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 PDF

Info

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
Application number
CN202110313189.XA
Other languages
English (en)
Other versions
CN112698666B (zh
Inventor
秦华旺
戴跃伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202110313189.XA priority Critical patent/CN112698666B/zh
Publication of CN112698666A publication Critical patent/CN112698666A/zh
Application granted granted Critical
Publication of CN112698666B publication Critical patent/CN112698666B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

一种基于气象栅格的飞行器航路优化方法
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：
Figure 526635DEST_PATH_IMAGE001
其中，m为飞行器质量；g为重力常数，取g=9.8N/kg；
Figure 940430DEST_PATH_IMAGE002
为飞行器单位时间内质 量消耗量；
Figure 777674DEST_PATH_IMAGE003
为飞行器速度；
Figure 184385DEST_PATH_IMAGE004
为飞行器发动机推力；
Figure 557728DEST_PATH_IMAGE005
为气动阻力；
Figure 437697DEST_PATH_IMAGE006
为升力；
Figure 466964DEST_PATH_IMAGE007
为 飞行器相对于弹体坐标系z轴的转动惯量；
Figure 723371DEST_PATH_IMAGE008
为弹体坐标系相对于地面坐标系的转动角 速度
Figure 951221DEST_PATH_IMAGE009
在弹体坐标系z轴上的分量；
Figure 690507DEST_PATH_IMAGE010
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；
Figure 502343DEST_PATH_IMAGE011
为飞行器飞行轨迹坐标；
Figure 63905DEST_PATH_IMAGE012
为飞行器纵向与水平方向的夹角；
Figure 582480DEST_PATH_IMAGE013
为飞行器的速度矢量与水平面间的夹角；
Figure 633613DEST_PATH_IMAGE014
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：
Figure 956183DEST_PATH_IMAGE015
建立空气阻力模型为：
Figure 55857DEST_PATH_IMAGE016
其中，
Figure 756834DEST_PATH_IMAGE017
为无因次的总空气动力系数；
Figure 916551DEST_PATH_IMAGE018
为空气密度；
Figure 437400DEST_PATH_IMAGE019
为飞行器特性面 积；
（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：
Figure 340765DEST_PATH_IMAGE020
其中，
Figure 896249DEST_PATH_IMAGE021
为决策变量，表示若飞行任务
Figure 226868DEST_PATH_IMAGE022
选择了航路
Figure 500592DEST_PATH_IMAGE023
，那 么决策函数就是1，否则为0；
Figure 942069DEST_PATH_IMAGE024
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；
Figure 352059DEST_PATH_IMAGE025
为当某一飞行任务
Figure 853579DEST_PATH_IMAGE026
选择的航路
Figure 349020DEST_PATH_IMAGE027
和另一飞行器任务
Figure 531871DEST_PATH_IMAGE028
选择的航路
Figure 61947DEST_PATH_IMAGE029
共用相同的空域资源时设置 为1，否则为0；
Figure 734368DEST_PATH_IMAGE030
表示某一飞行任务
Figure 717105DEST_PATH_IMAGE031
能否执行，能执行为1，不能执行为0；
Figure 500384DEST_PATH_IMAGE032
表示某一飞行任务
Figure 884967DEST_PATH_IMAGE033
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；
根据灰色关联因素分析方法，首先确定多种约束条件的比较序列，假设有m个比较 序列
Figure 915240DEST_PATH_IMAGE034
以及参考序列
Figure 886738DEST_PATH_IMAGE035
，随后计算比较序列和参考序列在k时刻的关联系 数：
Figure 909927DEST_PATH_IMAGE036
其中，
Figure 916060DEST_PATH_IMAGE037
为分辨系数；
Figure 428819DEST_PATH_IMAGE038
为两级最小 差；
Figure 808984DEST_PATH_IMAGE039
为两级最大差；
Figure 137329DEST_PATH_IMAGE040
为比较数 列
Figure 496504DEST_PATH_IMAGE041
与参考数列
Figure 868579DEST_PATH_IMAGE042
在k时刻的绝对差值；
Figure 549090DEST_PATH_IMAGE043
为k时刻参考数列，
Figure 914081DEST_PATH_IMAGE044
为k时 刻比较数列；
再计算关联度
Figure 629228DEST_PATH_IMAGE045
，确定比较序列
Figure 172204DEST_PATH_IMAGE046
对参考序列
Figure 104126DEST_PATH_IMAGE047
的关联度。
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：
Figure 571011DEST_PATH_IMAGE048
(1)
公式（1）中，m为飞行器质量；g为重力常数，取g=9.8N/kg；
Figure 842461DEST_PATH_IMAGE002
为飞行器单位时间 内质量消耗量；
Figure 369388DEST_PATH_IMAGE003
为飞行器速度；
Figure 358964DEST_PATH_IMAGE004
为飞行器发动机推力；
Figure 629540DEST_PATH_IMAGE005
为气动阻力；
Figure 817813DEST_PATH_IMAGE006
为升力；
Figure 702593DEST_PATH_IMAGE007
为飞行器相对于弹体坐标系z轴的转动惯量；
Figure 844992DEST_PATH_IMAGE008
为弹体坐标系相对于地面坐标系的 转动角速度
Figure 417794DEST_PATH_IMAGE009
在弹体坐标系z轴上的分量；
Figure 899722DEST_PATH_IMAGE010
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；
Figure 266987DEST_PATH_IMAGE011
为飞行器飞行轨迹坐标；
Figure 896683DEST_PATH_IMAGE012
为飞行器纵向与水平方向的夹 角；
Figure 961591DEST_PATH_IMAGE013
为飞行器的速度矢量与水平面间的夹角；
Figure 858877DEST_PATH_IMAGE014
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
Figure 898508DEST_PATH_IMAGE049
方程为：
Figure 514035DEST_PATH_IMAGE050
(2)
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：
Figure 867787DEST_PATH_IMAGE051
(3)
式（3）中，
Figure 619580DEST_PATH_IMAGE052
为无因次的总空气动力系数；
Figure 95692DEST_PATH_IMAGE053
为空气密度；
Figure 621352DEST_PATH_IMAGE054
为飞行器特性 面积；
Figure 339647DEST_PATH_IMAGE055
为飞行器速度。
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：
Figure 447411DEST_PATH_IMAGE056
（4）
公式（4）中，
Figure 530642DEST_PATH_IMAGE057
为决策变量，表示若飞行任务
Figure 356647DEST_PATH_IMAGE058
选择了航路
Figure 613054DEST_PATH_IMAGE059
，那么决策函数就是1，否则为0；
Figure 840904DEST_PATH_IMAGE060
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；
Figure 157354DEST_PATH_IMAGE061
为当某一飞行任务
Figure 470654DEST_PATH_IMAGE062
选择的航路
Figure 219167DEST_PATH_IMAGE063
和另一飞行器任务
Figure 737742DEST_PATH_IMAGE064
选择的航路
Figure 726558DEST_PATH_IMAGE065
共用相同的空域 资源时设置为1，否则为0；
Figure 25690DEST_PATH_IMAGE066
表示某一飞行任务
Figure 125364DEST_PATH_IMAGE067
能否执行，可执行为1，不可执行 为0；
Figure 514757DEST_PATH_IMAGE068
表示某一飞行任务
Figure 907430DEST_PATH_IMAGE069
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
Figure 133006DEST_PATH_IMAGE070
、纵风
Figure 534907DEST_PATH_IMAGE071
、密度
Figure 778806DEST_PATH_IMAGE072
、 温度
Figure 109424DEST_PATH_IMAGE073
、湿度
Figure 55253DEST_PATH_IMAGE074
、气压
Figure 496729DEST_PATH_IMAGE075
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
Figure 860715DEST_PATH_IMAGE076
为自变量的函数，即：
Figure 884207DEST_PATH_IMAGE077
(5)
每一个气象参数在航路模型中均采用一个拟合出的对应栅格函数
Figure 818796DEST_PATH_IMAGE078
(i=1,2,3, 4,5,6)进行计算。
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。
根据灰色关联因素分析方法，首先确定多种约束条件的比较序列，假设有
Figure DEST_PATH_IMAGE079
个比 较序列
Figure 624816DEST_PATH_IMAGE080
以及参考序列
Figure 656357DEST_PATH_IMAGE081
，随后计算比较序列和参考序列在
Figure 764996DEST_PATH_IMAGE082
时刻的关联系数：
Figure DEST_PATH_IMAGE083
（6）
公式（6）中，
Figure 311515DEST_PATH_IMAGE084
为分辨系数；
Figure 593329DEST_PATH_IMAGE085
为两级最 小差；
Figure 479377DEST_PATH_IMAGE086
为两级最大差；
Figure 821234DEST_PATH_IMAGE087
为比较数列
Figure 792733DEST_PATH_IMAGE088
与参考数列
Figure 815921DEST_PATH_IMAGE089
在k时刻的绝对差值；
Figure 556475DEST_PATH_IMAGE090
为k时刻参考数列，
Figure 757649DEST_PATH_IMAGE091
为k时刻比 较数列。
最后计算关联度
Figure 714979DEST_PATH_IMAGE092
，确定比较序列
Figure 43323DEST_PATH_IMAGE093
对参考序列
Figure 136919DEST_PATH_IMAGE094
的关 联度。
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：
Figure 640012DEST_PATH_IMAGE001
其中，m为飞行器质量；g为重力常数，取g=9.8N/kg；
Figure 927905DEST_PATH_IMAGE002
为飞行器单位时间内质量消耗 量；
Figure 752642DEST_PATH_IMAGE003
为飞行器速度；
Figure 308126DEST_PATH_IMAGE004
为飞行器发动机推力；
Figure 576427DEST_PATH_IMAGE005
为气动阻力；
Figure 850152DEST_PATH_IMAGE006
为升力；
Figure 291628DEST_PATH_IMAGE007
为飞行器 相对于弹体坐标系z轴的转动惯量；
Figure 701619DEST_PATH_IMAGE008
为弹体坐标系相对于地面坐标系的转动角速度
Figure 390089DEST_PATH_IMAGE009
在弹体坐标系z轴上的分量；
Figure 652574DEST_PATH_IMAGE010
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；
Figure 130698DEST_PATH_IMAGE011
为飞行器飞行轨迹坐标；
Figure 162239DEST_PATH_IMAGE012
为飞行器纵向与水平方向的夹角；
Figure 270878DEST_PATH_IMAGE013
为飞 行器的速度矢量与水平面间的夹角；
Figure 755080DEST_PATH_IMAGE014
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：
Figure 990890DEST_PATH_IMAGE015
建立空气阻力模型为：
Figure 375472DEST_PATH_IMAGE016
其中，
Figure 218794DEST_PATH_IMAGE017
为无因次的总空气动力系数；
Figure 626511DEST_PATH_IMAGE018
为空气密度；
Figure 947902DEST_PATH_IMAGE019
为飞行器特性面积；
（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：
Figure 452570DEST_PATH_IMAGE020
其中，
Figure 466794DEST_PATH_IMAGE021
为决策变量，表示若飞行任务
Figure 112539DEST_PATH_IMAGE022
选择了航路
Figure 736156DEST_PATH_IMAGE023
，那么决 策函数就是1，否则为0；
Figure 596796DEST_PATH_IMAGE024
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；
Figure 218139DEST_PATH_IMAGE025
为当某一飞行任务
Figure 164229DEST_PATH_IMAGE026
选择的航路
Figure 614975DEST_PATH_IMAGE027
和另一飞行器任务
Figure 330121DEST_PATH_IMAGE028
选择的航路
Figure 873098DEST_PATH_IMAGE029
共用相同的空域资源时设置 为1，否则为0；
Figure 539440DEST_PATH_IMAGE030
表示某一飞行任务
Figure 271904DEST_PATH_IMAGE031
能否执行，能执行为1，不能执行为0；
Figure 340092DEST_PATH_IMAGE032
表示某一飞行任务
Figure 804702DEST_PATH_IMAGE033
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；
根据灰色关联因素分析方法，首先确定多种约束条件的比较序列，假设有m个比较序列
Figure 223920DEST_PATH_IMAGE034
以及参考序列
Figure 681446DEST_PATH_IMAGE035
，随后计算比较序列和参考序列在k时刻的关联系数：
Figure 105606DEST_PATH_IMAGE036
其中，
Figure 567549DEST_PATH_IMAGE037
为分辨系数；
Figure 709948DEST_PATH_IMAGE038
为两级最小差；
Figure 17170DEST_PATH_IMAGE039
为两级最大差；
Figure 561415DEST_PATH_IMAGE040
为比较数列
Figure 131943DEST_PATH_IMAGE041
与参考数列
Figure 496059DEST_PATH_IMAGE042
在k时刻的绝对差值；
Figure 872552DEST_PATH_IMAGE043
为k时刻参考数列，
Figure 458254DEST_PATH_IMAGE044
为k时刻比较数 列；
再计算关联度
Figure 497885DEST_PATH_IMAGE045
，确定比较序列
Figure 113412DEST_PATH_IMAGE046
对参考序列
Figure 529481DEST_PATH_IMAGE047
的关联 度。
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。
CN202110313189.XA 2021-03-24 2021-03-24 一种基于气象栅格的飞行器航路优化方法 Active CN112698666B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (9)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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