CN113777623A - 一种飞机尾流威胁区域预测告警方法 - Google Patents
一种飞机尾流威胁区域预测告警方法 Download PDFInfo
- Publication number
- CN113777623A CN113777623A CN202111334716.1A CN202111334716A CN113777623A CN 113777623 A CN113777623 A CN 113777623A CN 202111334716 A CN202111334716 A CN 202111334716A CN 113777623 A CN113777623 A CN 113777623A
- Authority
- CN
- China
- Prior art keywords
- airplane
- wake
- vortex
- prediction model
- wind component
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
- G01M9/08—Aerodynamic models
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Fluid Mechanics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种飞机尾流威胁区域预测告警方法,通过在机场布置两部激光雷达,第一激光雷达布置到跑道一侧用于测量下滑道风场,作为飞机尾涡强度环量预测模型以及尾涡涡核运动轨迹预测模型的重要输入参数,第二激光雷达布置在跑道外、下滑道下方,获取飞机飞过第二激光雷达与下滑道交点时的实际尾涡强度环量以及实际尾涡涡核位置,用以对预测模型进行校准,从而准确预测出尾涡的消散和运动情况,识别潜在的尾涡遭遇风险,并在空管自动化系统上进行提醒和显示,以便管制员能尽早采取应对措施,化解空中交通安全隐患、确保飞行安全。
Description
技术领域
本发明涉及民航雷达安全管理领域,尤其涉及一种飞机尾流威胁区域预测告警方法。
背景技术
尾流是飞机在产生升力时的伴随物,是后机飞行安全的重要威胁之一。当后机进入前机所形成的尾涡流场时,在诱导下洗速度作用下,可能会发生倾斜、滚转、失速、急剧俯仰等影响飞行安全的危险情况。随着空中交通运输量的持续快速增长、以及通信、导航、监视技术与性能的提升,空中交通管制间隔不断缩减、终端管制空域的空中交通密度日益提高,由此带来的尾流遭遇风险和安全管控压力也越来越大。
我国民航空中交通管理部门所适用的空中交通自动化管理系统主要包括法国泰蕾兹集团的“EURO-CAT”、西班牙INDRA公司的“INDRA自动化系统”、南京莱斯集团的“牧羊人—2000”等。上述产品有的不提供尾流告警,有的只提供的简单的尾流间隔告警,即当前后飞机的实际间距接近或小于尾流间隔标准时提供告警。这类告警目前都是按照固定的尾流间隔值来提供的,不能考虑尾流的实际危害区域和程度。在实际运行中,由于侧风、湍流、温度、地面效应和大气层结特性等的作用,以及飞机在型号、重量、翼展、飞行速度、稳定性、操纵性、定位容差等方面的差异,使得在大部分飞行条件下的尾涡真实滞空时间和影响范围与尾流间隔标准存在较大差异性,现行间隔标准无法准确反映飞机尾流的真实强度和消散影响。同时,在气象条件满足要求时,空管部门会授权飞行员采用目视前机的方式来缩小前后机间距,提高空中交通通行能力。此时前后机的间距通常会小于当前公布的尾流间隔标准,由此带来的尾流遭遇风险也大幅度增加。
发明内容
本发明所要解决的技术问题是克服现有技术中存在的不足,提供一种飞机尾流威胁区域预测告警方法。
本发明是通过以下技术方案予以实现:
一种飞机尾流威胁区域预测告警方法,其特征在于,包括如下步骤:
S1.在跑道一侧、下滑道下方分别设置第一激光雷达和第二激光雷达;
S2.所述第一激光雷达沿着下滑道方向通过左右扫射形成多条激光光束A,各所述激光光束A形成第一光束面,所述第一光束面与下滑道平行设置,获得每条激光光束A中各距离门上的径向风速值Vp;
S3.通过所述径向风速值Vp计算下滑道上相应距离门处的顺顶风分量和侧风分量;
S4.飞机飞行参数的接收与处理,所述飞行参数包括航班号、机型、时刻、经度、纬度、高度、速度矢量、加速度矢量、飞机真空速以及飞机重量;
S5.通过所述速度矢量、飞机真空速、飞机重量和侧风分量,建立飞机尾涡强度环量预测模型以及尾涡涡核运动轨迹预测模型;
S6.所述第二激光雷达采用垂直扫描方式形成多条激光光束B,各所述激光光束B形成第二光束面,所述第二光束面与跑道垂直,获得每条激光光束B中各距离门上的径向风速值Vp ,;
S7.结合所述径向风速值Vp ,,反演出飞机飞过激光光束B与下滑道交点时的实际尾涡强度环量以及实际尾涡涡核位置;
S8.根据所述实际尾涡强度环量以及实际尾涡涡核位置,修正所述飞机尾涡强度环量预测模型以及尾涡涡核运动轨迹预测模型;
S9.针对下滑道上的飞机,通过遍历搜索出前后飞机组合,根据修正后的所述飞机尾涡强度环量预测模型以及尾涡涡核运动轨迹预测模型,对各所述前后飞机组合进行预警。
根据上述技术方案,优选地,步骤S3包括:
获取左右临近激光光束A相同距离门上的径向风速值Vp1和Vp2;
建立东西风分量Vx、南北风分量Vy与径向风速的方程组,求取东西风分量Vx、南北风分量Vy;
建立东西风分量Vx、南北风分量Vy与下滑道上的顺顶风分量、侧风分量的方程组,求取下滑道上相应距离门处的顺顶风分量和侧风分量。
根据上述技术方案,优选地,步骤S4包括:
弥补丢失的位置数据;
根据前后时刻的位置数据,计算出速度矢量,并结合下滑道上相应距离门处的顺顶风分量和侧风分量,求取飞机真空速。
根据上述技术方案,优选地,步骤S5包括:
根据上述技术方案,优选地,步骤S7包括:
仿真涡核不同区域的速度谱特征,建立涡核侧向不同位置的径向速度谱特征数据库;
提取刚飞越过所述第二激光雷达的飞机的回传参数,得到尾涡初始范围;
根据每条激光光束B中各距离门上的径向风速值Vp ,,构建激光光束B中各距离门上的速度谱;
从所述径向速度谱特征数据库中提取不少于3条最接近的速度谱,并提取最接近的速度谱对应的尾涡位置数据,经过加权后得到所述实际尾涡涡核位置;
根据所述实际尾涡涡核位置通过积分计算所述实际尾涡强度环量。
根据上述技术方案,优选地,步骤S9包括:
根据所述飞机尾涡强度环量预测模型计算后机遭遇尾涡后的响应参数,所述响应参数包括最大坡度角、最大高度损失、最大垂直速度、最大真空速变化、最大载荷因子;
根据所述尾涡涡核运动轨迹预测模型以及后机可接受尾涡诱导力矩系数,划定出前后飞机组合的所述尾涡危害区域边界;
确定预警等级。
本发明的有益效果是:
本发明通过激光雷达对机场下滑道上风场的探测,实现对飞机尾涡运动和强度消散的准确建模,有助于科学、合理地确定尾涡危害区域边界,有助于空中交通管制员能更好地识别潜在的尾涡遭遇风险,以便管制员能尽早采取应对措施,化解空中交通安全隐患、确保飞行安全。
附图说明
图1是本发明的方法流程示意图。
图2是第一激光雷达、第二激光雷达布设位置的俯视结构示意图。
图3是以径向风速值Vp1为例,径向风速值Vp1与东西风分量Vx、南北风分量Vy的关系图。
图4是下滑道扫描方式下,东西风分量Vx、南北风分量Vy、顺顶风分量Va、侧风分量Vb之间对应关系图。
图5是步骤S7中,实际尾涡强度环量以及实际尾涡涡核位置的反演流程示意图。
具体实施方式
为了使本技术领域的技术人员更好地理解本发明的技术方案,下面结合附图和最佳实施例对本发明作进一步的详细说明。基于发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于发明保护的范围。
在发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“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,仅是为了便于描述发明和简化描述,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,因此不能理解为对发明的限制。
如图1所示,本发明包括如下步骤:
S1.在跑道一侧、下滑道下方分别设置第一激光雷达和第二激光雷达,本例中第一激光雷达和第二激光雷达距离门的间距不超过15米,布置在跑道一侧的第一激光雷达径向视程不少于15公里,其中图2显示了第一激光雷达、第二激光雷达的优选设置位置,如图2所示,第一光束面与下滑道平行设置,第二光束面与跑道相互垂直;
S2.所述第一激光雷达沿着下滑道方向通过左右扫射形成多条激光光束A,各激光光束A形成第一光束面,第一光束面与下滑道平行设置,获得每条激光光束A中各距离门上的径向风速值Vp;
S3.通过所述径向风速值Vp获得下滑道上相应距离门处的顺顶风分量和侧风分量;
S4.飞机飞行参数的接收与处理,所述飞行参数包括航班号、机型、时刻、经度、纬度、高度、速度矢量、加速度矢量、飞机真空速以及飞机重量;
S5.通过所述速度矢量、飞机真空速、飞机重量和侧风分量,建立飞机尾涡强度环量预测模型以及尾涡涡核运动轨迹预测模型;
S6.所述第二激光雷达采用垂直扫描方式形成多条激光光束B,各激光光束B形成第二光束面,第二光束面与跑道垂直,获得每条激光光束B中各距离门上的径向风速值Vp ,;
S7.根据所述径向风速值Vp ,反演出飞机飞过激光光束B与下滑道交点时的实际尾涡强度环量以及实际尾涡涡核位置;
S8.根据所述实际尾涡强度环量以及实际尾涡涡核位置,修正所述飞机尾涡强度环量预测模型以及尾涡涡核运动轨迹预测模型;
S9.针对下滑道上的飞机,通过遍历搜索出前后飞机组合,根据修正后的飞机尾涡强度环量预测模型以及尾涡涡核运动轨迹预测模型,对各所述前后飞机组合进行预警。
根据上述实施例,优选地,每条光束上的每个距离门,均可以测得一个径向风速值,每一个径向风速值包括东西风分量和南北风分量,由于通过一个径向风速值不能求出两个未知数,但其临近光束、同距离门上的东西风分量和南北风分量相同,因此,当已知特定光束上、特定距离门的径向风速值Vp,需要获取此特定光束上、特定距离门处的顺顶风分量和侧风分量时,使用的步骤S3具体包括:
S31.获取径向风速值Vp所在的激光光束A的左右临近激光光束A在相同距离门上的径向风速值Vp1和Vp2;
S32.建立东西风分量Vx、南北风分量Vy与径向风速值Vp1和Vp2的方程组,图3是以径向风速值Vp1为例,径向风速值Vp1与东西风分量Vx、南北风分量Vy的关系图,建立的方程组为:
其中,Vp1和Vp2为左右临近激光光束A在特定距离门上所测到的径向风速值,μ1为径向风速值Vp所在的激光光束A的左方临近激光光束A与正北方向的夹角,μ2为径向风速值Vp所在的激光光束A的右方临近激光光束A与正北方向的夹角,进而求取东西风分量Vx、南北风分量Vy;
S33.求得东西风分量Vx、南北风分量Vy后,根据图4中东西风分量Vx、南北风分量Vy、顺顶风分量Va、侧风分量Vb之间对应关系图,建立东西风分量Vx、南北风分量Vy与下滑道上的顺顶风分量Va、侧风分量Vb的方程组,即:
其中,β为下滑道与正北方向夹角,进而求取下滑道上相应距离门处的顺顶风分量Va和侧风分量Vb。
根据上述实施例,优选地,现有技术中,可通过ACARS、ADS-B或二次雷达,获取飞机的航班号、机型、表速、马赫数、经纬度、气压高度等基本参数。但是由于ADS-B数据步长小但参数少、ACARS数据的步长大但参数多,本例中步骤S4通过如下方式对飞机飞行参数进行接收与处理:
S41.弥补丢失的位置数据:ADS-B接收的位置数据包括航班号、时刻、经度、纬度、高度,这些参数的刷新率在1秒左右,如果在某一时刻出现丢失,则根据之前三秒的位置首先估算出飞机速度矢量、加速度矢量,然后再推算出当前时刻的位置数据;
S42.根据前后时刻的ADS-B位置数据,计算出速度矢量,并结合下滑道上相应距离门处的顺顶风分量和侧风分量,求取飞机真空速;
S43.根据飞机高度信息来确定飞行状态(平飞、爬升、下降),然后针对不同机型估算出在上述飞行状态下的燃油消耗率,从而实现重量的递减推算,得出飞机重量的参数。
根据上述实施例,优选地,步骤S5包括:
S51.根据计算尾涡初始强度环量,其中m为飞机重量,ny为飞机法向过载,可根据接收的经度、纬度、高度、加速度矢量计算飞机法向过载,ρ为空气密度,V为飞机真空速,B为翼展,s为翼型参数,取值为0.25π;
根据上述实施例,优选地,如图5所示,在步骤S7中,将第二激光雷达布置在跑道外,当飞机飞过激光光束B与下滑道交点时,第二激光雷达启动垂直扫描,通过激光头的上下转动得到不同激光光束B、各个距离门位置处的径向风速大小,然后建立尾涡特性参数反演模型,根据每条激光光束B、各个距离门上的风速大小,反演出实际尾涡涡核位置以及实际尾涡强度环量。具体地,步骤S7包括:
S71.仿真涡核不同区域的速度谱特征:根据左右涡的位置、强度,使用B-H模型计算出各点诱导速度,然后根据激光雷达光束扫描角、距离门位置,得到对应的径向速度,之后对同一距离门、不同光束扫描角的径向速度进行汇总,即可得到速度谱;
S72.建立涡核侧向不同位置的径向速度谱特征数据库:改变距离门的位置,可以得到在尾涡涡核的左右不同区域的速度谱特征,将其存入径向速度谱数据库中。为确保后续运算精度,距离门的间距取1米,从左涡左侧-20米~右涡右侧20米,左右尾涡的间距取30米。因此一共可以得到70条;之后考虑左右涡的高度差,从-5米~5米,步长取1米;然后考虑左右尾涡的环量差,从-20%到+20%,步长取1%;这样一共可以得到70条*10个*40个=28000条速度谱。考虑到数据量和检索便利,将其存入excel文件中;
S73.提取刚飞越过所述第二激光雷达的飞机的飞行参数,其中回传参数包括航班号、机型、飞行速度、飞机重量信息,然后以飞机位置为中心,上下和左右各取1倍翼展,得到尾涡初始范围;
S74.根据每条激光光束B中各距离门上的径向风速值Vp ,,构建激光光束B中各距离门上的速度谱;
S75.然后按照最小二乘法,以偏差最小的方式从所述径向速度谱特征数据库中提取不少于3条最接近的速度谱,并提取最接近的速度谱对应的尾涡位置数据,经过加权后得到所述实际尾涡涡核位置;
S76.根据所述实际尾涡涡核位置通过积分计算所述实际尾涡强度环量:通过尾涡强度环量定义,以涡核为中心点,按照给定半径取一个圆环来进行积分,得到环量大小。为确保计算精度,选取计算半径为3-18米,步长为0.5米的多个圆环(共计30个),针对每个圆环分别按照速度来积分计算出环量,然后对30个环量取平均,即可得到实际尾涡强度环量。
根据上述实施例,优选地,步骤S9包括:
S91.通过遍历搜索出位于下滑道上所有飞机的前后飞机组合;
S92.根据所述飞机尾涡强度环量预测模型计算后机遭遇尾涡后的响应参数,所述响应参数包括最大坡度角、最大高度损失、最大垂直速度、最大真空速变化、最大载荷因子;
S93.根据所述尾涡涡核运动轨迹预测模型以及后机可接受尾涡诱导力矩系数,划定出前后飞机组合的所述尾涡危害区域边界;
S94.确定预警等级:假定前机产生的尾涡危害区域边界不动,后机按照任意速度方向飞行一段时间t后刚好碰到前机产生的尾涡危害区域边界,即按照需飞距离除以后机速度来计算需飞时间t(s);当t>60时,不显示告警信息;当30<t≤60时,显示四级响应,此时在雷达屏幕上用蓝色显示出前机尾流区域边界,然后用一条同颜色线连起来后机位置和区域边界点,线的方向为后机最快侵入编辑区域的方向;当15<t≤30时,显示三级响应,此时在雷达屏幕上用黄色显示出前机尾流区域边界,然后用一条同颜色线连起来后机位置和区域边界点,线的方向为后机最快侵入编辑区域的方向;当0<t≤15时,显示二级响应,此时在雷达屏幕上用橙色显示出前机尾流区域边界,然后用一条同颜色线连起来后机位置和区域边界点,线的方向为后机最快侵入编辑区域的方向;当t=0时,显示一级响应,此时在雷达屏幕上用红色显示出前机尾流区域边界。
本发明通过激光雷达对机场下滑道上风场的探测,实现对飞机尾涡运动和强度消散的准确建模,有助于科学、合理地确定尾涡危害区域边界,有助于空中交通管制员能更好地识别潜在的尾涡遭遇风险,以便管制员能尽早采取应对措施,化解空中交通安全隐患、确保飞行安全。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种飞机尾流威胁区域预测告警方法,其特征在于,包括如下步骤:
S1.在跑道一侧、下滑道下方分别设置第一激光雷达和第二激光雷达;
S2.所述第一激光雷达沿着下滑道方向通过左右扫射形成多条激光光束A,各所述激光光束A形成第一光束面,所述第一光束面与下滑道平行设置,获得每条激光光束A中各距离门上的径向风速值Vp;
S3.通过所述径向风速值Vp计算下滑道上相应距离门处的顺顶风分量和侧风分量;
S4.飞机飞行参数的接收与处理,所述飞行参数包括航班号、机型、时刻、经度、纬度、高度、速度矢量、加速度矢量、飞机真空速以及飞机重量;
S5.通过所述速度矢量、飞机真空速、飞机重量和侧风分量,建立飞机尾涡强度环量预测模型以及尾涡涡核运动轨迹预测模型;
S6.所述第二激光雷达采用垂直扫描方式形成多条激光光束B,各所述激光光束B形成第二光束面,所述第二光束面与跑道垂直,获得每条激光光束B中各距离门上的径向风速值Vp ,;
S7.结合所述径向风速值Vp ,,反演出飞机飞过激光光束B与下滑道交点时的实际尾涡强度环量以及实际尾涡涡核位置;
S8.根据所述实际尾涡强度环量以及实际尾涡涡核位置,修正所述飞机尾涡强度环量预测模型以及尾涡涡核运动轨迹预测模型;
S9.针对下滑道上的飞机,通过遍历搜索出前后飞机组合,根据修正后的所述飞机尾涡强度环量预测模型以及尾涡涡核运动轨迹预测模型,对各所述前后飞机组合进行预警。
2.根据权利要求1所述一种飞机尾流威胁区域预测告警方法,其特征在于,步骤S3包括:
获取左右临近激光光束A相同距离门上的径向风速值Vp1和Vp2;
建立东西风分量Vx、南北风分量Vy与径向风速的方程组,求取东西风分量Vx、南北风分量Vy;
建立东西风分量Vx、南北风分量Vy与下滑道上的顺顶风分量、侧风分量的方程组,求取下滑道上相应距离门处的顺顶风分量和侧风分量。
3.根据权利要求1所述一种飞机尾流威胁区域预测告警方法,其特征在于,步骤S4包括:
弥补丢失的位置数据;
根据前后时刻的位置数据,计算出速度矢量,并结合下滑道上相应距离门处的顺顶风分量和侧风分量,求取飞机真空速。
5.根据权利要求1至4中任意一项的所述一种飞机尾流威胁区域预测告警方法,其特征在于,步骤S7包括:
仿真涡核不同区域的速度谱特征,建立涡核侧向不同位置的径向速度谱特征数据库;
提取刚飞越过所述第二激光雷达的飞机的回传参数,得到尾涡初始范围;
根据每条激光光束B中各距离门上的径向风速值Vp ,,构建激光光束B中各距离门上的速度谱;
从所述径向速度谱特征数据库中提取不少于3条最接近的速度谱,并提取最接近的速度谱对应的尾涡位置数据,经过加权后得到所述实际尾涡涡核位置;
根据所述实际尾涡涡核位置通过积分计算所述实际尾涡强度环量。
6.根据权利要求1所述一种飞机尾流威胁区域预测告警方法,其特征在于,步骤S9包括:
根据所述飞机尾涡强度环量预测模型计算后机遭遇尾涡后的响应参数,所述响应参数包括最大坡度角、最大高度损失、最大垂直速度、最大真空速变化、最大载荷因子;
根据所述尾涡涡核运动轨迹预测模型以及后机可接受尾涡诱导力矩系数,划定出前后飞机组合的所述尾涡危害区域边界;
确定预警等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111334716.1A CN113777623B (zh) | 2021-11-11 | 2021-11-11 | 一种飞机尾流威胁区域预测告警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111334716.1A CN113777623B (zh) | 2021-11-11 | 2021-11-11 | 一种飞机尾流威胁区域预测告警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113777623A true CN113777623A (zh) | 2021-12-10 |
CN113777623B CN113777623B (zh) | 2022-02-08 |
Family
ID=78873825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111334716.1A Active CN113777623B (zh) | 2021-11-11 | 2021-11-11 | 一种飞机尾流威胁区域预测告警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113777623B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114065407A (zh) * | 2022-01-18 | 2022-02-18 | 中国民航大学 | 一种基于机场风速多元感知的尾流间隔动态缩减方法 |
CN114880784A (zh) * | 2022-07-07 | 2022-08-09 | 中国民航大学 | 一种基于飞机尾涡扫描特性的涡核位置估算方法 |
CN115980788A (zh) * | 2023-03-17 | 2023-04-18 | 安徽科创中光科技股份有限公司 | 一种相干测风激光雷达的风场处理方法 |
CN116500580A (zh) * | 2023-06-28 | 2023-07-28 | 中国民航大学 | 一种基于多普勒雷达探测的涡核参数计算方法及系统 |
CN117521425A (zh) * | 2024-01-05 | 2024-02-06 | 中国民航大学 | 基于无人机与有人机混合运行的尾流间隔确定方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5724040A (en) * | 1995-06-23 | 1998-03-03 | Northrop Grumman Corporation | Aircraft wake vortex hazard warning apparatus |
WO2000071985A1 (en) * | 1999-05-14 | 2000-11-30 | Honeywell International Inc. | System and method for predicting and displaying wake vortex turbulence |
US20020024652A1 (en) * | 2000-08-31 | 2002-02-28 | Mitsubishi Denki Kabushiki Kaisha | Wake turbulence detecting system |
US20020075171A1 (en) * | 1999-01-21 | 2002-06-20 | Daryal Kuntman | System and method for predicting and displaying wake vortex turbulence |
WO2008002675A2 (en) * | 2006-06-29 | 2008-01-03 | Flight Safety Technologies, Inc. | Aircraft wake safety management system |
CN105005054A (zh) * | 2015-08-24 | 2015-10-28 | 中国科学技术大学 | 一种基于时分复用的非扫描连续光相干测速激光雷达 |
CN106680834A (zh) * | 2017-01-04 | 2017-05-17 | 江西省智成测控技术研究所有限责任公司 | 相干测风激光雷达中一种数据处理装置及方法 |
CN108052781A (zh) * | 2018-01-25 | 2018-05-18 | 中国民航大学 | 一种针对近地阶段飞机尾流的主动干预模拟实验方法 |
CN108387885A (zh) * | 2018-03-01 | 2018-08-10 | 中国人民解放军国防科技大学 | 基于激光雷达探测的晴空条件下飞机尾流特征参数反演方法 |
US10055998B1 (en) * | 2017-08-25 | 2018-08-21 | Airbus Operations (S.A.S.) | Ground-based identification of wake turbulence encounters |
CN108593145A (zh) * | 2018-05-24 | 2018-09-28 | 中国民航大学 | 标定观测角和光线照射角与热色液晶显色对应关系的装置 |
CN110186593A (zh) * | 2019-05-30 | 2019-08-30 | 中国民航大学 | 一种球型水循环加热的热色液晶标定装置 |
CN111679285A (zh) * | 2020-06-16 | 2020-09-18 | 青岛镭测创芯科技有限公司 | 一种飞机尾涡光学探测方法及装置 |
CN112949978A (zh) * | 2021-01-25 | 2021-06-11 | 中国民航大学 | 基于协同优化的应急备降场选择方法 |
-
2021
- 2021-11-11 CN CN202111334716.1A patent/CN113777623B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5724040A (en) * | 1995-06-23 | 1998-03-03 | Northrop Grumman Corporation | Aircraft wake vortex hazard warning apparatus |
US20020075171A1 (en) * | 1999-01-21 | 2002-06-20 | Daryal Kuntman | System and method for predicting and displaying wake vortex turbulence |
WO2000071985A1 (en) * | 1999-05-14 | 2000-11-30 | Honeywell International Inc. | System and method for predicting and displaying wake vortex turbulence |
US20020024652A1 (en) * | 2000-08-31 | 2002-02-28 | Mitsubishi Denki Kabushiki Kaisha | Wake turbulence detecting system |
WO2008002675A2 (en) * | 2006-06-29 | 2008-01-03 | Flight Safety Technologies, Inc. | Aircraft wake safety management system |
US20080030375A1 (en) * | 2006-06-29 | 2008-02-07 | Flight Safety Technologies, Inc. | Aircraft wake safety management system |
CN105005054A (zh) * | 2015-08-24 | 2015-10-28 | 中国科学技术大学 | 一种基于时分复用的非扫描连续光相干测速激光雷达 |
CN106680834A (zh) * | 2017-01-04 | 2017-05-17 | 江西省智成测控技术研究所有限责任公司 | 相干测风激光雷达中一种数据处理装置及方法 |
US10055998B1 (en) * | 2017-08-25 | 2018-08-21 | Airbus Operations (S.A.S.) | Ground-based identification of wake turbulence encounters |
CN108052781A (zh) * | 2018-01-25 | 2018-05-18 | 中国民航大学 | 一种针对近地阶段飞机尾流的主动干预模拟实验方法 |
CN108387885A (zh) * | 2018-03-01 | 2018-08-10 | 中国人民解放军国防科技大学 | 基于激光雷达探测的晴空条件下飞机尾流特征参数反演方法 |
CN108593145A (zh) * | 2018-05-24 | 2018-09-28 | 中国民航大学 | 标定观测角和光线照射角与热色液晶显色对应关系的装置 |
CN110186593A (zh) * | 2019-05-30 | 2019-08-30 | 中国民航大学 | 一种球型水循环加热的热色液晶标定装置 |
CN111679285A (zh) * | 2020-06-16 | 2020-09-18 | 青岛镭测创芯科技有限公司 | 一种飞机尾涡光学探测方法及装置 |
CN112949978A (zh) * | 2021-01-25 | 2021-06-11 | 中国民航大学 | 基于协同优化的应急备降场选择方法 |
Non-Patent Citations (2)
Title |
---|
JIE NIE ET.AL: "《Cross-Domain Recommendation via User-Clustering and Multidimensional Information Fusion》", 《JOURNAL OF LATEX CLASS FILES》 * |
陈娟 等: "《机载气象雷达发展趋势分析》", 《航空工程进展》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114065407A (zh) * | 2022-01-18 | 2022-02-18 | 中国民航大学 | 一种基于机场风速多元感知的尾流间隔动态缩减方法 |
CN114065407B (zh) * | 2022-01-18 | 2022-05-17 | 中国民航大学 | 一种基于机场风速多元感知的尾流间隔动态缩减方法 |
CN114880784A (zh) * | 2022-07-07 | 2022-08-09 | 中国民航大学 | 一种基于飞机尾涡扫描特性的涡核位置估算方法 |
CN115980788A (zh) * | 2023-03-17 | 2023-04-18 | 安徽科创中光科技股份有限公司 | 一种相干测风激光雷达的风场处理方法 |
CN116500580A (zh) * | 2023-06-28 | 2023-07-28 | 中国民航大学 | 一种基于多普勒雷达探测的涡核参数计算方法及系统 |
CN116500580B (zh) * | 2023-06-28 | 2023-08-22 | 中国民航大学 | 一种基于多普勒雷达探测的涡核参数计算方法及系统 |
CN117521425A (zh) * | 2024-01-05 | 2024-02-06 | 中国民航大学 | 基于无人机与有人机混合运行的尾流间隔确定方法及系统 |
CN117521425B (zh) * | 2024-01-05 | 2024-03-29 | 中国民航大学 | 基于无人机与有人机混合运行的尾流间隔确定方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113777623B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113777623B (zh) | 一种飞机尾流威胁区域预测告警方法 | |
US6963291B2 (en) | Dynamic wake prediction and visualization with uncertainty analysis | |
US8219264B1 (en) | Close formation flight positioning system using air data measurements | |
Gagliardi et al. | ADS-B system as a useful tool for testing and redrawing noise management strategies at Pisa Airport | |
CN113868971B (zh) | 一种基于数值仿真模型及历史风场特征的机场区域三维精细化风场重构方法 | |
CN109703770B (zh) | 基于测风激光雷达和cfd数据库的舰载机助降方法 | |
CN105388535B (zh) | 基于现有机载设备的航空气象风观测方法 | |
Perry et al. | NASA wake vortex research for aircraft spacing | |
CN110473431A (zh) | 一种进近管制空域高度限制下的冲突预测方法 | |
CN109191921B (zh) | 一种基于4d轨迹预测的空管监视数据仿真方法 | |
CN106768123A (zh) | 一种无人直升机燃油预估方法 | |
Wolfson et al. | Automated microburst wind-shear prediction | |
Lee et al. | LIDAR‐based F‐factor for wind shear alerting: different smoothing algorithms and application to departing flights | |
CN112053593B (zh) | 一种基于风险评估的机场无人机管控区域划设方法 | |
CN114065407B (zh) | 一种基于机场风速多元感知的尾流间隔动态缩减方法 | |
CN115494521A (zh) | 一种基于激光雷达的机场跑道低空风切变预警方法 | |
CN113868970B (zh) | 一种基于数值仿真模型及中尺度气象模式的机场区域多源风场融合方法 | |
Zhang et al. | Empirical study of airport geofencing for unmanned aircraft operation based on flight track distribution | |
Vechtel | Simulation study of wake encounters with straight and deformed vortices | |
CN105891078B (zh) | 基于风廓线雷达的沙尘暴沙尘质量浓度定量反演估算方法 | |
CN108198462A (zh) | 一种全空域飞机尾流遭遇风险告警系统实现方法 | |
CN114779278A (zh) | 一种基于激光雷达的cnn-rnn机场跑道风切变预警方法 | |
Shen et al. | Aircraft wake recognition and strength classification based on deep learning | |
Delisi et al. | First Results from the NASA Wake Vortex Measurements at the Memphis International Airport | |
Rudis et al. | Wake vortex decay near the ground under conditions of strong stratification and wind shear |
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 |