CN113468724B - 一种机场飞机降落引导的数字孪生系统仿真方法及装置 - Google Patents
一种机场飞机降落引导的数字孪生系统仿真方法及装置 Download PDFInfo
- Publication number
- CN113468724B CN113468724B CN202110642958.0A CN202110642958A CN113468724B CN 113468724 B CN113468724 B CN 113468724B CN 202110642958 A CN202110642958 A CN 202110642958A CN 113468724 B CN113468724 B CN 113468724B
- Authority
- CN
- China
- Prior art keywords
- state data
- model
- real
- aircraft
- flight
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000007613 environmental effect Effects 0.000 claims description 33
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 abstract description 3
- 230000002411 adverse Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Abstract
本发明公开了一种机场飞机降落引导的数字孪生系统仿真方法及装置，该方法包括以下步骤：接收来自物理终端的实时状态数据，对实时状态数据进行存储，形成状态模型库；根据状态模型库中存储的历史实时状态数据建立孪生拟态模型；读取实时状态数据，根据实时状态数据使用孪生拟态模型进行实时飞行模拟，生成飞行状态差集；根据飞行状态差集生成引导控制指令，将所述引导控制指令发送给飞行器；通过获得引导控制指令对飞行器进行飞行控制；相较于传统的人工控制方式，在恶劣环境时能够实现更加精准正确和快速的判断，避免操作失误对飞行器造成的损失，也有效的降低了安全事故发生的概率。
Description
技术领域
本发明涉及数字孪生应用相关领域，具体是一种机场飞机降落引导的数字孪生系统仿真方法及装置。
背景技术
数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程；数字孪生是个普遍适应的理论技术体系，可以在众多领域应用，目前在产品设计、产品制造、医学分析、工程建设等领域应用较多。
随着经济水平与民航技术的不断提高，越来越多的人开始选择速度更快的飞机出行，更短的路途距离和更快的飞行速度相较于传统的出行方式大大的缩减了出行时在路途上所花费的时间，提高了出行的质量。
传统的机场飞机降落多由地面管制员引导完成，而地面管制员的作用更多的是类似于交通信号灯的作用，难以对机场跑道周边的各项影响到飞机降落的因素进行实时有效的监控并获取应对方法，因此飞机在降落的过程中，当降落时的环境较为恶劣时，更多情况下是由飞行员自身通过飞机仪表盘对环境做出判断完成降落的，而人为判断难以避免的会发生判断不及时甚至错误，或是慌乱导致操作失误情况的发生，导致飞机多次拉升重飞甚至发生不必要的安全隐患或安全事故，容易对飞机产生损伤增加飞机的维护成本。
发明内容
本发明的目的在于提供一种机场飞机降落引导的数字孪生系统仿真方法及装置，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种机场飞机降落引导的数字孪生系统仿真方法，包括以下步骤：
接收来自物理终端的实时状态数据，对实时状态数据进行存储，形成状态模型库，所述实时状态数据至少包括飞行状态数据和环境状态数据；
根据状态模型库中存储的历史实时状态数据建立孪生拟态模型，所述孪生拟态模型用于表征飞行器在某一环境状态数据时的最佳飞行状态数据；
读取实时状态数据，根据实时状态数据使用孪生拟态模型进行实时飞行模拟，生成飞行状态差集；
根据飞行状态差集生成引导控制指令，将所述引导控制指令发送给飞行器。
作为本发明的进一步方案：
所述飞行状态数据用于表征飞行器的飞行姿态信息和飞行器的健康状况信息，所述环境状态数据包括用于表征飞行器所处环境的飞行环境信息和处于地面的跑道环境信息，所述环境状态数据至少包含气流状态信息、温湿度信息和积水状态信息。
作为本发明的再进一步方案：
所述飞行状态数据还包括飞行器型号数据，根据不同飞行器型号设有相对应的状态模型库，所述接收来自物理终端的实时状态数据，对实时状态数据进行存储，形成状态模型库的步骤，具体包括：
接收来自物理终端的实时状态数据，并读取实时状态数据中的飞行器型号数据；
根据飞行器型号数据将实时状态数据存储在相对应的状态模型库中。
作为本发明的再进一步方案：
所述实时状态数据包括飞行状态数据和环境状态数据，所述孪生拟态模型包括：
所述环境拟态模型用于模拟通过物理终端获取的环境状态数据；
所述飞行器拟态模型用于模拟所述飞行器在环境拟态模型中的最佳飞行状态。
作为本发明的再进一步方案：
根据状态模型库中存储的历史实时状态数据建立孪生拟态模型的步骤具体包括：
读取实时状态数据中的飞行器型号数据；
根据飞行器型号访问状态模型库，获取相对应的状态模型库中所存储的历史实时状态数据；
读取历史实时状态数据中的历史环境状态数据，根据历史环境状态数据建立环境拟态模型；
根据历史环境状态数据获取相对应的历史飞行状态数据，判断历史飞行状态数据中的最佳飞行状态数据，根据最佳飞行状态数据建立与环境拟态模型相对应的飞行器拟态模型。
作为本发明的再进一步方案：
所述孪生拟态模型还包括物理引擎模型，所述物理引擎模型用于模拟飞行器在同一环境状态数据下的不同飞行状态数据，判断所述环境状态数据下的最佳飞行状态数据。
作为本发明的再进一步方案：
所述读取实时状态数据，根据实时状态数据使用孪生拟态模型进行实时飞行模拟，生成飞行状态差集的步骤，具体包括：
读取实时状态数据中的环境状态数据；
根据所述环境状态数据在孪生拟态模型中进行实时飞行模拟，获取最佳飞行状态数据；
读取实时状态数据中的飞行状态数据；
根据飞行状态数据与最佳飞行状态数据运算生成飞行状态差集。
第二方面，本发明实施例旨在提供一种机场飞机降落引导的数字孪生系统仿真装置，包括：
接收存储模块，接收来自物理终端的实时状态数据，对实时状态数据进行存储，形成状态模型库，所述实时状态数据至少包括飞行状态数据和环境状态数据；
数字模拟模块，根据状态模型库中存储的历史实时状态数据建立孪生拟态模型，所述孪生拟态模型用于表征飞行器在某一环境状态数据时的最佳飞行状态数据；
物理转换模块，读取实时状态数据，根据实时状态数据使用孪生拟态模型进行实时飞行模拟，生成飞行状态差集；
物理控制模块，根据飞行状态差集生成引导控制指令，将所述引导控制指令发送给飞行器。
作为本发明的进一步方案：所述数字模拟模块具体包括：
型号识别单元，用于读取实时状态数据中的飞行器型号数据；
数据获取单元，用于根据型号识别单元获取的飞行器型号数据访问状态模型库，获取相对应的状态模型库中所存储的历史实时状态数据；
模型模拟单元，根据历史环境状态数据获取相对应的历史飞行状态数据，判断历史飞行状态数据中的最佳飞行状态数据，根据最佳飞行状态数据建立与环境拟态模型相对应的飞行器拟态模型。
作为本发明的再进一步方案：所述模型模拟单元具体还包含：
物理引擎单元，用于模拟飞行器在同一环境状态数据下的不同飞行状态数据，判断所述环境状态数据下的最佳飞行状态数据。
与现有技术相比，本发明的有益效果是：
本发明提供了一种机场飞机降落引导的数字孪生系统仿真方法及装置，实现了如下功能：通过物理终端获取大量的物理世界飞行器的飞行相关数据，并根据这些数据在虚拟孪生系统中进行模拟，获得飞行器实现最安全飞行的控制调节方式，并通过获得的控制调节方式对飞行器进行飞行控制；相较于传统的人工控制方式，在恶劣环境时能够实现更加精准正确和快速的判断，避免操作失误对飞行器造成的损失，也有效的降低了安全事故发生的概率。
附图说明
图1为一种机场飞机降落引导的数字孪生系统仿真方法的实施环境图。
图2为一种机场飞机降落引导的数字孪生系统仿真方法的流程框图。
图3为一种机场飞机降落引导的数字孪生系统仿真方法中建立孪生拟态模型步骤的流程框图。
图4为一种机场飞机降落引导的数字孪生系统仿真方法中生成飞行状态差集步骤的流程框图。
图5为一种机场飞机降落引导的数字孪生系统仿真装置的结构框图。
图6为一种机场飞机降落引导的数字孪生系统仿真装置中数字模拟模块的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的具体实现方式进行详细描述。
如图1和图2所述，其中图1为一种机场飞机降落引导的数字孪生系统仿真方法的实施环境图，所述方法主要由两个大的环境构成，分别为真实的物理世界和虚拟的孪生系统，所述物理世界为真实存在的世界，通过采用大量的传感器对数据相关的数据进行采集收集，然后将采集到的相关数据传送到虚拟的孪生系统进行模拟运算，获得在该环境情况下飞行器的最佳飞行状态，然后根据该最佳飞行状态对飞行器进行调整，达到自动控制飞行器的目的，能够有效的起到保护飞行器和保障飞机降落安全的目的减少恶劣天气时飞机降落可能会对飞机产生的伤害这里的最佳飞行状态指的是飞机在该环境下安全飞行且能够减少环境对飞机产生破坏的状态，具体的如：可以对降落跑道的底面积水等情况进行评估，获取飞机能够完全减速时的最安全减速方案，对降落时机身周边环境的气流进行监测评估，防止在降落时因气流扰乱导致降落架或是机翼与地面摩擦的1情况产生等，图2为本发明一个实施例提供的一种机场飞机降落引导的数字孪生系统仿真方法的流程框图，包括以下步骤：
S200，接收来自物理终端的实时状态数据，对实时状态数据进行存储，形成状态模型库，所述实时状态数据至少包括飞行状态数据和环境状态数据。
本发明实施例中，在这里物理终端是一类设备的总称，是由分别设置在地面和飞行器上的众多传感器和信号发射设备组成的，其中设置在地面的传感器主要设置在飞机降落跑道上以及跑道周边，分别用以对飞机降落跑道的底面积水积雪等影响到飞机降落时的安全减速相关的参数和飞机降落跑道附近的气流流速等影响到飞机降落时的飞行姿态的参数进行实时监测和采集；设置在飞行器上的传感器主要包括设置在飞行器外部对飞行器周边环境进行检测的传感器，以上所采集数据均为环境状态数据，设置在飞行器上的传感器还包括设置在飞行器内部对飞行器飞行姿态及飞行器关键部分结构进行安全监测的结构。
S400，根据状态模型库中存储的历史实时状态数据建立孪生拟态模型，所述孪生拟态模型用于表征飞行器在某一环境状态数据时的最佳飞行状态数据。
本发明实施例中，所实现的功能为根据历史进行的上一步骤中存储的历史实时状态数据进行处理，生成孪生拟态模型，并通过状态模型库中的大量数据对模型进行有效化处理并训练完善，这里的有效化处理指的是对不能为我们的发明有益效果带来参考的无意义数据。
S600，读取实时状态数据，根据实时状态数据使用孪生拟态模型进行实时飞行模拟，生成飞行状态差集。
本发明实施例中，通过将实时读取的状态数据带入到孪生拟态模型中进行模拟，获得飞行状态差集，飞行状态差集是一个调节量，是飞行器当前的飞行状态数据与最佳飞行状态数据的差集。
S800，根据飞行状态差集生成引导控制指令，将所述引导控制指令发送给飞行器。
本发明实施例中，根据飞行状态差集通过演算获得飞行器的控制调节方式，飞行器通过按照该控制调节方式调节便能够达到最佳飞行状态。
作为本发明一个优选的实施例，所述飞行状态数据用于表征飞行器的飞行姿态信息和飞行器的健康状况信息，所述环境状态数据包括用于表征飞行器所处环境的飞行环境信息和处于地面的跑道环境信息，所述环境状态数据至少包含气流状态信息、温湿度信息和积水状态信息。
本发明实施例中，主要对物理终端采集的相关数据进行了更为详细的说明与限定，这部分的内容与在对S200进行说明时的内容基本一致。
作为本发明另一个优选的实施例，所述飞行状态数据还包括飞行器型号数据，根据不同飞行器型号设有相对应的状态模型库，所述接收来自物理终端的实时状态数据，对实时状态数据进行存储，形成状态模型库的步骤，具体包括：
接收来自物理终端的实时状态数据，并读取实时状态数据中的飞行器型号数据。
根据飞行器型号数据将实时状态数据存储在相对应的状态模型库中。
本发明实施例中，对步骤S200进行了更为详细的步骤说明，在物理终端所采集的飞行状态数据中包括飞行器型号数据，对于采集到的所有数据，均会根据飞行器型号数据中的飞行器型号的不同进行分类存储，分类存储是因为不同种类与型号的飞行器在相同的环境中进行相同的操作时，都会产生不同的飞行调控效果，因此对于直接通过数字推出控制方法的方式，不能够跨越型号进行参考，这与人工操作时的操作经验共享是不同的，是与人工操作的一大区别。
作为本发明另一个优选的实施例，所述实时状态数据包括飞行状态数据和环境状态数据，所述孪生拟态模型包括：
所述环境拟态模型用于模拟通过物理终端获取的环境状态数据。
所述飞行器拟态模型用于模拟所述飞行器在环境拟态模型中的最佳飞行状态。
本发明实施例中，对孪生拟态模型所包含的内容进行了详细划分，孪生拟态模型中的数据内容与物理世界是一一对应的，我们建立孪生拟态模型的目的是为了能够将显示中正在发生的时间通过数据带入到虚拟的孪生系统中进行模拟达到最佳预想效果所要进行的操作，因此各项对应关系都是十分重要的，其中孪生拟态模型分别包括用于模拟现实环境的环境拟态模型和用以模拟现实飞行器状态的飞行器拟态模型。
如图3所示，作为本发明另一个优选的实施例，提供了根据状态模型库中存储的历史实时状态数据建立孪生拟态模型步骤的具体进行步骤：
S401，读取实时状态数据中的飞行器型号数据。
S402，根据飞行器型号访问状态模型库，获取相对应的状态模型库中所存储的历史实时状态数据。
S403，读取历史实时状态数据中的历史环境状态数据，根据历史环境状态数据建立环境拟态模型。
S404，根据历史环境状态数据获取相对应的历史飞行状态数据，判断历史飞行状态数据中的最佳飞行状态数据，根据最佳飞行状态数据建立与环境拟态模型相对应的飞行器拟态模型。
本发明实施例中，具体的描述了建立孪生拟态模型的步骤，通过对历史飞行状态数据的处理分析，根据历史环境状态数据建立环境拟态模型，然后根据历史飞行状态数据进行处理建立最佳飞行状态数据，最终通过历史中众多的数据建立处孪生拟态模型，这个模型的作用类似于孪生系统对飞行器控制的操作手册，能够告诉孪生系统在何种环境状态下如何最佳的控制飞行器。
作为本发明另一个优选的实施例，所述孪生拟态模型还包括物理引擎模型，所述物理引擎模型用于模拟飞行器在同一环境状态数据下的不同飞行状态数据，判断所述环境状态数据下的最佳飞行状态数据。
本发明实施例中，指出了新的概念：物理引擎模型，该模型的作用是结合各项飞行状态数据对飞行器的健康情况进行判断，该物理引擎模型是判断飞行器最佳飞行姿态的主要数据依据。
如图4所示，作为本发明另一个优选的实施例，所述读取实时状态数据，根据实时状态数据使用孪生拟态模型进行实时飞行模拟，生成飞行状态差集的步骤，具体包括：
S601，读取实时状态数据中的环境状态数据。
S602，根据所述环境状态数据在孪生拟态模型中进行实时飞行模拟，获取最佳飞行状态数据。
S603，读取实时状态数据中的飞行状态数据。
S604，根据飞行状态数据与最佳飞行状态数据运算生成飞行状态差集。
本发明实施例所描述的是飞行状态差集的生成过程，也就是将物理世界中的实时状况通过数据带入到孪生系统中模拟产生预期最佳飞行状态数据，然后根据最佳飞行状态数据生成物理世界中飞行器飞行状态与最佳飞行状态数据的差值，该差值最终会转换为飞行器的控制方式。
如图5所示，本发明还提供了一种机场飞机降落引导的数字孪生系统仿真装置，其包含：
S100，接收存储模块，接收来自物理终端的实时状态数据，对实时状态数据进行存储，形成状态模型库，所述实时状态数据至少包括飞行状态数据和环境状态数据。
S300，数字模拟模块，根据状态模型库中存储的历史实时状态数据建立孪生拟态模型，所述孪生拟态模型用于表征飞行器在某一环境状态数据时的最佳飞行状态数据。
S500，物理转换模块，读取实时状态数据，根据实时状态数据使用孪生拟态模型进行实时飞行模拟，生成飞行状态差集。
S700，物理控制模块，根据飞行状态差集生成引导控制指令，将所述引导控制指令发送给飞行器。
如图6所示，作为本发明另一个优选的实施例，所述数字模拟模块具体包括：
S301，型号识别单元，用于读取实时状态数据中的飞行器型号数据。
S302，数据获取单元，用于根据型号识别单元获取的飞行器型号数据访问状态模型库，获取相对应的状态模型库中所存储的历史实时状态数据。
S303，模型模拟单元，根据历史环境状态数据获取相对应的历史飞行状态数据，判断历史飞行状态数据中的最佳飞行状态数据，根据最佳飞行状态数据建立与环境拟态模型相对应的飞行器拟态模型。
如图6所示，作为本发明另一个优选的实施例，所述模型模拟单元具体还包含：
S304，物理引擎单元，用于模拟飞行器在同一环境状态数据下的不同飞行状态数据，判断所述环境状态数据下的最佳飞行状态数据。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
本领域技术人员在考虑说明书及实施例处的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (5)
1.一种机场飞机降落引导的数字孪生系统仿真方法，其特征在于，包含以下步骤：
接收来自物理终端的实时状态数据，对实时状态数据进行存储，形成状态模型库，所述实时状态数据至少包括飞行状态数据和环境状态数据；
根据状态模型库中存储的历史实时状态数据建立孪生拟态模型，所述孪生拟态模型用于表征飞行器在某一环境状态数据时的最佳飞行状态数据；
读取实时状态数据，根据实时状态数据使用孪生拟态模型进行实时飞行模拟，生成飞行状态差集；
根据飞行状态差集生成引导控制指令，将所述引导控制指令发送给飞行器；
所述飞行状态数据用于表征飞行器的飞行姿态信息和飞行器的健康状况信息，所述环境状态数据包括用于表征飞行器所处环境的飞行环境信息和处于地面的跑道环境信息，所述飞行环境信息和跑道环境信息至少包含气流状态信息、温湿度信息和积水状态信息；
所述飞行状态数据还包括飞行器型号数据，根据不同飞行器型号设有相对应的状态模型库，所述接收来自物理终端的实时状态数据，对实时状态数据进行存储，形成状态模型库的步骤，具体包括：
接收来自物理终端的实时状态数据，并读取实时状态数据中的飞行器型号数据；
根据飞行器型号数据将实时状态数据存储在相对应的状态模型库中；
所述孪生拟态模型包括：
环境拟态模型，用于模拟通过物理终端获取的环境状态数据；
飞行器拟态模型，用于模拟所述飞行器在环境拟态模型中的最佳飞行状态。
2.根据权利要求1所述的一种机场飞机降落引导的数字孪生系统仿真方法，其特征在于，根据状态模型库中存储的历史实时状态数据建立孪生拟态模型的步骤具体包括：
读取实时状态数据中的飞行器型号数据；
根据飞行器型号访问状态模型库，获取相对应的状态模型库中所存储的历史实时状态数据；
读取历史实时状态数据中的历史环境状态数据，根据历史环境状态数据建立环境拟态模型；
根据历史环境状态数据获取相对应的历史飞行状态数据，判断历史飞行状态数据中的最佳飞行状态数据，根据最佳飞行状态数据建立与环境拟态模型相对应的飞行器拟态模型。
3.根据权利要求2所述的一种机场飞机降落引导的数字孪生系统仿真方法，其特征在于，所述孪生拟态模型还包括物理引擎模型，所述物理引擎模型用于模拟飞行器在同一环境状态数据下的不同飞行状态数据，判断所述环境状态数据下的最佳飞行状态数据。
4.根据权利要求1所述的一种机场飞机降落引导的数字孪生系统仿真方法，其特征在于，所述读取实时状态数据，根据实时状态数据使用孪生拟态模型进行实时飞行模拟，生成飞行状态差集的步骤，具体包括：
读取实时状态数据中的环境状态数据；
根据所述环境状态数据在孪生拟态模型中进行实时飞行模拟，获取最佳飞行状态数据；
读取实时状态数据中的飞行状态数据；
根据飞行状态数据与最佳飞行状态数据运算生成飞行状态差集。
5.一种机场飞机降落引导的数字孪生系统仿真装置，其特征在于，包括：
接收存储模块，用于接收来自物理终端的实时状态数据，对实时状态数据进行存储，形成状态模型库，所述实时状态数据至少包括飞行状态数据和环境状态数据；
数字模拟模块，用于根据状态模型库中存储的历史实时状态数据建立孪生拟态模型，所述孪生拟态模型用于表征飞行器在某一环境状态数据时的最佳飞行状态数据；
物理转换模块，用于读取实时状态数据，根据实时状态数据使用孪生拟态模型进行实时飞行模拟，生成飞行状态差集；
物理控制模块，用于根据飞行状态差集生成引导控制指令，将所述引导控制指令发送给飞行器；
所述数字模拟模块具体包括：
型号识别单元，用于读取实时状态数据中的飞行器型号数据；
数据获取单元，用于根据型号识别单元获取的飞行器型号数据访问状态模型库，获取相对应的状态模型库中所存储的历史实时状态数据；
模型模拟单元，用于根据历史环境状态数据获取相对应的历史飞行状态数据，判断历史飞行状态数据中的最佳飞行状态数据，根据最佳飞行状态数据建立与环境拟态模型相对应的飞行器拟态模型；
所述模型模拟单元具体还包含：
物理引擎单元，用于模拟飞行器在同一环境状态数据下的不同飞行状态数据，判断所述环境状态数据下的最佳飞行状态数据；
所述孪生拟态模型包括：
环境拟态模型，用于模拟通过物理终端获取的环境状态数据；
飞行器拟态模型，用于模拟所述飞行器在环境拟态模型中的最佳飞行状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110642958.0A CN113468724B (zh) | 2021-06-09 | 2021-06-09 | 一种机场飞机降落引导的数字孪生系统仿真方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110642958.0A CN113468724B (zh) | 2021-06-09 | 2021-06-09 | 一种机场飞机降落引导的数字孪生系统仿真方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113468724A CN113468724A (zh) | 2021-10-01 |
| CN113468724B true CN113468724B (zh) | 2023-01-17 |
Family
ID=77869470
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110642958.0A Active CN113468724B (zh) | 2021-06-09 | 2021-06-09 | 一种机场飞机降落引导的数字孪生系统仿真方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113468724B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114595518B (zh) * | 2022-03-09 | 2022-09-27 | 中国民航大学 | 一种基于数字孪生的商业航天飞行与民航运行协作系统 |
| CN114861472B (zh) * | 2022-07-07 | 2022-10-18 | 安胜（天津）飞行模拟系统有限公司 | 一种eVTOL飞机垂直起降场自动化运行模拟仿真方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102120493A (zh) * | 2010-01-08 | 2011-07-13 | 徐清华 | 机车、有轨机动车辅助飞机起降及飞行之外运行的方法及结构 |
| CN110789723A (zh) * | 2018-08-01 | 2020-02-14 | 通用电气公司 | 智能任务热管理系统 |
| CN111737811A (zh) * | 2020-05-09 | 2020-10-02 | 北京航空航天大学 | 基于数字孪生的直升机动部件寿命管理方法、设备、介质 |
| CN111881515A (zh) * | 2020-07-17 | 2020-11-03 | 华中科技大学 | 一种基于孪生数据驱动的无人艇实时速度测量方法及系统 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104133378B (zh) * | 2014-08-05 | 2017-01-25 | 中国民用航空总局第二研究所 | 一种机场活动区监控引导系统的实时仿真平台 |
| RU2019129830A (ru) * | 2017-06-15 | 2021-07-15 | Аурора Флайт Сайенсиз Корпорейшн | Автономные системы и способы обеспечения работоспособности летательного аппарата |
| AU2019100363A4 (en) * | 2019-04-05 | 2019-05-09 | Gao, Guohong Mr | Unmanned Aerial Vehicle And Its Program Control Device Unmanned Aerial Vehicle And Its Program Control Device |
| CN109933035A (zh) * | 2019-04-24 | 2019-06-25 | 中国科学院重庆绿色智能技术研究院 | 一种基于数字孪生的生产线控制系统、方法及生产系统 |
| CN112136092A (zh) * | 2019-08-29 | 2020-12-25 | 深圳市大疆创新科技有限公司 | 一种飞行控制方法、设备及飞行器 |
| CN111046597B (zh) * | 2020-01-20 | 2023-07-21 | 兰州理工大学 | 基于数字孪生三维模型3d打印机建模方法及模型系统 |
| CN112114668B (zh) * | 2020-09-02 | 2024-04-19 | 北京捷安申谋科技有限公司 | 基于数字孪生的ar单兵伴随侦察无人机系统及其侦察方法 |
| CN112859739B (zh) * | 2021-01-15 | 2022-07-01 | 天津商业大学 | 一种数字孪生驱动的多轴数控机床轮廓误差抑制方法 |
-
2021
- 2021-06-09 CN CN202110642958.0A patent/CN113468724B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102120493A (zh) * | 2010-01-08 | 2011-07-13 | 徐清华 | 机车、有轨机动车辅助飞机起降及飞行之外运行的方法及结构 |
| CN110789723A (zh) * | 2018-08-01 | 2020-02-14 | 通用电气公司 | 智能任务热管理系统 |
| CN111737811A (zh) * | 2020-05-09 | 2020-10-02 | 北京航空航天大学 | 基于数字孪生的直升机动部件寿命管理方法、设备、介质 |
| CN111881515A (zh) * | 2020-07-17 | 2020-11-03 | 华中科技大学 | 一种基于孪生数据驱动的无人艇实时速度测量方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113468724A (zh) | 2021-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113468724B (zh) | 一种机场飞机降落引导的数字孪生系统仿真方法及装置 | |
| US10041809B2 (en) | Aircraft intent processor | |
| CN114373360B (zh) | 飞行模拟器智能训练系统、方法及装置 | |
| CN103617324B (zh) | 基于FlightGear仿真软件的飞行仿真记录分析系统 | |
| CN111461292B (zh) | 一种无人机实时轨迹预测方法 | |
| CN108693889A (zh) | 经由基于模型的迭代优化而实现的飞行管理 | |
| CN109191921B (zh) | 一种基于4d轨迹预测的空管监视数据仿真方法 | |
| CN112783195B (zh) | 多无人机的巡检路线规划方法、装置和计算机设备 | |
| CN105531748A (zh) | 降落判断辅助系统、降落判断辅助方法以及降落判断辅助程序 | |
| TWI794516B (zh) | 透過空中交通管理電子系統的用於空中管理的訓練和/或輔助平台及方法 | |
| CN113486602B (zh) | 机场飞机跑道管理数字孪生系统仿真方法、系统及装置 | |
| Kochenderfer et al. | A comprehensive aircraft encounter model of the national airspace system | |
| Gillet et al. | Enhancement in realism of ATC simulations by improving aircraft behaviour models | |
| TW202001559A (zh) | 空中交通管制電子控制系統的測試方法、電子測試設備及測試平台 | |
| Conte et al. | A data-driven learning method for online prediction of drone battery discharge | |
| US10935938B1 (en) | Learning from operator data for practical autonomy | |
| Roychoudhury et al. | Initial demonstration of the real-time safety monitoring framework for the national airspace system using flight data | |
| CN113391649A (zh) | 无人机显控一体方法和系统、装置及计算机可读储存介质 | |
| CN116880573B (zh) | 载弹无人机与探测无人机的协同控制方法及系统 | |
| Leško et al. | Flight phase classification for small unmanned aerial vehicles | |
| CN112330982A (zh) | 一种应用于终端区的中期冲突预警方法、设备、存储介质 | |
| CN115947239B (zh) | 异常预警与应急处理方法、装置及建筑机器人 | |
| Xu et al. | Aircraft Trajectory Prediction Using Social LSTM Neural Network | |
| CN117311396B (zh) | 飞行监控方法、装置、设备及介质 | |
| Hryshchenko et al. | Analysis of Approach Attitude for the Evaluation of the Quality of Pilot Training |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231123 Address after: AVIC Science Park, No. 9, Guangxuan Road, Dongli District, Tianjin 300300 Patentee after: Tianjin Hangda Data Co.,Ltd. Address before: 300300 Binhai International Airport, Dongli District, Tianjin Patentee before: CIVIL AVIATION University OF CHINA |