CN108693889B - 经由基于模型的迭代优化而实现的飞行管理 - Google Patents
经由基于模型的迭代优化而实现的飞行管理 Download PDFInfo
- Publication number
- CN108693889B CN108693889B CN201810270363.5A CN201810270363A CN108693889B CN 108693889 B CN108693889 B CN 108693889B CN 201810270363 A CN201810270363 A CN 201810270363A CN 108693889 B CN108693889 B CN 108693889B
- Authority
- CN
- China
- Prior art keywords
- flight
- particular aircraft
- aircraft
- control
- future
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000005259 measurement Methods 0.000 claims abstract description 46
- 238000013178 mathematical model Methods 0.000 claims abstract description 30
- 230000004044 response Effects 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 24
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical group C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 15
- 230000009471 action Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 description 29
- 238000007726 management method Methods 0.000 description 19
- 238000013499 data model Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 239000000446 fuel Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013500 data storage Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000011112 process operation Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 238000000883 frequency modulation spectroscopy 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
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 239000013643 reference control Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
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
- G08G5/0039—Modification 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
- G05D1/10—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
- 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
- G05D1/0005—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with arrangements to save energy
-
- 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
- G08G5/0034—Assembly 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)
- Feedback Control In General (AREA)
Abstract
本发明涉及经由基于模型的迭代优化而实现的飞行管理。系统、计算机可读介质以及方法包括:获得对于规定的飞行的特定的飞行器的飞行数据;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以及准确地表示特定的飞行器的实际运行性能且提供特定的飞行器的未来的性能的预测指示的数学模型,执行控制优化,以确定规定的飞行的成本最优的控制输入;响应于特定的飞行器的实际运行特性的考虑,调整经优化的控制输入;以及将调整后的经优化的控制输入传输至特定的飞行器,以操作特定的飞行器而使规定的飞行的直接运行成本最小化。
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)。
考虑到起飞重量和范围,并且,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),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,常规飞行管理系统典型地对飞行器的(多个)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;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以及准确地表示特定的飞行器的实际运行性能且提供特定的飞行器的未来的性能的预测指示的数学模型,执行控制优化,以确定对于规定的飞行的成本最优的控制输入;响应于特定的飞行器的实际运行特性的考虑,调整经优化的控制输入;以及将调整后的经优化的控制输入传输至特定的飞行器,以操作特定的飞行器实行规定的飞行,从而使规定的飞行的直接运行成本最小化。
在其他实施例中,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,包括飞行规范及其他与飞行相关的数据,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;并且,所述其他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、所述当前的测量值或输出以及准确地表示所述特定的飞行器的实际运行性能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而提供所述特定的飞行器的未来的性能的预测指示的数学模型,执行控制优化,以确定控制输入被优化,从而使对于所述规定的飞行的所述特定的飞行器的直接运行成本最小化;
响应于所述特定的飞行器的实际运行特性的考虑,调整所述经优化的控制输入;
将所述调整后的经优化的控制输入传输至所述特定的飞行器,以供使用,从而操作所述特定的飞行器实行所述规定的飞行,以使对于所述规定的飞行的第一部分的所述直接运行成本最小化;以及
针对所述规定的飞行的剩余的部分而在相继的连续的时刻迭代地重复以下的运行:获得所述飞行数据;获得所述当前的样本测量值或输出;执行所述控制优化;调整所述经优化的控制输入;以及将所述调整后的经优化的控制输入传输至所述特定的飞行器。
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,所述飞行规范包含数学模型,其包括对于所述具体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3所述的方法,其中,所述数学模型至少对所述特定的飞行器、所述特定的飞行器的发动机以及当所述调整后的经优化的控制输入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,所述实际运行特性包括所述特定的飞行器的飞行控制功能的方面。
技术方案6. 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具体的飞行器的机载系统分离且不同的来源获得。
技术方案7. 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8. 根据技术方案7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,实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,包括飞行规范及其他与飞行相关的数据,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;并且,所述其他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、所述当前的测量值或输出以及准确地表示所述特定的飞行器的实际运行性能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而提供所述特定的飞行器的未来的性能的预测指示的数学模型,执行控制优化,以确定控制输入被优化,以使对于所述规定的飞行的所述特定的飞行器的直接运行成本最小化;
响应于所述特定的飞行器的实际运行特性的考虑,调整所述经优化的控制输入;
将所述调整后的经优化的控制输入传输至所述特定的飞行器,以供使用,从而操作所述特定的飞行器实行所述规定的飞行,以使对于所述规定的飞行的第一部分的所述直接运行成本最小化;以及
针对所述规定的飞行的剩余的部分而在相继的连续的时刻迭代地重复以下的运行:获得所述飞行数据;获得所述当前的样本测量值或输出;执行所述控制优化;调整所述经优化的控制输入;以及将所述调整后的经优化的控制输入传输至所述特定的飞行器。
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,所述飞行规范包含数学模型,其包括对于所述具体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11所述的系统,其中,所述数学模型至少对所述特定的飞行器、所述特定的飞行器的发动机以及当所述调整后的经优化的控制输入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,所述实际运行特性包括所述特定的飞行器的飞行控制功能的方面。
技术方案14. 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具体的飞行器的机载系统分离且不同的来源获得。
技术方案15. 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16. 根据技术方案15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、所述当前的测量值或输出以及准确地表示所述特定的飞行器的实际运行性能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而提供所述特定的飞行器的未来的性能的预测指示的数学模型,执行控制优化,以确定控制输入被优化,以使对于所述规定的飞行的所述特定的飞行器的直接运行成本最小化;
如下的程序指令:响应于所述特定的飞行器的实际运行特性的考虑,调整所述经优化的控制输入;
如下的程序指令:将所述调整后的经优化的控制输入传输至所述特定的飞行器,以供使用,从而操作所述特定的飞行器实行所述规定的飞行,以使对于所述规定的飞行的第一部分的所述直接运行成本最小化;以及
如下的程序指令:针对所述规定的飞行的剩余的部分而在相继的连续的时刻迭代地重复以下的运行:获得所述飞行数据;获得所述当前的样本测量值或输出;执行所述控制优化;调整所述经优化的控制输入;以及将所述调整后的经优化的控制输入传输至所述特定的飞行器。
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,所述飞行规范包含数学模型,其包括对于所述具体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19所述的介质,其中,所述数学模型至少对所述特定的飞行器、所述特定的飞行器的发动机以及在所述调整后的经优化的控制输入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他特征、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
125 FMS飞行路径
130 飞行器
200 系统
205 飞行管理计算机(FMC)
210 飞行控制系统
215 垂直导航模块
220 飞行引导系统
225 自动驾驶仪
227 飞行器
230 参考命令信号
232 命令信号
235 测量值和输出
300 流程图
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
330 过程运行
405 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 图表
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/或其他数据(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他性能约束条件(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)可以用于计算飞行计划。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)的查找表或其他预定的静态值可以被FMS(或其他实体)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,所运算出的轨迹可以用于以规定的时帧引导飞行器至所构造的路径。
然而,在一些方面,(多个)机载FMS(或其他)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/或高效地被执行以使预期的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(及其他)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,常规飞行管理系统通常可以被视为反应型,因为,该系统依赖于过去的数据事件(即,回顾),基于过去的和可能的一些当前的飞行器动作,确定飞过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包括旧式常规控制器系统105。控制器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机上转向及控制功能105的至少一部分。
VNAV 110运行,从而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,且根据转向及控制功能的(多个)垂直速度控制命令,生成俯仰命令。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,以控制飞行器的动态。另外,转向及控制功能105命令自动油门产生推力。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,则将命令发送至自动油门,以调节空速的提高。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)。
控制器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/或飞行器的环境及运行参数和/或输出。来自传感器的传感器数据可以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导航和控制命令。
在一些方面,与常规的转向及控制功能及其他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的飞行器、其发动机以及飞行器将受制于的未来的大气条件的准确的数学模型,来高效地补偿实行飞行计划时的被飞行器、其发动机和/或大气引入的不需要的瞬时性能。
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替代图1中的转向及控制功能105的功能性的预测方面。在一些实施例中,FMC 210不限于或约束于复现转向及控制功能105或其他旧式飞行管理等系统和控制器的功能性。在本公开的一些方面,与常规的飞行器转向及控制功能或控制器相比,FMC 205可以包括另外的、较少的以及备选的功能性。在一些方面,FMC 205可以通过直接地详细规定气动目标(例如,推力、控制表面的偏转等),从而实行从计划最优任务至在机体上实行该任务的所有的方面。以这种方式,FMC 205可以是在现有系统(例如,图1的转向及控制功能105)上的增强和/或改进。在一个方面,FMC 205是自转向及控制功能105的偏离,因为,来自FMC 205的FMC 205(多个)输出根本上不同于例如转向及控制功能105的输出。
FMC 205包括模型预测控制器,该模型预测控制器用于生成使具体的飞行器的直接运行成本(DOC)最小化的控制历史及对应的状态轨迹。在一些实施例中,DOC可以是(但不限于)用于实行规定的飞行计划或至少计划的部分的燃料成本。
在一些实施例中,虽然系统200可以包括图1中所描绘的系统100的转向及控制功能105的构件(例如,VNAV 110、FGS 110以及自动驾驶仪120)所提供的至少一个或更多个功能性,但图2的FMC 205不需要包括执行同样的功能的相同类型的构件或类似的装置。在一些实施例中,FMC 205可以包含技术、机理、协议、输入以及考虑,包括(但不限于)不同的来源和类型的数据、计算技术以及机理(例如,硬件、软件、装置、系统以及构件等),包括现在已知的和那些可以在未来得知的。照此,FMC 205不被约束于构建在旧式系统(诸如,例如系统100)上或与旧式系统通过接口接合。此外,系统200可以包括功能性,包括常规的FMS(诸如,图1中所公开的类型)未提供的处理准确度、效率以及能力。
在一些方面,FMC 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,FMC 205接收飞行规范及其他与飞行相关的数据,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)及其他数据,包括可以被包括在飞行计划中的所有的数据。在一些实施例中,作为输入而被FMC 205 接收的其他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。FMC 205处理输入数据(例如,飞行规范及其他飞行数据),以生成控制历史和轨迹,从而使DOC最小化,其中,这些命令230被飞行控制系统210用于控制在实行规定的飞行中的飞行器227的运行方面。控制命令230可以包括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他控制飞行器的运行的命令,其中,飞行控制系统由VNAV 215、FGS 220以及自动驾驶仪225表示。
FMC 205所生成的(多个)优化控制命令可以被飞行控制系统210直接地用于控制飞行器227的轨迹。从飞行器227获得指示飞行器的当前的状态或输出的测量值235,其中,飞行器的当前状态和/或其输出是对当前的控制命令的响应。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。来自飞行器227的测量值和/或输出235进一步反馈至FMC 205。
响应于接收到指示飞行器的当前状态的测量值和/或输出235,FMC 205使用该信息来确定经优化的参考命令,以使直接运行成本(DOC)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。考虑到飞行控制器系统210的实际运行特性(例如,缺陷、异常等),可以对这些所生成的经优化的参考命令230(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他控制飞行器的运行的命令)周期性地进行更新、调整、定型且/或修改,以不断努力地按经优化的方式控制飞行器运行。
在本文中的一些方面,系统200理解:在考虑到飞行控制系统210的运行实际情况的情况下,系统将如何对参考命令信号230作出响应(即,反应),并且,确定控制命令232,其被优化来控制飞行器227以期望的方式(即,使DOC最小化)执行。在一些方面,FMC 205可以运行,从而修改或调整参考信号(即,控制输入),以影响飞行控制系统210的实际处理特性。在一些实施例中,系统200调节FMC 205所生成的参考命令230,以控制飞行器227飞过经优化的轨迹,从而使DOC最小化。
在示例中,飞行器控制系统的飞行引导构件、自动驾驶仪功能性以及导航模块可能合作地运行,以致于他们在下降剖面或一些其他参考输入的方面有一些麻烦,如对响应于对系统的参考的输入而跟踪飞行器的性能所指示那样。通过改变(多个)参考输入,以补偿引导构件、自动驾驶仪以及导航构件/功能性将对参考信号给予的不期望的影响(例如,时间滞后或相位滞后等),从而可以改进或以另外的方式改变飞行器的性能,以接近期望的结果(即,期望的下降飞行路径)。
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、卫星系统以及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)(诸如,基于地面的系统和基于卫星的系统。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、与其他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。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),与其他系统(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他类型的系统)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(即,过去的)性能、维护及其他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,全面性和细节等级)可以是足够的,以致于表示飞行器的基于数据的数学模型(或其他数据结构)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运行性能与数学模型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、阻力及其他参数的数据)可以用于构建对于具体的飞行器的准确的基于数据的数学模型。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学模型。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学模型来执行修正后的控制优化,以生成更新后的成本最优的(多个)控制输入。
在运行310,获得飞行器的当前的样本测量值或输出。当前的测量值和/或输出是飞行器的对某一(多个)初始或参考输入控制命令的响应的结果。当前的测量值和/或输出可以从飞行器的传感器及其他装置或系统直接地获得,并且,在一些实例中,从其他测量值和输出推导。
继续运行315,本文中的一些实施例的FMC用于执行控制优化,以确定对于规定的飞行的成本最优的控制输入,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、在运行310中接收到的当前的测量值和/或输出以及准确地表示特定的飞行器的实际运行性能且提供特定的飞行器的未来的性能的预测指示的数学模型,生成经优化的控制输入。数学模型准确地表示特定的飞行器的现实运行性能,包括飞行器和与飞行器一起配置的发动机的运行性能。在一些方面,数学模型还可以准确地表示特定的飞行器的转向及控制功能的性能。
在运行320,可以对在运行315确定的经优化的控制输入信号进行调整、修改或以另外的方式定型,以解释特定的飞行器的动态,包括其转向及控制功能的运行方面。在一些实施例中,具有这样的功能性的特定的飞行器的飞行管理控制器(例如,图2的示例中的FMC205)或另一系统可以得知飞行器的实际的现实运行缺陷、异常及其他特性(例如,如由基于数据的数学模型表示),并且,考虑在调整经优化的控制输入中的那些方面。
在运行325,在运行320定型的调整后的经优化的控制输入传输至飞行器的转向及控制功能或系统(例如,图2的210)及其(子)系统(例如,VNAV 215、FGS 220、自动驾驶仪225等),这些功能或系统转而使用调整后的经优化的(多个)控制输入,以控制飞行器的运动,从而以最优的方式实行规定的飞行,如期望那样使DOC最小化。
运行330包括在一系列的相继的时刻迭代地重复运行305至325,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325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(例如,控制输入)。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,图2的控制命令230)对系统(例如,飞行器227)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。详细的所收集到的数据(例如,指示且/或包括(但不限于)推力、阻力及其他参数的过去的数据)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,可以对本文中的具体的飞行器的数据模型反复地(即,周期性地)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。
如本文中的一些实施例所图示地,本文中的所公开的系统和方法可以包括:基于过去的状态(例如,如用于确定对于特定的飞行器的数据模型的过程中)、当前的状态(例如,从来自对象飞行器的测量值和输出所推导)以及如飞行器和发动机的模型和预测特征所确定的未来的状态,确定成本最优的控制;且然后,对至特定的飞行器的飞行控制系统的成本优化的控制输入进行定型,以解释特定的飞行器及其控制系统的动态(例如,缺陷、异常及其他具体的运行特性),以致于飞行器的运动是使运行成本最小化的运动。
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他系统的实施方案,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他未示出的元件。
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,以与其他系统、数据存储装置530、一个或更多个输入装置510通信,从而从其他系统和实体、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可以促进与其他系统和构件(诸如,其他外部计算装备、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、鼠标或其他点击装置、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)或任何其他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他程序代码,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,而不在其他附图中显示,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他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他示例。如果这样的其他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 (20)
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:
获得对于未来的规定的飞行的特定的飞行器的飞行数据,包括飞行规范及其他与飞行相关的数据,所述飞行规范至少包括所述特定的飞行器的飞行约束条件、起始位置、目的地位置以及瞬时性能限制;并且,所述其他与飞行相关的数据包括与所述未来的规定的飞行有关的在使用所述处理器所生成的控制命令并执行所述未来的规定的飞行时所述特定的飞行器将遇到的未来大气条件和空中交通控制信息;
基于历史性能生成控制历史,并且基于所述飞行数据生成所述特定的飞行器的对应的状态轨迹,并且执行模型预测控制以预测所述特定的飞行器的未来性能,并且调整当前控制输入动作以进一步控制所述特定的飞行器来在所述未来的规定的飞行期间以优化方式执行;
获得在执行所述未来的规定的飞行期间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执行控制优化,所述控制优化基于所获得的飞行数据、反馈环的所述当前的测量值或输出以及表示所述特定的飞行器的实际运行性能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而进一步提供所述特定的飞行器的未来的性能的预测指示的数学模型;
响应于所述特定的飞行器的实际运行特性的考虑,调整经优化的控制输入;
将所述调整后的经优化的控制输入传输至所述特定的飞行器,以供使用,从而操作所述特定的飞行器实行所述规定的飞行,以使对于所述规定的飞行的第一部分的所述直接运行成本最小化;以及
针对所述规定的飞行的剩余的部分而在相继的连续的时刻迭代地重复以下的操作:获得所述飞行数据;获得所述当前的样本测量值或输出;执行所述控制优化;根据在每个连续的时序实例上执行的所述控制优化调整所述经优化的控制输入;以及将所述调整后的经优化的控制输入传输至所述特定的飞行器。
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,所述飞行规范包含数学模型,其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3所述的方法,其中,所述数学模型至少对所述特定的飞行器、所述特定的飞行器的发动机以及当所述调整后的经优化的控制输入将用于引导所述特定的飞行器的未来的时段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,所述实际运行特性包括所述特定的飞行器的飞行控制功能的方面。
6.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。
7.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。
8.根据权利要求7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。
9.一种飞行控制系统,包含:
存储器,存储处理器可运行的程序指令;和
处理器,实行所述处理器可运行的程序指令,从而:
获得对于未来的规定的飞行的特定的飞行器的飞行数据,包括飞行规范及其他与飞行相关的数据,所述飞行规范至少包括所述特定的飞行器的飞行约束条件、起始位置、目的地位置以及瞬时性能限制;并且,所述其他与飞行相关的数据包括与所述未来的规定的飞行有关的在使用所述处理器所生成的控制命令并执行所述未来的规定的飞行时所述特定的飞行器将遇到的未来大气条件和空中交通控制信息;
基于历史性能生成控制历史,并且基于所述飞行数据生成所述特定的飞行器的对应的状态轨迹,并且执行模型预测控制以预测所述特定的飞行器的未来性能,并且调整当前控制输入动作以进一步控制所述特定的飞行器来在所述未来的规定的飞行期间以优化方式执行;
获得在执行所述未来的规定的飞行期间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;
基于所获得的飞行数据、反馈环的所述当前的测量值或输出以及表示所述特定的飞行器的实际运行性能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而进一步提供所述特定的飞行器的未来的性能的预测指示的数学模型,执行控制优化;
基于所述控制优化确定经优化的控制输入,以使对于所述规定的飞行的所述特定的飞行器的直接运行成本最小化;
响应于所述特定的飞行器的实际运行特性的考虑,调整所述经优化的控制输入;
将所述调整后的经优化的控制输入传输至所述特定的飞行器,以供使用,从而操作所述特定的飞行器实行所述规定的飞行,以使对于所述规定的飞行的第一部分的所述直接运行成本最小化;以及
针对所述规定的飞行的剩余的部分而在相继的连续的时刻迭代地重复以下的操作:获得所述飞行数据;获得所述当前的样本测量值或输出;执行所述控制优化;根据在每个连续的时序实例上执行的所述控制优化调整所述经优化的控制输入;以及将所述调整后的经优化的控制输入传输至所述特定的飞行器。
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。
11.根据权利要求9所述的系统,其中,所述飞行规范包含数学模型,其包括对于所述特定的飞行器的尾部特定性能和运行特性。
12.根据权利要求11所述的系统,其中,所述数学模型至少对所述特定的飞行器、所述特定的飞行器的发动机以及当所述调整后的经优化的控制输入将用于引导所述特定的飞行器的未来的时段期间的飞行的大气条件进行建模。
13.根据权利要求9所述的系统,其中,所述实际运行特性包括所述特定的飞行器的飞行控制功能的方面。
14.根据权利要求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。
15.根据权利要求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。
16.根据权利要求15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。
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:获得对于未来的规定的飞行的特定的飞行器的飞行数据,包括飞行规范及其他与飞行相关的数据,所述飞行规范至少包括所述特定的飞行器的飞行约束条件、起始位置、目的地位置以及瞬时性能限制;并且,所述其他与飞行相关的数据包括与所述未来的规定的飞行有关的在使用所述处理器所生成的控制命令并执行所述未来的规定的飞行时所述特定的飞行器将遇到的未来大气条件和空中交通控制信息;
如下的程序指令:基于历史性能生成控制历史,并且基于所述飞行数据生成所述特定的飞行器的对应的状态轨迹,并且执行模型预测控制以预测所述特定的飞行器的未来性能,并且调整当前控制输入动作以进一步控制所述特定的飞行器来在所述未来的规定的飞行期间以优化方式执行;
如下的程序指令:用于获得在执行所述未来的规定的飞行期间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:基于所获得的飞行数据、反馈环的所述当前的测量值或输出以及表示所述特定的飞行器的实际运行性能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而进一步提供所述特定的飞行器的未来的性能的预测指示的数学模型,执行控制优化;
如下的程序指令:基于所述控制优化确定经优化的控制输入,以使对于所述规定的飞行的所述特定的飞行器的直接运行成本最小化;
如下的程序指令:响应于所述特定的飞行器的实际运行特性的考虑,调整所述经优化的控制输入;
如下的程序指令:将所述调整后的经优化的控制输入传输至所述特定的飞行器,以供使用,从而操作所述特定的飞行器实行所述规定的飞行,以使对于所述规定的飞行的第一部分的所述直接运行成本最小化;以及
如下的程序指令:针对所述规定的飞行的剩余的部分而在相继的连续的时刻迭代地重复以下的操作:获得所述飞行数据;获得所述当前的样本测量值或输出;执行所述控制优化;根据在每个连续的时序实例上执行的所述控制优化调整所述经优化的控制输入;以及将所述调整后的经优化的控制输入传输至所述特定的飞行器。
18.根据权利要求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。
19.根据权利要求17所述的介质,其中,所述飞行规范包含数学模型,其包括对于所述特定的飞行器的尾部特定性能和运行特性。
20.根据权利要求19所述的介质,其中,所述数学模型至少对所述特定的飞行器、所述特定的飞行器的发动机以及在所述调整后的经优化的控制输入将用于引导所述特定的飞行器的未来的时段期间的飞行的大气条件进行建模。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/476,351 US10832581B2 (en) | 2017-03-31 | 2017-03-31 | Flight management via model-based iterative optimization |
US15/476351 | 2017-03-31 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108693889A CN108693889A (zh) | 2018-10-23 |
CN108693889B true CN108693889B (zh) | 2022-05-17 |
Family
ID=63594121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810270363.5A Active CN108693889B (zh) | 2017-03-31 | 2018-03-29 | 经由基于模型的迭代优化而实现的飞行管理 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10832581B2 (zh) |
CN (1) | CN108693889B (zh) |
FR (1) | FR3064739B1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10671092B2 (en) * | 2017-10-20 | 2020-06-02 | The Boeing Company | Airplane climb thrust optimization |
EP3785217A4 (en) | 2018-04-24 | 2021-07-07 | Uber Technologies, Inc. | DETERMINATION OF THE DEPARTURE TIME OF ADAV IN AN AVIATION TRANSPORTATION NETWORK FOR EFFECTIVE RESOURCE MANAGEMENT |
US11238745B2 (en) | 2018-05-07 | 2022-02-01 | Joby Aero, Inc. | Dynamic aircraft routing |
US10593215B2 (en) * | 2018-05-07 | 2020-03-17 | Uber Technologies, Inc. | Dynamic aircraft routing |
FR3090852B1 (fr) * | 2018-12-20 | 2020-11-27 | Thales Sa | Optimisation d’un modele parametrique de performances d’un aeronef |
FR3090851B1 (fr) * | 2018-12-20 | 2021-03-19 | Thales Sa | Apprentissage automatique en avionique |
US11900818B2 (en) | 2019-06-10 | 2024-02-13 | Joby Aero, Inc. | Time varying loudness prediction system |
US20210132611A1 (en) * | 2019-11-06 | 2021-05-06 | Uber Technologies, Inc. | Aerial ride quality improvement system using feedback |
US12012229B2 (en) | 2020-03-06 | 2024-06-18 | Joby Aero, Inc. | System and method for robotic charging aircraft |
US20210383706A1 (en) * | 2020-06-05 | 2021-12-09 | Apijet Llc | System and methods for improving aircraft flight planning |
US11814158B1 (en) | 2022-04-28 | 2023-11-14 | Beta Air, Llc | Systems and methods for determining areas of discrepancy in flight for an electric aircraft |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101010502A (zh) * | 2004-08-27 | 2007-08-01 | 最佳动力技术有限合伙公司 | 可预测的发动机燃烧管理 |
CN101937233A (zh) * | 2010-08-10 | 2011-01-05 | 南京航空航天大学 | 近空间高超声速飞行器非线性自适应控制方法 |
CN102981408A (zh) * | 2012-12-10 | 2013-03-20 | 华东交通大学 | 一种动车组运行过程建模与自适应控制方法 |
CN105259904A (zh) * | 2015-10-15 | 2016-01-20 | 山东科技大学 | 基于模型预测控制的多操纵面无人机纵向解耦控制方法 |
US20160260333A1 (en) * | 2015-03-04 | 2016-09-08 | The Boeing Company | Method for optimum economy cruise speed in an aircraft |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4760530A (en) * | 1986-06-17 | 1988-07-26 | Honeywell Inc. | Flight management system providing minimum total cost |
WO2002099769A1 (en) | 2001-06-01 | 2002-12-12 | The Boeing Company | Air traffic management system and method |
US7437225B1 (en) | 2005-07-29 | 2008-10-14 | Rockwell Collins, Inc. | Flight management system |
DE102008048275B4 (de) | 2008-09-22 | 2014-07-24 | Airbus Operations Gmbh | Treibstoffmanagement-System |
FR2939917B1 (fr) * | 2008-12-12 | 2012-09-21 | Thales Sa | Procede et dispositif pour l'optimisation du vol d'un aeronef |
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. |
US8463535B2 (en) | 2011-01-21 | 2013-06-11 | Lockheed Martin Corporation | Method and apparatus for encoding and using user preferences in air traffic management operations |
US20140018980A1 (en) | 2012-07-12 | 2014-01-16 | General Electric Company | Systems and methods for flight management |
EP4163900A1 (en) * | 2014-07-18 | 2023-04-12 | The University Of Malta | Flight trajectory optimisation and visualisation tool |
US9625261B2 (en) * | 2014-09-04 | 2017-04-18 | Honeywell International Inc. | System and method for managing speed constraints during required time of arrival operations |
US9946241B2 (en) | 2015-02-23 | 2018-04-17 | Mitsubishi Electric Research Laboratories, Inc. | Model predictive control with uncertainties |
EP3065019B1 (en) * | 2015-03-04 | 2017-09-13 | The Boeing Company | Method for optimum maximum range cruise speed in an aircraft |
US9536435B1 (en) * | 2015-07-13 | 2017-01-03 | Double Black Aviation Technology L.L.C. | System and method for optimizing an aircraft trajectory |
FR3040801B1 (fr) * | 2015-09-09 | 2017-08-25 | Thales Sa | Optimisation de la trajectoire d'un aeronef |
US10460610B2 (en) * | 2016-09-30 | 2019-10-29 | General Electric Company | Aircraft profile optimization with communication links to an external computational asset |
-
2017
- 2017-03-31 US US15/476,351 patent/US10832581B2/en active Active
-
2018
- 2018-03-29 CN CN201810270363.5A patent/CN108693889B/zh active Active
- 2018-03-30 FR FR1852788A patent/FR3064739B1/fr active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101010502A (zh) * | 2004-08-27 | 2007-08-01 | 最佳动力技术有限合伙公司 | 可预测的发动机燃烧管理 |
CN101937233A (zh) * | 2010-08-10 | 2011-01-05 | 南京航空航天大学 | 近空间高超声速飞行器非线性自适应控制方法 |
CN102981408A (zh) * | 2012-12-10 | 2013-03-20 | 华东交通大学 | 一种动车组运行过程建模与自适应控制方法 |
US20160260333A1 (en) * | 2015-03-04 | 2016-09-08 | The Boeing Company | Method for optimum economy cruise speed in an aircraft |
CN105259904A (zh) * | 2015-10-15 | 2016-01-20 | 山东科技大学 | 基于模型预测控制的多操纵面无人机纵向解耦控制方法 |
Also Published As
Publication number | Publication date |
---|---|
US10832581B2 (en) | 2020-11-10 |
US20180286254A1 (en) | 2018-10-04 |
FR3064739B1 (fr) | 2021-04-30 |
CN108693889A (zh) | 2018-10-23 |
FR3064739A1 (fr) | 2018-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108693889B (zh) | 经由基于模型的迭代优化而实现的飞行管理 | |
US20180286253A1 (en) | Optimized aircraft control via model-based iterative optimization | |
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 | |
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 | |
US11174034B2 (en) | Optimizing aircraft control based on noise abatement volumes | |
CA2940044C (en) | Flight path optimization using nonlinear programming | |
US10794705B2 (en) | Methods and systems for optimal guidance based on energy state approximation | |
US9177479B2 (en) | System and method for determining aircraft operational parameters and enhancing aircraft operation | |
CA2998342C (en) | System and method for optimization of aircraft fuel economy in real-time | |
EP3065019B1 (en) | Method for optimum maximum range cruise speed in an aircraft | |
US10460610B2 (en) | Aircraft profile optimization with communication links to an external computational asset | |
EP3598261A1 (en) | Method and system for determining a descent profile | |
US10062291B1 (en) | Systems and methods for providing improved flight guidance | |
Banerjee et al. | Probability of Obstacle Collision for UAVs in presence of Wind | |
EP3974937A1 (en) | Method and system for determining a descent profile | |
EP4398063A1 (en) | System and method for operating an aircraft during a climb phase | |
US20240231367A1 (en) | System and method for operating an aircraft during a cruise phase of flight | |
US20230333571A1 (en) | Aircraft mass estimation | |
US20160357182A1 (en) | Aircraft planning control system and method |
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 | ||
TG01 | Patent term adjustment | ||
TG01 | Patent term adjustment |