CN112698666A - 一种基于气象栅格的飞行器航路优化方法 - Google Patents
一种基于气象栅格的飞行器航路优化方法 Download PDFInfo
- Publication number
- CN112698666A CN112698666A CN202110313189.XA CN202110313189A CN112698666A CN 112698666 A CN112698666 A CN 112698666A CN 202110313189 A CN202110313189 A CN 202110313189A CN 112698666 A CN112698666 A CN 112698666A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- meteorological
- route
- constraint
- grid
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000011002 quantification Methods 0.000 claims abstract description 6
- 230000000694 effects Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 238000000556 factor analysis Methods 0.000 claims description 4
- 238000003491 array Methods 0.000 claims description 3
- 230000004907 flux Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000004451 qualitative analysis Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- JTJMJGYZQZDUJJ-UHFFFAOYSA-N phencyclidine Chemical class C1CCCCN1C1(C=2C=CC=CC=2)CCCCC1 JTJMJGYZQZDUJJ-UHFFFAOYSA-N 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
Images
Classifications
-
- 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
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
- G05D1/1062—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones specially adapted for avoiding bad weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Fluid Mechanics (AREA)
- Operations Research (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于气象栅格的飞行器航路优化方法,包括步骤(1)基于气象栅格建立飞行器的多约束航路优化模型;(2)设计高效的耦合气象栅格的航路快速优化策略与算法;(3)将恶劣气象作为禁飞区约束,并进行威胁建模与量化,进行恶劣气象条件下的最优航路设计。本发明基于高精度气象栅格数据来设计飞行器的最优航路,提高了飞行器的可飞性和对复杂多变气象环境的适应性。
Description
技术领域
本发明涉及飞行器航路优化方法,尤其涉及一种基于气象栅格的飞行器航路优化方法。
背景技术
飞行器在大气中飞行时会受到气象条件的影响,气象条件主要是通过空气动力影响着飞行器的飞行特性,因此,需要根据当前以及预报的未来气象状况实时规划和优化其航路,以保证其飞行效率和安全性。现有的用于航路优化的气象参数存在精度低、范围小、数据刷新慢的问题,从而严重影响航路优化的效果。
发明内容
发明目的:本发明的目的是提供一种气象参数精度高、范围大的基于气象栅格的航路优化方法。
技术方案:本发明的飞行器航路优化方法,包括步骤如下:
(1)基于气象栅格建立飞行器的多约束航路优化模型;
(2)设计耦合气象栅格的航路快速优化策略与算法;
(3)将恶劣气象作为禁飞区约束,并进行威胁建模与量化,进行恶劣气象条件下的最优航路设计。
进一步,步骤(1)中,所述多约束航路优化模型的实现包括以下步骤:
(11)根据气象要素的影响,建立基于过载控制的飞行器运动模型;
根据气象要素的影响,构建基于过载控制的飞行器运动模型,飞行器在平面内的运动方程为:
其中,m为飞行器质量;g为重力常数,取g=9.8N/kg;为飞行器单位时间内质
量消耗量;为飞行器速度;为飞行器发动机推力;为气动阻力;为升力;为
飞行器相对于弹体坐标系z轴的转动惯量;为弹体坐标系相对于地面坐标系的转动角
速度在弹体坐标系z轴上的分量;为飞行器上所有外力对质心的力矩在弹体坐标
系z轴上的分量;为飞行器飞行轨迹坐标;为飞行器纵向与水平方向的夹角;
为飞行器的速度矢量与水平面间的夹角;为飞行器的纵轴与飞行器速度矢量的夹角;
相对于航路坐标系,飞行器法向过载方程为:
建立空气阻力模型为:
(12)分析气象栅格对马赫数、动压、大气密度、热流密度飞行环境参数的影响,构建与实际飞行条件接近的性能指标函数;
(13)确定控制变量和约束条件,将气象栅格内的要素与动压、过载、热流过程约束进行耦合;
将气象栅格内的要素与动压、过载、热流过程约束进行耦合,得到约束条件:
其中,为决策变量,表示若飞行任务选择了航路,那
么决策函数就是1,否则为0;为决策变量,表示若同一空域内原先占用的可用航
路被取消时,则令此决策变量为1,否则为0;为当某一飞行任务选择的航路和另一飞行器任务选择的航路共用相同的空域资源时设置
为1,否则为0;表示某一飞行任务能否执行,能执行为1,不能执行为0;表示某一飞行任务能否执行,能执行为1,不能执行为0;
(14)在端点约束、过程约束多约束条件下,建立起非线性航路优化模型。
进一步,步骤(2)中,所述的航路快速优化策略与算法,包括以下步骤:
(21)根据气象栅格的物理特点抽象出数学特征,对气象栅格采取同步更新策略,构造气象栅格函数,并确保运动学和动力学模型与气象栅格的时/空匹配性;
(22)利用气象栅格的高精度特性,减小优化问题的规模,分阶段、逐步实现目标可达;
进一步,步骤(3)中,所述恶劣气象条件下的最优航路设计包括以下步骤:
(31)将恶劣气象作为禁飞区约束,并进行威胁建模与量化;
(32)根据不同种类恶劣气象的特点和辐射范围对飞行性能的影响,对不同恶劣气象进行分类,建立模式识别模型;
(33)在优化过程中根据气象栅格提供的信息进行自主识别,分为两种模式,第一种模式属于“完全禁飞”类,天气情况包括暴雨、飓风或超大规模气旋;第二类模式属于“非完全禁飞”类,天气情况包括雾霾、雷电;
(34)所述第一种模式在优化设计模型中为“硬约束”,优化出的航路不允许包含暴雨、飓风或超大规模气旋的区域,保证飞行的绝对安全;所述第二种模式在优化设计模型中为“软约束”,将恶劣气象对飞行任务执行效果的影响程度作为优化模型中性能指标的一部分,并将恶劣气象对飞行器的影响或威胁以概率表示,形成软约束模型;利用风险定性分析的方法,构建风险概率矩阵为:
R=(p,q)
其中,R为风险量;p为恶劣气象产生风险事件发生的概率;q为恶劣气象产生风险事件对飞行任务执行效果的影响。
本发明与现有技术相比,其显著效果如下:1、提高了飞行器航路优化的精度;2、基于高精度气象栅格数据来设计飞行器的最优航路,提高了飞行器的可飞性和对复杂多变气象环境的适应性;3、提出了一种飞行器根据气象状况实时规划和优化航路的方法。
附图说明
图1为本发明的飞行器航路优化流程图;
图2为本发明的风险量的二维矩阵图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明做进一步详细描述。
如图1所示为本发明的总流程图,本发明基于高精度气象数据保障条件,设计飞行器的最优航路,以提高飞行器可飞性及对复杂多变气象环境的适应性。具体实现过程包括:基于气象栅格的多约束航路优化建模、耦合气象栅格的航路快速优化策略与算法、恶劣气象条件下的最优航路设计。
(1)基于气象栅格的多约束航路优化建模
根据气象要素的影响,构建基于过载控制的飞行器运动模型,飞行器在平面内的运动方程为:
公式(1)中,m为飞行器质量;g为重力常数,取g=9.8N/kg;为飞行器单位时间
内质量消耗量;为飞行器速度;为飞行器发动机推力;为气动阻力;为升力;为飞行器相对于弹体坐标系z轴的转动惯量;为弹体坐标系相对于地面坐标系的
转动角速度在弹体坐标系z轴上的分量;为飞行器上所有外力对质心的力矩在弹
体坐标系z轴上的分量;为飞行器飞行轨迹坐标;为飞行器纵向与水平方向的夹
角;为飞行器的速度矢量与水平面间的夹角;为飞行器的纵轴与飞行器速度矢量的
夹角。
由于各类气象要素的产生会对飞行器的运动造成阻力的影响,故建立空气阻力模型:
公式(1)、(2和(3)共同构成基于过载控制的飞行器运动模型。
再根据气象栅格对马赫数、动压、大气密度、热流密度飞行环境参数的影响,通过大量统计数据构建满足实际飞行条件的性能指标函数。然后,确定控制变量和约束条件,考虑到飞行器往往具有飞行距离长、空域广、速域宽等特点,将气象栅格内的要素与动压、过载、热流过程约束进行耦合,得到约束条件:
公式(4)中,为决策变量,表示若飞行任务选择了航路,那么决策函数就是1,否则为0;为决策变量,表示若同一空域内原先占
用的可用航路被取消时,可以令此决策变量为1,否则为0;为当某一飞行任务
选择的航路和另一飞行器任务选择的航路共用相同的空域
资源时设置为1,否则为0;表示某一飞行任务能否执行,可执行为1,不可执行
为0;表示某一飞行任务能否执行,可执行为1,不可执行为0。
最终在端点约束、过程约束多约束条件下,通过联立求解建立起非线性航路优化模型,其优化结果对实际飞行条件更为适应,使后续的控制过程中更为节能、高效。
(2)耦合气象栅格的航路快速优化策略与算法
将气象栅格引入到航路优化模型中,一定程度上增加了动力学模型和约束条件的复杂性,考虑到实时性要求,必须要解决航路优化的快速性问题,采用收敛快速的高斯伪谱法。具体技术路线如下:
首先,根据气象栅格的物理特点抽象出其数学特性,在高斯伪谱法的离散过程中,
配合气象参数在勒让德-高斯节点上的插值、微分及配置,对气象栅格采取同步更新策略,
通过拟合构造气象栅格函数,使运动学及动力学模型与气象栅格的时、空匹配。气象参数栅
格化处理主要是对一般航路模型所涉及的气象参数——横风、纵风、密度、
温度、湿度、气压等进行栅格化函数拟合(即不同于目前气象参数只是高度y的
解析函数,如一些标准气象条件;或以高度y为自变量的气象数值表格,如单点探空气象测
得的气象诸元),栅格函数是以时间t和弹道空间位置为自变量的函数,即:
其次,利用气象栅格的高精度特性,减小优化问题的规模,分阶段、逐步实现目标可达。一方面,可将高斯伪谱法、快速探索随机数法、滚动时域优化方法相结合,得到合理、适配的优化算法群,分阶段优化,以上一阶段的结果作为下一阶段的初值,通过之前建立的气象栅格下飞行器航路模型,来进行基于解决航路点和禁飞区约束条件下的轨迹优化问题,利用直接配点法把高斯伪谱法、快速探索随机数法、滚动时域优化方法合理地转化为非线性规划(Nonlinear Programming,NLP)问题,在优化过程中根据不同时刻以及不同状态设置状态约束和控制约束,对设定的优化指标进行多项式插值和积分并不断地迭代运算求出最优解;另一方面,按重要性将多种约束进行排序,对于这种多约束排序,本发明采用灰色关联因素分析的方法对其进行重要性排序。
关联度越大的约束条件对航路的影响程度越大,并采用逐步增加约束方法的方式进行分阶段优化,得到满足多个约束条件的最优解。
由于该航路优化耦合了高精度的气象栅格,故提高了飞行器航路优化的精度,以及飞行器的可飞性和对复杂多变气象环境的适应性。
(3)恶劣气象条件下的最优航路设计
对恶劣气象进行特殊处理。采取的方法是将恶劣气象作为禁飞区约束,并进行威胁建模与量化,具体方案如下:
根据不同种类恶劣气象的特点、辐射范围及其对飞行性能的影响,对不同恶劣气象进行分类,建立模式识别模型,在优化过程中可根据气象栅格提供的信息进行自主识别。
气象栅格可提供横风、纵风、密度、温度、湿度、气压等气象参数,根据这些信息将禁飞模式分为两种,第一种模式属于“完全禁飞”类(如暴雨、飓风或超大规模气旋),第二类模式属于“非完全禁飞”类(如雾霾、雷电)。
第一种模式在优化设计模型中为“硬约束”,优化出的航路不允许包含此类区域,保证飞行的绝对安全;第二种模式在优化设计模型中为“软约束”,根据恶劣气象对飞行任务执行效果的影响,将其影响程度作为优化模型中性能指标的一部分,将恶劣气象对飞行器的影响或威胁以概率表示,形成软约束模型。
针对该软约束模型,本发明利用风险定性分析的方法,构建风险概率矩阵。风险量是衡量风险大小的一个变量,定义为:
R=(p,q) (7)
公式(7)中,R为风险量;p为恶劣气象产生风险事件发生的概率;q为恶劣气象产生风险事件对飞行任务执行效果的影响。
由上述定义绘制风险量的二维矩阵,如图2,其纵坐标是风险概率,横坐标是风险影响,L表示低、M表示中等、H表示高。应用该矩阵可方便的甄别哪些风险需要重点针对,并对禁飞模式进行判断。
Claims (4)
1.一种基于气象栅格的飞行器航路优化方法,其特征在于,基于高精度气象数据保障条件,设计飞行器的最优航路,提高飞行器可飞性及对复杂多变气象环境的适应性,包括步骤如下:
(1)基于气象栅格建立飞行器的多约束航路优化模型;
(2)设计耦合气象栅格的航路快速优化策略与算法;
(3)将恶劣气象作为禁飞区约束,并进行威胁建模与量化,进行恶劣气象条件下的最优航路设计。
2.根据权利要求1所述基于气象栅格的飞行器航路优化方法,其特征在于,步骤(1)中,所述多约束航路优化模型的实现,包括以下步骤:
(11)根据气象要素的影响,建立基于过载控制的飞行器运动模型;
根据气象要素的影响,构建基于过载控制的飞行器运动模型,飞行器在平面内的运动方程为:
其中,m为飞行器质量;g为重力常数,取g=9.8N/kg;为飞行器单位时间内质量消耗
量;为飞行器速度;为飞行器发动机推力;为气动阻力;为升力;为飞行器
相对于弹体坐标系z轴的转动惯量;为弹体坐标系相对于地面坐标系的转动角速度在弹体坐标系z轴上的分量;为飞行器上所有外力对质心的力矩在弹体坐标系z轴
上的分量;为飞行器飞行轨迹坐标;为飞行器纵向与水平方向的夹角;为飞
行器的速度矢量与水平面间的夹角;为飞行器的纵轴与飞行器速度矢量的夹角;
相对于航路坐标系,飞行器法向过载方程为:
建立空气阻力模型为:
(12)分析气象栅格对马赫数、动压、大气密度、热流密度飞行环境参数的影响,构建与实际飞行条件接近的性能指标函数;
(13)确定控制变量和约束条件,将气象栅格内的要素与动压、过载、热流过程约束进行耦合;
将气象栅格内的要素与动压、过载、热流过程约束进行耦合,得到约束条件:
其中,为决策变量,表示若飞行任务选择了航路,那么决
策函数就是1,否则为0;为决策变量,表示若同一空域内原先占用的可用航路被
取消时,则令此决策变量为1,否则为0;为当某一飞行任务选择的航路和另一飞行器任务选择的航路共用相同的空域资源时设置
为1,否则为0;表示某一飞行任务能否执行,能执行为1,不能执行为0;表示某一飞行任务能否执行,能执行为1,不能执行为0;
(14)在端点约束、过程约束多约束条件下,建立起非线性航路优化模型。
3.根据权利要求1所述的基于气象栅格的飞行器航路优化方法,其特征在于,步骤(2)中,所述的航路快速优化策略与算法,包括以下步骤:
(21)根据气象栅格的物理特点抽象出数学特征,对气象栅格采取同步更新策略,构造气象栅格函数,并确保运动学和动力学模型与气象栅格的时/空匹配性;
(22)利用气象栅格的高精度特性,减小优化问题的规模,分阶段、逐步实现目标可达;
4.根据权利要求1所述的基于气象栅格的飞行器航路优化方法,其特征在于,步骤(3)中,所述恶劣气象条件下的最优航路设计包括以下步骤:
(31)将恶劣气象作为禁飞区约束,并进行威胁建模与量化;
(32)根据不同种类恶劣气象的特点和辐射范围对飞行性能的影响,对不同恶劣气象进行分类,建立模式识别模型;
(33)在优化过程中根据气象栅格提供的信息进行自主识别,分为两种模式,第一种模式属于“完全禁飞”类,天气情况包括暴雨、飓风或超大规模气旋;第二类模式属于“非完全禁飞”类,天气情况包括雾霾、雷电;
(34)所述第一种模式在优化设计模型中为“硬约束”,优化出的航路不允许包含暴雨、飓风或超大规模气旋的区域,保证飞行的绝对安全;所述第二种模式在优化设计模型中为“软约束”,将恶劣气象对飞行任务执行效果的影响程度作为优化模型中性能指标的一部分,并将恶劣气象对飞行器的影响或威胁以概率表示,形成软约束模型;利用风险定性分析的方法,构建风险概率矩阵为:
R=(p,q)
其中,R为风险量;p为恶劣气象产生风险事件发生的概率;q为恶劣气象产生风险事件对飞行任务执行效果的影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110313189.XA CN112698666B (zh) | 2021-03-24 | 2021-03-24 | 一种基于气象栅格的飞行器航路优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110313189.XA CN112698666B (zh) | 2021-03-24 | 2021-03-24 | 一种基于气象栅格的飞行器航路优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112698666A true CN112698666A (zh) | 2021-04-23 |
CN112698666B CN112698666B (zh) | 2021-07-06 |
Family
ID=75515564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110313189.XA Active CN112698666B (zh) | 2021-03-24 | 2021-03-24 | 一种基于气象栅格的飞行器航路优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112698666B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554899A (zh) * | 2021-07-30 | 2021-10-26 | 中国民用航空总局第二研究所 | 天气影响空中交通程度分析方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2975598A1 (en) * | 2014-07-17 | 2016-01-20 | Airbus Group India Private Limited | System and method for sending in-flight weather alerts |
CN105844969A (zh) * | 2015-01-30 | 2016-08-10 | 泰勒斯公司 | 根据气象条件来改进飞行器的飞行轨迹的方法 |
CN106323295A (zh) * | 2016-08-29 | 2017-01-11 | 中国船舶重工集团公司第七0九研究所 | 一种基于气象雷达数据的危险气象条件下的航空器改航方法 |
CN108090217A (zh) * | 2017-12-29 | 2018-05-29 | 武汉市智勤创亿信息技术股份有限公司 | 一种将气象栅格图像转换为wms图层的方法及系统 |
CN108830032A (zh) * | 2018-05-17 | 2018-11-16 | 南京邮电大学 | 一种基于神经网络的无人机天气预警方法 |
CN111508279A (zh) * | 2020-03-18 | 2020-08-07 | 南京航空航天大学 | 一种天气避让场划设的方法 |
CN112149294A (zh) * | 2020-09-14 | 2020-12-29 | 南京信息工程大学 | 弹性气象栅格设计方法 |
CN112417080A (zh) * | 2020-12-11 | 2021-02-26 | 南京信息工程大学 | 一种气象栅格的弹性设计方法 |
CN112489498A (zh) * | 2020-11-25 | 2021-03-12 | 中国电子科技集团公司第二十八研究所 | 一种航路交通精细改航规划方法 |
-
2021
- 2021-03-24 CN CN202110313189.XA patent/CN112698666B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2975598A1 (en) * | 2014-07-17 | 2016-01-20 | Airbus Group India Private Limited | System and method for sending in-flight weather alerts |
CN105844969A (zh) * | 2015-01-30 | 2016-08-10 | 泰勒斯公司 | 根据气象条件来改进飞行器的飞行轨迹的方法 |
CN106323295A (zh) * | 2016-08-29 | 2017-01-11 | 中国船舶重工集团公司第七0九研究所 | 一种基于气象雷达数据的危险气象条件下的航空器改航方法 |
CN108090217A (zh) * | 2017-12-29 | 2018-05-29 | 武汉市智勤创亿信息技术股份有限公司 | 一种将气象栅格图像转换为wms图层的方法及系统 |
CN108830032A (zh) * | 2018-05-17 | 2018-11-16 | 南京邮电大学 | 一种基于神经网络的无人机天气预警方法 |
CN111508279A (zh) * | 2020-03-18 | 2020-08-07 | 南京航空航天大学 | 一种天气避让场划设的方法 |
CN112149294A (zh) * | 2020-09-14 | 2020-12-29 | 南京信息工程大学 | 弹性气象栅格设计方法 |
CN112489498A (zh) * | 2020-11-25 | 2021-03-12 | 中国电子科技集团公司第二十八研究所 | 一种航路交通精细改航规划方法 |
CN112417080A (zh) * | 2020-12-11 | 2021-02-26 | 南京信息工程大学 | 一种气象栅格的弹性设计方法 |
Non-Patent Citations (5)
Title |
---|
PENG ZHOU 等: "Ship weather routing based on grid system and modified genetic algorithm", 《2019 IEEE 28TH INTERNATIONAL SYMPOSIUM ON INDUSTRIAL ELECTRONICS (ISIE)》 * |
刘广才 等: "基于栅格分析策略的空中航路规划仿真", 《中国新技术新产品》 * |
吴红军 等: "低空飞行安全气象保障技术", 《电子测量技术》 * |
朱国涛 等: "基于气象威胁的无人机航迹规划方法研究", 《电光与控制》 * |
王莉莉 等: "基于改进蚁群算法的改航策略问题研究", 《中国民航大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554899A (zh) * | 2021-07-30 | 2021-10-26 | 中国民用航空总局第二研究所 | 天气影响空中交通程度分析方法、装置、设备及存储介质 |
CN113554899B (zh) * | 2021-07-30 | 2022-06-03 | 中国民用航空总局第二研究所 | 天气影响空中交通程度分析方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112698666B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110031004B (zh) | 基于数字地图的无人机静态和动态路径规划方法 | |
Yang et al. | UAV air combat autonomous maneuver decision based on DDPG algorithm | |
CN108549233B (zh) | 一种带有直觉模糊信息的无人机空战机动博弈方法 | |
CN106354152B (zh) | 一种对辐射型禁飞区的再入轨迹优化设计方法 | |
CN106842926B (zh) | 一种基于正实b样条的飞行器轨迹优化方法 | |
CN103942401A (zh) | 一种优化高精度自适应模块化的航天器弹道多约束轨迹工具包及方法 | |
CN112947592B (zh) | 一种基于强化学习的再入飞行器轨迹规划方法 | |
CN114840020A (zh) | 一种基于改进鲸鱼算法的无人机飞行轨迹规划方法 | |
CN113126643A (zh) | 一种高超声速飞行器智能鲁棒再入制导方法及系统 | |
CN112066992B (zh) | 一种基于视场约束的反辐射无人机搜索航迹规划方法 | |
CN113268081A (zh) | 一种基于强化学习的小型无人机防控指挥决策方法及系统 | |
CN108983800A (zh) | 一种基于深度学习的飞机姿态控制方法 | |
CN112698666B (zh) | 一种基于气象栅格的飞行器航路优化方法 | |
CN116384256A (zh) | 一种基于参考方案局部搜索多约束弹道优化方法 | |
CN116341390A (zh) | 一种全局搜索快速收敛多约束弹道优化方法 | |
CN116151102A (zh) | 一种空间目标超短弧初始轨道智能确定方法 | |
Wu et al. | Global and local moth-flame optimization algorithm for UAV formation path planning under multi-constraints | |
CN116400737B (zh) | 一种基于蚁群算法的安全路径规划系统 | |
Tan et al. | Multi-UAV path planning based on IB-ABC with restricted planned arrival sequence | |
Fu et al. | Air combat assignment problem based on bayesian optimization algorithm | |
Kang et al. | Air-to-air combat tactical decision method based on SIRMs fuzzy logic and improved genetic algorithm | |
Chen et al. | A Two‐Stage Method for UCAV TF/TA Path Planning Based on Approximate Dynamic Programming | |
CN115357051A (zh) | 变形与机动一体化的规避与突防方法 | |
Li et al. | A multi-sensor management method based on particle swarm algorithm | |
CN112487552A (zh) | 基于模糊聚类的飞翼无人机的包线划分以及增益调度方法 |
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 |