing aircraft control based on noise abatement volumes | |
| US10794705B2 (en) | Methods and systems for optimal guidance based on energy state approximation | |
| RU2601968C2 (ru) | Система разделения воздушных судов при движении | |
| Edwards et al. | Autonomous soaring: The Montague cross-country challenge | |
| CN111047913B (zh) | 用于优化飞机飞行的垂直剖面图的方法和电子设备 | |
| US20180067500A1 (en) | Optimum cruise climb tracking for reduced fuel consumption using vertical and lateral navigation | |
| CA2856439A1 (en) | A flight prediction system | |
| US20150253779A1 (en) | Aircraft intent processor | |
| EP3598261B1 (en) | Method and system for determining a descent profile | |
| Kong et al. | Bayesian deep learning for aircraft hard landing safety assessment | |
| Reymann et al. | Adaptive sampling of cumulus clouds with UAVs | |
| US10062291B1 (en) | Systems and methods for providing improved flight guidance | |
| US20230359225A1 (en) | System for assisting tracking of a wake vortex for aircrafts | |
| Masri et al. | Autolanding a power-off uav using on-line optimization and slip maneuvers | |
| Gao | Autonomous soaring and surveillance in wind fields with an unmanned aerial vehicle | |
| Wells et al. | Predicting suas conflicts in the national airspace with interacting multiple models and haversine-based conflict detection system | |
| Di Vito et al. | An overview on systems and algorithms for on-board 3D/4D trajectory management |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181023 |
|
| RJ01 | Rejection of invention patent application after publication |