CN110909950A - 一种采用非劣排序算法进行燃油消耗优化方法及装置 - Google Patents
一种采用非劣排序算法进行燃油消耗优化方法及装置 Download PDFInfo
- Publication number
- CN110909950A CN110909950A CN201911202936.1A CN201911202936A CN110909950A CN 110909950 A CN110909950 A CN 110909950A CN 201911202936 A CN201911202936 A CN 201911202936A CN 110909950 A CN110909950 A CN 110909950A
- Authority
- CN
- China
- Prior art keywords
- fuel consumption
- airplane
- parameters
- acquiring
- distance
- 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
- 239000000446 fuel Substances 0.000 title claims abstract description 74
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005457 optimization Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 230000014759 maintenance of location Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000009401 outcrossing Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本申请属于飞机燃油技术领域,特别涉及一种采用非劣排序算法进行燃油消耗优化方法及装置。方法包括:步骤一:获取飞机状态参数、气动参数以及发动机特性参数;步骤二:根据所述飞机状态参数、所述气动参数以及所述发动机特性参数获取飞机待飞距离的燃油消耗,并通过非劣排序算法获得飞机最优的飞行高度和速度集合。本申请的采用非劣排序算法进行燃油消耗优化方法,能够快速准确的得到飞机最优的飞行高度和速度集合,可以充分发挥该飞行器的飞行性能,达到非常良好的飞行效果,圆满完成飞行任务。
Description
技术领域
本申请属于飞机燃油技术领域,特别涉及一种采用非劣排序算法进行燃油消耗优化方法及装置。
背景技术
飞行器的燃油最优轨迹设计一直受到普遍的关注,飞行器飞行节油轨迹的优化,即对飞行器飞行状态的优化,就是飞行器在一定的飞行条件下,如何选取其最优的飞行状态,使其中某项性能指标达到最优。优化飞行航路不仅仅可以节省飞行器的飞行成本,而且能使某项性能的指标更优,在同等飞行成本条件下具有一定的指导作用。现有技术中还没有一套能够快速有效实现飞机燃油消耗优化的方法。
因此,希望有一种技术方案来克服或至少减轻现有技术的至少一个上述缺陷。
发明内容
本申请的目的是提供了一种采用非劣排序算法进行燃油消耗优化方法及装置,以解决现有技术存在的至少一个问题。
本申请的技术方案是:
本申请的第一个方面提供了一种采用非劣排序算法进行燃油消耗优化方法,包括:
步骤一:获取飞机状态参数、气动参数以及发动机特性参数;
步骤二:根据所述飞机状态参数、所述气动参数以及所述发动机特性参数获取飞机待飞距离的燃油消耗,并通过非劣排序算法获得飞机最优的飞行高度和速度集合。
可选地,步骤一中,所述飞机状态参数包括外挂信息和重量,所述气动参数包括阻力系数,所述发动机特性参数包括耗油参数。
可选地,所述飞机待飞距离是飞机在当前位置经过各个航路点到达机场点的航路总和,获取所述飞机待飞距离的步骤包括:
获取飞机当前位置信息、机场点位置信息以及各航路点位置信息;
将所述飞机当前位置信息、所述机场点位置信息以及所述各航路点位置信息进行坐标转换;
计算转换后坐标系的水平距离。
可选地,所述飞机当前位置信息、所述机场点位置信息以及所述各航路点位置信息均包括经度、纬度以及高度。
可选地,转换后的坐标系为北东天坐标系。
可选地,步骤二中,所述根据所述飞机状态参数、所述气动参数以及所述发动机特性参数获取飞机待飞距离的燃油消耗包括:
根据所述飞机状态参数获取飞机待飞距离的第一燃油消耗;
根据所述气动参数获取飞机待飞距离的第二燃油消耗;
根据所述发动机特性参数获取飞机待飞距离的第三燃油消耗;
将所述第一燃油消耗、所述第二燃油消耗以及所述第三燃油消耗进行加和,得到飞机待飞距离的总燃油消耗。
可选地,步骤二中,所述通过非劣排序算法获得飞机最优的飞行高度和速度集合包括:
S21、获取初始种群,所述初始种群为飞机初始的高度和速度的集合;
S22、对所述初始种群执行二元锦标赛选择出第一代种群;
S23、对所述第一代种群模拟二进制交叉算子进行交叉和多项式变异方式变异得到第二代种群;
S24、合并所述第一代种群和所述第二代种群,对合并后的种群进行非劣排序,通过排挤和精英保留策略选出第三代种群;
S25、对所述第三代种群进行复制、交叉和变异选出最优的第四代种群;
其中,所述第一代种群、所述第二代种群、所述第三代种群以及所述第四代种群均为满足飞机待飞距离的总燃油消耗要求的种群。
本申请的第二个方面提供了一种采用非劣排序算法进行燃油消耗优化装置,包括:
参数获取模块,用于获取飞机状态参数、气动参数以及发动机特性参数;
数据处理模块,用于根据所述飞机状态参数、所述气动参数以及所述发动机特性参数获取飞机待飞距离的燃油消耗,并通过非劣排序算法获得飞机最优的飞行高度和速度集合。
发明至少存在以下有益技术效果:
本申请的采用非劣排序算法进行燃油消耗优化方法,能够快速准确的得到飞机最优的飞行高度和速度集合,可以充分发挥该飞行器的飞行性能,达到非常良好的飞行效果,圆满完成飞行任务。
附图说明
图1是本申请一个实施方式的采用非劣排序算法进行燃油消耗优化方法流程图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本申请一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。下面结合附图对本申请的实施例进行详细说明。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请保护范围的限制。
下面结合附图1对本申请做进一步详细说明。
本申请的第一个方面提供了一种采用非劣排序算法进行燃油消耗优化方法,包括:
步骤一:获取飞机状态参数、气动参数以及发动机特性参数;
步骤二:根据飞机状态参数、气动参数以及发动机特性参数获取飞机待飞距离的燃油消耗,并通过非劣排序算法获得飞机最优的飞行高度和速度集合。
具体的,步骤一中,飞机状态参数包括外挂信息和重量,气动参数包括阻力系数,发动机特性参数包括耗油参数。
本申请的采用非劣排序算法进行燃油消耗优化方法,步骤二中,飞机待飞距离是飞机在当前位置经过各个航路点到达机场点的航路总和,获取飞机待飞距离的步骤包括:
获取飞机当前位置信息、机场点位置信息以及各航路点位置信息;飞机当前位置信息、机场点位置信息以及各航路点位置信息均包括经度、纬度以及高度;
将飞机当前位置信息、机场点位置信息以及各航路点位置信息进行坐标转换,转换后的坐标系为北东天坐标系。
计算转换后坐标系的水平距离。
步骤二中,根据飞机状态参数、气动参数以及发动机特性参数获取飞机待飞距离的燃油消耗包括:
根据飞机状态参数获取飞机待飞距离的第一燃油消耗。本实施例中,飞机的状态参数包括飞机的重量和外挂种类、数量、挂点位置等信息。首先建立这些状态参数与飞机耗油的关系数据表,在使用时通过查表法计算得到飞机待飞距离的第一燃油消耗;
根据飞机气动参数获取飞机待飞距离的第二燃油消耗。本实施例中,飞机的气动参数主要考虑飞机的阻力系数。首先建立飞机阻力系数与飞机耗油的关系数据表,在使用时通过查表法计算得到飞机待飞距离的第二燃油消耗;
根据飞机发动机特性参数获取飞机待飞距离的第三燃油消耗。本实施例中,飞机的发动机特性参数包括发动机个数、转数、开/关加力工作状态等信息。首先建立这些发动机特性参数与飞机耗油的关系数据表,在使用时通过查表法计算得到飞机待飞距离的第三燃油消耗;
将第一燃油消耗、第二燃油消耗以及第三燃油消耗进行加和,得到飞机待飞距离的总燃油消耗。
步骤二中,通过非劣排序算法获得飞机最优的飞行高度和速度集合包括:
S21、获取初始种群,初始种群为飞机初始的高度和速度的集合;
S22、对初始种群执行二元锦标赛选择出第一代种群,从而根据燃油消耗筛选找出初始种群中较优的种群;
S23、对第一代种群模拟二进制交叉算子进行交叉和多项式变异方式变异得到第二代种群;
S24、合并第一代种群和所述第二代种群,对合并后的种群进行非劣排序,通过排挤和精英保留策略选出第三代种群;
S25、对第三代种群进行复制、交叉和变异选出最优的第四代种群;
其中,第一代种群、第二代种群、第三代种群以及第四代种群均为满足飞机待飞距离下通过前述燃油消耗方法计算得到的总燃油消耗要求的种群,即步骤S22至S24中均根据飞机待飞距离的总燃油消耗对种群进行筛选。
本申请的第二个方面提供了一种采用非劣排序算法进行燃油消耗优化装置,包括:
参数获取模块,用于获取飞机状态参数、气动参数以及发动机特性参数;
数据处理模块,用于根据飞机状态参数、气动参数以及发动机特性参数获取飞机待飞距离的燃油消耗,并通过非劣排序算法获得飞机最优的飞行高度和速度集合。
本申请的采用非劣排序算法进行燃油消耗优化装置,在通过参数获取模块实现外挂信息配置、阻力系数配置、重量配置、以及耗油参数配置之后,通过数据处理模块进行燃油消耗计算,在获取飞机待飞距离的燃油消耗时,首先针对飞机当前位置信息、机场点坐标信息及飞行计划内飞机与机场点之间的未飞过的各航路点位置信息,将坐标信息转化为北东天坐标,计算北东天坐标系下的水平距离,再计算该水平距离下的燃油消耗。
本申请的采用非劣排序算法进行燃油消耗优化装置,数据处理模块还用于通过非劣排序算法获得飞机最优的飞行高度和速度集合,包括:
根据种群数N,决策变量数以及决策变量范围和目标函数个数,采用实数编码的方式,随机初始化初始种群,并进行非劣解排序,初始化每个个体的rank值;再对初始种群执行二元锦标赛选择、模拟二进制交叉算子进行交叉和多项式变异方式变异,得到新的种群令;
新的种群Rt=PtUQt,对Rt进行非劣排序,得到非劣前端F1,F2,...;
进行非劣解排序,并通过排挤和精英保留策略选出N个体,该过程是把F1的全部个体全部选入,看是否达到种群大小,不够继续放F2中的个体,同一个Fi,优先选择拥挤距离大的个体,组成新一代种群;
进行对种群Pt+1执行复制、交叉和变异,形成种群Qt+1;
如果终止条件成立,则结束;否则,t=t+1,转到d;
最终按照寻优的结果得到最优的飞行状态。
本申请的采用非劣排序算法进行燃油消耗优化方法及装置,在获取参数时,将外挂构型考虑在内,可以达到在各种外挂状态下进行寻优计算,使计算结果更加准确;寻优算法可以在保证时间要求的前提下,输出最优和较优的结果,在节省燃油的同时,通过多数据的协调配合达到充分发挥飞行器的飞行性能的目的。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种采用非劣排序算法进行燃油消耗优化方法,其特征在于,包括:
步骤一:获取飞机状态参数、气动参数以及发动机特性参数;
步骤二:根据所述飞机状态参数、所述气动参数以及所述发动机特性参数获取飞机待飞距离的燃油消耗,并通过非劣排序算法获得飞机最优的飞行高度和速度集合。
2.根据权利要求1所述的采用非劣排序算法进行燃油消耗优化方法,其特征在于,步骤一中,所述飞机状态参数包括外挂信息和重量,所述气动参数包括阻力系数,所述发动机特性参数包括耗油参数。
3.根据权利要求2所述的采用非劣排序算法进行燃油消耗优化方法,其特征在于,所述飞机待飞距离是飞机在当前位置经过各个航路点到达机场点的航路总和,获取所述飞机待飞距离的步骤包括:
获取飞机当前位置信息、机场点位置信息以及各航路点位置信息;
将所述飞机当前位置信息、所述机场点位置信息以及所述各航路点位置信息进行坐标转换;
计算转换后坐标系的水平距离。
4.根据权利要求3所述的采用非劣排序算法进行燃油消耗优化方法,其特征在于,所述飞机当前位置信息、所述机场点位置信息以及所述各航路点位置信息均包括经度、纬度以及高度。
5.根据权利要求4所述的采用非劣排序算法进行燃油消耗优化方法,其特征在于,转换后的坐标系为北东天坐标系。
6.根据权利要求5所述的采用非劣排序算法进行燃油消耗优化方法,其特征在于,步骤二中,所述根据所述飞机状态参数、所述气动参数以及所述发动机特性参数获取飞机待飞距离的燃油消耗包括:
根据所述飞机状态参数获取飞机待飞距离的第一燃油消耗;
根据所述气动参数获取飞机待飞距离的第二燃油消耗;
根据所述发动机特性参数获取飞机待飞距离的第三燃油消耗;
将所述第一燃油消耗、所述第二燃油消耗以及所述第三燃油消耗进行加和,得到飞机待飞距离的总燃油消耗。
7.根据权利要6所述的采用非劣排序算法进行燃油消耗优化方法,其特征在于,步骤二中,所述通过非劣排序算法获得飞机最优的飞行高度和速度集合包括:
S21、获取初始种群,所述初始种群为飞机初始的高度和速度的集合;
S22、对所述初始种群执行二元锦标赛选择出第一代种群;
S23、对所述第一代种群模拟二进制交叉算子进行交叉和多项式变异方式变异得到第二代种群;
S24、合并所述第一代种群和所述第二代种群,对合并后的种群进行非劣排序,通过排挤和精英保留策略选出第三代种群;
S25、对所述第三代种群进行复制、交叉和变异选出最优的第四代种群;
其中,所述第一代种群、所述第二代种群、所述第三代种群以及所述第四代种群均为满足飞机待飞距离的总燃油消耗要求的种群。
8.一种采用非劣排序算法进行燃油消耗优化装置,其特征在于,包括:
参数获取模块,用于获取飞机状态参数、气动参数以及发动机特性参数;
数据处理模块,用于根据所述飞机状态参数、所述气动参数以及所述发动机特性参数获取飞机待飞距离的燃油消耗,并通过非劣排序算法获得飞机最优的飞行高度和速度集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911202936.1A CN110909950A (zh) | 2019-11-29 | 2019-11-29 | 一种采用非劣排序算法进行燃油消耗优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911202936.1A CN110909950A (zh) | 2019-11-29 | 2019-11-29 | 一种采用非劣排序算法进行燃油消耗优化方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110909950A true CN110909950A (zh) | 2020-03-24 |
Family
ID=69820844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911202936.1A Pending CN110909950A (zh) | 2019-11-29 | 2019-11-29 | 一种采用非劣排序算法进行燃油消耗优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909950A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112179350A (zh) * | 2020-09-29 | 2021-01-05 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于高效排序算法的巡航解算方法 |
CN112254734A (zh) * | 2020-09-29 | 2021-01-22 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于高效排序算法的经济导航解算方法 |
CN116910923A (zh) * | 2023-09-13 | 2023-10-20 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种机载机电系统的优化设计方法及装置 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08202675A (ja) * | 1995-01-26 | 1996-08-09 | Nippon Telegr & Teleph Corp <Ntt> | 経路選択方法及び装置 |
US20070032921A1 (en) * | 2005-08-04 | 2007-02-08 | The Boeing Company | Fuel consumption data tracking/collection and aircraft/route optimization |
JP2010271801A (ja) * | 2009-05-19 | 2010-12-02 | Ono Sokki Co Ltd | 多目的最適解集合算出装置及び多目的最適解集合算出方法及び多目的最適解集合算出プログラム |
US20110173042A1 (en) * | 2010-01-13 | 2011-07-14 | Lockheed Martin Corporation | Systems, methods and apparatus for just-in time scheduling and planning |
CN102831479A (zh) * | 2012-07-29 | 2012-12-19 | 江苏大学 | Nsga-ii多目标优化搜索方法 |
CN104952067A (zh) * | 2015-05-13 | 2015-09-30 | 西安电子科技大学 | 基于nsga-ⅱ进化算法的彩色图像分割 |
WO2015155202A1 (fr) * | 2014-04-10 | 2015-10-15 | Safety Line | Système et procédé de détermination des paramètres de vol et de la consommation en carburant d'au moins une phase de vol d'un avion |
US20170092136A1 (en) * | 2015-09-30 | 2017-03-30 | Airbus Group India Private Limited | En-route flight path optimization |
CN106557837A (zh) * | 2016-11-04 | 2017-04-05 | 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 |
CN106651014A (zh) * | 2016-12-12 | 2017-05-10 | 南京航空航天大学 | 一种运输机飞行轨迹优化方法 |
US20180239364A1 (en) * | 2015-09-09 | 2018-08-23 | Thales | Optimizing the trajectory of an aircraft |
CN108494080A (zh) * | 2018-03-16 | 2018-09-04 | 上海海事大学 | 一种基于改进nsga-ii的混合动力船舶多目标能量优化方法 |
CN108573318A (zh) * | 2017-03-09 | 2018-09-25 | 波音公司 | 用于提供最佳的航空器燃油量的方法和电子设备 |
CN109358652A (zh) * | 2018-12-21 | 2019-02-19 | 山东理工大学 | 一种直升机航线规划方法 |
CN109885061A (zh) * | 2019-03-14 | 2019-06-14 | 哈尔滨工程大学 | 一种基于改进nsga-ⅱ的动力定位多目标优化方法 |
CN110160526A (zh) * | 2019-04-23 | 2019-08-23 | 北京海兰信数据科技股份有限公司 | 基于遗传算法的时间最短航线规划方法、燃油量最小航线规划方法、成本最低航线规划方法 |
CN110276479A (zh) * | 2019-05-31 | 2019-09-24 | 南京航空航天大学 | 飞机质量变化的巡航阶段燃油消耗预测方法 |
US20190311631A1 (en) * | 2016-10-11 | 2019-10-10 | Smartsky Networks LLC | Apparatus, method and system for providing pilot advisories on trajectory management using continuous replanning of dynamically interacting trajectories for optimal economic and safety outcomes |
-
2019
- 2019-11-29 CN CN201911202936.1A patent/CN110909950A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08202675A (ja) * | 1995-01-26 | 1996-08-09 | Nippon Telegr & Teleph Corp <Ntt> | 経路選択方法及び装置 |
US20070032921A1 (en) * | 2005-08-04 | 2007-02-08 | The Boeing Company | Fuel consumption data tracking/collection and aircraft/route optimization |
JP2010271801A (ja) * | 2009-05-19 | 2010-12-02 | Ono Sokki Co Ltd | 多目的最適解集合算出装置及び多目的最適解集合算出方法及び多目的最適解集合算出プログラム |
US20110173042A1 (en) * | 2010-01-13 | 2011-07-14 | Lockheed Martin Corporation | Systems, methods and apparatus for just-in time scheduling and planning |
CN102831479A (zh) * | 2012-07-29 | 2012-12-19 | 江苏大学 | Nsga-ii多目标优化搜索方法 |
WO2015155202A1 (fr) * | 2014-04-10 | 2015-10-15 | Safety Line | Système et procédé de détermination des paramètres de vol et de la consommation en carburant d'au moins une phase de vol d'un avion |
CN104952067A (zh) * | 2015-05-13 | 2015-09-30 | 西安电子科技大学 | 基于nsga-ⅱ进化算法的彩色图像分割 |
US20180239364A1 (en) * | 2015-09-09 | 2018-08-23 | Thales | Optimizing the trajectory of an aircraft |
US20170092136A1 (en) * | 2015-09-30 | 2017-03-30 | Airbus Group India Private Limited | En-route flight path optimization |
US20190311631A1 (en) * | 2016-10-11 | 2019-10-10 | Smartsky Networks LLC | Apparatus, method and system for providing pilot advisories on trajectory management using continuous replanning of dynamically interacting trajectories for optimal economic and safety outcomes |
CN106557837A (zh) * | 2016-11-04 | 2017-04-05 | 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 |
CN106651014A (zh) * | 2016-12-12 | 2017-05-10 | 南京航空航天大学 | 一种运输机飞行轨迹优化方法 |
CN108573318A (zh) * | 2017-03-09 | 2018-09-25 | 波音公司 | 用于提供最佳的航空器燃油量的方法和电子设备 |
CN108494080A (zh) * | 2018-03-16 | 2018-09-04 | 上海海事大学 | 一种基于改进nsga-ii的混合动力船舶多目标能量优化方法 |
CN109358652A (zh) * | 2018-12-21 | 2019-02-19 | 山东理工大学 | 一种直升机航线规划方法 |
CN109885061A (zh) * | 2019-03-14 | 2019-06-14 | 哈尔滨工程大学 | 一种基于改进nsga-ⅱ的动力定位多目标优化方法 |
CN110160526A (zh) * | 2019-04-23 | 2019-08-23 | 北京海兰信数据科技股份有限公司 | 基于遗传算法的时间最短航线规划方法、燃油量最小航线规划方法、成本最低航线规划方法 |
CN110276479A (zh) * | 2019-05-31 | 2019-09-24 | 南京航空航天大学 | 飞机质量变化的巡航阶段燃油消耗预测方法 |
Non-Patent Citations (11)
Title |
---|
俞桦等: "基于遗传算法的空中加油航路规划", 《系统管理学报》 * |
吕开妮等: "基于自适应遗传算法的客机爬升段轨迹优化", 《计算机仿真》 * |
吕明伟等: "启发式实时航路重规划技术", 《飞机设计》 * |
张锦等: "用遗传算法进行飞机节油轨迹优化", 《弹箭与制导学报》 * |
方卫国等: "飞机方案多目标优化的Pareto遗传算法", 《北京航空航天大学学报》 * |
朱华光等: "长航时高燃油质量系数小型无人飞行器总体参数优化设计", 《北京理工大学学报》 * |
王睿等: "高空长航时无人机航迹优化研究", 《飞行力学》 * |
王钢林: "无人作战飞机概念方案及主要参数研究", 《航空工程进展》 * |
罗素梅等: "《外汇储备资产优化配置研究》", 30 September 2018 * |
聂瑞等: "基于改进的多目标进化算法的飞行控制系统优化", 《计算机应用研究》 * |
葛瑞辰等: "基于NSGAII算法的宽体客机商载航程研究", 《航空计算技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112179350A (zh) * | 2020-09-29 | 2021-01-05 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于高效排序算法的巡航解算方法 |
CN112254734A (zh) * | 2020-09-29 | 2021-01-22 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于高效排序算法的经济导航解算方法 |
CN116910923A (zh) * | 2023-09-13 | 2023-10-20 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种机载机电系统的优化设计方法及装置 |
CN116910923B (zh) * | 2023-09-13 | 2023-12-12 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种机载机电系统的优化设计方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110909950A (zh) | 一种采用非劣排序算法进行燃油消耗优化方法及装置 | |
CN105700549B (zh) | 一种基于序列小生境粒子群算法的无人机多航迹规划方法 | |
CN103557867B (zh) | 一种基于稀疏a*搜索的三维多uav协同航迹规划方法 | |
CN105841702A (zh) | 一种基于粒子群优化算法的多无人机航路规划方法 | |
CN106529674A (zh) | 多无人机协同多目标分配方法 | |
CN106959700B (zh) | 一种基于上限置信区间算法的无人机群协同巡逻追踪轨迹规划方法 | |
CN107247961A (zh) | 一种应用模糊轨迹序列的轨迹预测方法 | |
CN102788581B (zh) | 一种基于改进的微分进化算法的船舶航路规划方法 | |
CN109506654A (zh) | 低空航路规划方法及装置、飞行器 | |
CN105701552A (zh) | 一种飞行航路垂直剖面的计算方法 | |
CN111121784B (zh) | 一种无人侦察机航路规划方法 | |
CN109688532A (zh) | 一种划分城市功能区域的方法及装置 | |
CN109840610A (zh) | 不正常航班飞机路径与旅客行程自动恢复系统及方法 | |
CN106204719B (zh) | 基于二维邻域检索的三维场景中海量模型实时调度方法 | |
CN107680018A (zh) | 一种基于大数据及人工智能的高考志愿填报系统及方法 | |
CN104866903B (zh) | 基于遗传算法的最美路径导航算法 | |
CN102306352A (zh) | 一种船舶调配方案自动化生成方法 | |
CN116954233A (zh) | 一种巡检任务与航线自动匹配方法 | |
CN111813144A (zh) | 一种基于改进羊群算法的多无人机协同航路规划方法 | |
CN109376331A (zh) | 一种基于梯度提升回归树的城市公交车排放率估计方法 | |
CN104504198A (zh) | 一种基于双层协同进化的航路网络拓扑设计方法 | |
CN110826288B (zh) | 一种基于免疫克隆选择的再入轨迹优化方法 | |
CN106777517A (zh) | 基于粒子群的航空发动机高压涡轮盘优化设计系统及方法 | |
CN107300388A (zh) | 基于Q‑learning算法和回声状态网络的骑行旅游路线规划方法 | |
CN112506216B (zh) | 一种无人机的飞行路径规划方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200324 |