CN117894210A - 一种基于意图高度的航空器质量估计方法 - Google Patents

Abstract

本发明提出了一种基于意图高度的航空器质量估计方法。插值计算各航迹点风速以及风对航空器质量估计的影响；比较气压高度、意图高度的高度差与阈值的大小，过滤影响质量估计的异常航迹点；设置质量序列，计算不同质量下的质量误差，误差最小的质量作为航空器估计质量；设置高度层序列，计算不同高度层下的航空器估计质量，并进行数据校验，剔除异常质量，计算正常质量的均值得到稳定的航空器估计质量。本发明充分考虑风对航空器质量估计的影响，根据意图高度与高度缓冲时间对航迹点过滤，剔除影响质量结果的异常航迹点，通过实施多高度层航空器质量估计，获得更加稳定的航空器估计质量。本发明在航班四维轨迹预测领域有广阔的应用前景。

Description

一种基于意图高度的航空器质量估计方法

技术领域

本发明涉及一种航空器质量估计方法，特别是一种基于意图高度的航空器质量估计方法。

背景技术

飞机轨迹预测一直是航空运输中许多机载和地面应用的关键问题。随着基于轨迹运行概念的推广，当前的空中交通管理与控制系统正在向基于轨迹运行的方式转变，高精度地预测航空器轨迹已经成为空中交通管理与控制的关键问题。

目前，大多数方法都是基于质点模型与航空动力学来进行轨迹预测。这类方法将航空器模拟为一个有质量的点，运用牛顿第二定律进行航空器的受力分析，通过一组微分方程将飞机的推力、阻力、重力与惯性加速度联系起来，在知道航空器初始状态(质量、当前推力设置、位置、速度、倾角等)、大气条件(风力、温度)和飞机意图(推力曲线、速度曲线、航线)的情况下，通过积分运算来获取航空器未来的速度和高度。其中，质量参数是影响轨迹预测准确性的关键参数。由于许多航空公司将航空器质量视为重要的竞争参数，不允许机载端下传质量信息，地面系统无法获取准确的航空器起飞质量，因此目前的通用做法是采用BADA提供的参考质量或者通过最小二乘法利用前序航迹点计算估计质量作为航空器质量。BADA提供的参考质量是一个固定的数值，由航空器机型决定，不能动态反映不同航空器之间的质量偏差，而通过最小二乘方法计算得到的估计质量，受前序航迹点影响很大，结果波动明显，无法提供稳定的航空器质量。

发明内容

发明目的：本发明所要解决的技术问题是针对现有技术的不足，提供一种基于意图高度的航空器质量估计方法。

为了解决上述技术问题，本发明公开了一种基于意图高度的航空器质量估计方法，包括以下步骤：

步骤1，解析目标航空器的S模式雷达数据，得到该航空器在各航迹点的数据集TP＝{tp_i,i＝1,2,...,N}，其中，tp_i为第i个航迹点的数据；

解析气象数据，得到气象数据集合WD＝{wind_j,j＝1,2,...,M}，其中，wind_j表示第j个风向量；

步骤2，插值计算航迹点数据tp_i对应的UV坐标系中U方向和V方向的风速分量wind_u_i和wind_v_i；

步骤3，设置高度阈值η_h，计算航迹点数据中的气压高度Hp与意图高度MCP的高度差值Δh，比较高度差值Δh与高度阈值η_h的大小，添加缓冲高度标签flag；

步骤4，设置缓冲时间Δt，根据缓冲时间更新航迹点的数据集合TR；

步骤5，分解真空速TAS到U方向和V方向，计算风对目标航空器的影响；

步骤6，设置质量序列，计算不同质量对应的航空器的功率power、Q值以及单位质量下功率power和Q值的均方误差error，比较均方误差error数值大小获得目标航空器的估计质量mass_est；

步骤7，设置高度层序列，筛选各个高度层中的的航迹点数据，计算不同高度层对应的航空器估计质量mass_fl；

步骤8，获取目标航空器的最终估计质量：对所有高度层的航空器估计质量mass_fl进行数值校验，去除异常质量，得到有效质量序列，计算有效质量的平均质量作为目标航空器的最终估计质量。

进一步的，步骤1中所述的第i个航迹点的数据tp_i，为一个向量，具体如下：

tp_i＝[t_i,hp_i,mcp_i,tas_i,θ_i]

其中，t_i、hp_i、mcp_i、tas_i和θ_i分别代表第i个航迹点对应的时间、气压高度、意图高度、真空速和航向角，N为航迹点总数。

进一步的，步骤1中所述的第j个风向量wind_j，具体如下：

风向量wind_j由UV坐标系中的方向U和方向V两个方向的分量组成，记作：

wind_j＝(wind_u_j,wind_v_j)

其中，每个方向的风向量都是一个基于时间与空间的四维矢量，分别记作：

wind_u_j＝(t_j,l_j,lon_j,lat_j)

其中，t_j、l_j、lon_j和lat_j分别表示第j个风向量对应的时间戳、高度层、经度和纬度。

进一步的，步骤2中所述的插值计算航迹点数据tp_i对应的UV坐标系中U方向和V方向的风速分量wind_u_i和wind_v_i，具体方法如下：

步骤2.1，获取与航迹点数据tp_i中的时间t_i最近的风向量的时间戳t_j对应的时间索引，记作index_t；

步骤2.2，获取与航迹点数据tp_i中的高度hp_i最近的风向量的高度层l_j对应的索引，其中，最近的上高度层索引记作index_{h_top}，最近的下高度层索引记作index_{h_bottom}；

步骤2.3，根据时间索引index_t与高度层索引index_{h_top}和index_{h_bottom}，得到当前高度层下的风向量集合WD_l，如下：

WD_l＝{wind_t,l,lon,lat|t＝index_t,l∈[index_{h_top},index_{h_bottom}]}

遍历上述集合中的向量，计算高度层风速wind_lon,lat，计算方法为：

其中，x和y分别表示当前高度层下的风向量wind_j的经度和纬度，D_x,y表示风向量wind_j与第i个航迹点的距离，wind_lon,lat为当前高度层下第i个航迹点处的风速，根据上述方法分别计算上下高度层对应的风速wind_top_lon,lat和wind_bottom_lon,lat；

步骤2.3，第i个航迹点的风向量为上下高度风速向量wind_top_lon,lat与wind_bottom_lon,lat的均值，记作wind_i＝(wind_u_i,wind_v_i)，其中，wind_u_i和wind_v_i表示其在U方向和V方向上的分量。

进一步的，步骤3中所述的添加缓冲高度标签flag的具体方法为：

比较高度差值Δg与高度阈值η_h的大小，如果Δh<η_h，则判定为异常航迹高度数据，添加缓冲高度标签flag为0，否则判定为正常航迹高度数据，添加缓冲高度标签flag为1。

进一步的，步骤4中殴的根据缓冲时间Δt更新航迹点的数据集合TR，具体方法为：

步骤4.1，设置前向缓冲时间Δt_forward，找到航迹数据集中缓冲高度标签为0的航迹点数据tp_i，移该除航迹点向前Δt_forward个数据，得到新的航迹点的数据集TP′＝{tp_i,i＝1,2,...,N′}，且N′≤N；

步骤4.2，设置后向缓冲时间Δt_backward，找到新的航迹数据集TP′中缓冲高度标签为0的航迹点tp_i，移除该航迹点向后Δt_backward个数据，得到新的航迹点的数据集TP″＝{tp_i,i＝1,2,...,N″}，且N″≤N′≤N。

进一步的，步骤5中所述的计算风对目标航空器的影响，具体过程为：

步骤5.1，在新的航迹点数据集TP″中，分解航迹点数据tp_i中的真空速tas_i到U方向和V方向，方法如下：

其中，真空速tas_i在U方向上的分量记作tas_u_i，真空速tas_i在V方向上的分量记作tas_v_i；

步骤5.2，计算风对目标航空器的影响effect_i，方法如下：

effect_i＝(wind_u_i+1-wind_u_i)tas_u_i+(wind_v_i+1-wind_v_i)tas_v_i

其中，wind_u_i+1和wind_u_i为当前航空器在t_i+1和t_i时刻的U方向上的风速分量，wind_v_i+1和wind_v_i为当前航空器在t_i+1和t_i时刻的V方向上的风速分量。

进一步的，步骤6中所述的获得目标航空器的估计质量mass_est，具体过程如下：

步骤6.1，根据BADA性能模型获取目标航空器的最小质量mass_min与最大质量mass_max，在质量区间[mass_min×η_min,mass_max×η_max]内线性插值K个质量数值，其中，η_min和η_max分别是质量上限阈值和质量下限阈值，得到质量序列MA＝{mass_k,k＝1,2,...K}，其中，mass_k表示该序列中的第k个质量；

步骤6.2，遍历质量序列，分别计算质量序列中每个质量对应的功率power与Q值，根据BADA性能模型，计算航迹点数据tp_i对应的功率power与Q值，记作power_i(mass_k)与Q_i(mass_k)；

步骤6.3，计算第k个质量mass_k时全部航迹点的均方误差error_k，方法如下：

其中，tp_i∈TR″，得到mass_k对应的均方误差序列ERROR＝{error_k,k＝1,2,...,K}，其中，error_k数值最小对应的质量就是目标航空器的估计质量mass_est。

进一步的，步骤7中所述的计算不同高度层对应的航空器估计质量mass_fl，具体方法如下：

步骤7.1，设置航空器的最低飞行高度层fl_low与最低飞行高度层fl_high，在高度层区间[fl_low,fl_high]内线性插值Z个高度层数值，得到高度层序列FL＝{fl_z,z＝1,2,...Z}，其中，fl_z表示第z个高度层；

步骤7.2，遍历该高度层序列，比较航迹点数据tp_i中的高度hp_i与高度层fl_z，找到最近的高度对应的航迹点索引index_fl；

步骤7.3，计算航迹点索引index_fl前k个质量mass_k对应的全部航迹点的均方误差error_k，方法如下：

得到对应高度层的航空器估计质量mass_fl，以及所有高度层下的航空器估计质量集合M＝{mass_fl,fl∈FL}。

进一步的，步骤8中所述的获取目标航空器的最终估计质量，具体过程如下：

步骤8.1，对航空器估计质量集合M＝{mass_fl,fl∈FL}中的每个数值进行合理性校验，包括：去除空数值，删除超出[mass_min,mass_max]质量区间的数值，得到航空器的有效估计质量集合M′＝{mass_fl,fl∈FL′}；

步骤8.2，计算有效估计质量集合M′中全部质量的平均质量mass＝average{mass_fl|fl∈FL′}，该平均质量mass即为目标航空器的最终估计质量。

有益效果：

本发明充分考虑风速对航空器质量估计结果的影响，根据意图高度与高度缓冲时间对航迹点过滤，可以剔除影响质量结果的异常航迹点，通过实施多高度层的航空器质量估计，获得更加稳定的航空器估计质量。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。

图1为本发明一种基于意图高度的航空器质量估计方法的流程图。

图2为本发明实施实例的航空器估计质量的误差曲线示意图。

图3为本发明实施实例的多高度层航空器估计质量的误差曲线示意图。

具体实施方式

结合图1，本发明的一种基于意图高度的航空器质量估计方法，包括以下步骤：

步骤1：解析航空器S模式雷达数据，得到各航迹点的数据集TP＝{tp_i,i＝1,2,...,N}，记第i个航迹点为tp_i，向量tp_i＝[t_i,hp_i,mcp_i,tas_i,θ_i]，t_i、hp_i、mcp_i、tas_i、θ_i分别代表当前航迹点对应的时间、高度、意图高度、真空速和航向角，N为航迹点总数；解析气象数据，得到气象数据集合WD＝{wind_j,j＝1,2,...,M}，其中，wind_j表示第j个风向量，M为气象数据总数，风向量wind_j由正东方向U和正北方向V两个方向的分量组成，记作wind_j＝(wind_u_j,wind_v_j)，每个方向的风向量都是一个基于时间与空间的四维矢量，分别记作wind_u_j＝(t_j,l_j,lon_j,lat_j)，wind_v_j＝(t_j,l_j,lon_j,lat_j)，t_j、l_j、lon_j、lat_j分别表示第j个风向量对应的时间戳、高度层、经度与纬度；

步骤2：插值计算航迹点tp_i对应的U、V方向风速分量wind_u_i、wind_v_i，插值方法为：

步骤2.1，获取与当前航迹点tp_i的时间t_i最近的风向量的时间戳t_j对应的索引，记作index_t；

步骤2.2，获取与当前航迹点tp_i的高度hp_i最近的风向量的高度层l_j对应的索引，距离最近的上高度层索引记作index_{h_top}，距离最近的下高度层索引记作index_{h_bottom}；

步骤2.3，根据时间索引index_t与高度层索引index_{h_top}、index_{h_bottom}，得到当前高度层下的风向量集合WD_l＝{wind_t,l,lon,lat|t＝index_t,l∈[index_{h_top},index_{h_bottom}]}，遍历集合中各向量计算高度层风速，计算方法为：

其中，x、y分别表示当前高度层下的风向量wind_j的经度、纬度，D_x,y表示风向量wind_j与航迹点tp_i的距离，wind_lon,lat为当前高度层下航迹点tp_i处的风速，分别计算上下高度层对应的风速wind_top_lon,lat、wind_bottom_lon,lat；

步骤2.3，当前航迹点tp_i的风向量为上下高度风速向量wind_top_lon,lat与wind_bottom_lon,lat的均值，记作wind_i＝(wind_u_i,wind_v_i)。

步骤3：设置合适的高度阈值η_h，计算气压高度Hp与意图高度MCP的差值Δh，比较高度差值Δh与高度阈值η_h的大小，添加缓冲高度标签flag，添加缓冲高度标签的方法为：

步骤3.1，比较高度差值Δh与高度阈值η_h的大小，如果Δh<η_h，为异常航迹高度数据，添加缓冲高度标签0；

步骤3.2，比较高度差值Δh与高度阈值η_h的大小，如果Δh≥η_h，为正常航迹高度数据，添加缓冲高度标签1。

步骤4：设置缓冲时间Δt，根据缓冲时间更新航迹点的数据集合TR，更新航迹点的数据集合TR的方法为：

步骤4.1，设置前向缓冲时间Δt_forward，找到航迹数据集中缓冲高度标签为0的航迹点tp_i，移除航迹点tp_i向前Δt_forward个数据，得到新的航迹点的数据集TP′＝{tp_i,i＝1,2,...,N′}，且有N′≤N；

步骤4.2，设置后向缓冲时间Δt_backward，找到航迹数据集中缓冲高度标签为0的航迹点tp_i，移除航迹点tp_i向后Δt_backward个数据，得到新的航迹点的数据集TP″＝{tp_i,i＝1,2,...,N″}，且有N″≤N′≤N。

步骤5：分解真空速TAS到U、V方向，计算风对航空器的影响，计算风对航空器的影响的过程为：

步骤5.1，分解航迹点tp_i的真空速TAS到U、V方向，计算方法如下：

其中，真空速tas_i在U方向上的分量记作tas_u_i，真空速tas_i在V方向上的分量记作tas_v_i，tas_i航迹点tp_i的真空速，θ_i航迹点tp_i的航向角；

步骤5.2，计算风对航空器的影响，方法如下：

effect_i＝(wind_u_i+1-wind_u_i)tas_u_i+(wind_v_i+1-wind_v_i)tas_v_i

其中，wind_u_i+1、wind_u_i为航空器在t_i+1、t_i时刻的U方向上风速，wind_v_i+1、wind_v_i为航空器在t_i+1、t_i时刻的V方向上风速。

步骤6：设置质量序列，计算不同质量对应的航空器的功率power、Q值以及单位质量下power和Q值的均方误差error，比较error数值大小获得航空器估计质量mass，计算航空器质量的具体过程如下：

步骤6.1，根据飞机性能模型获取航空器的最小质量mass_min与最大质量mass_max，在质量区间[mass_min×η_min,mass_max×η_max]内线性插值K个质量数值，η_min与η_max分别是质量上限阈值和质量下限阈值，得到质量序列MA＝{mass_k,k＝1,2,...K}；

其中，在某些实施例中，上述飞机性能模型可以采用BADA模型或其他模型实现，BADA(Base of aircraft data)模型是由欧控组织(EUROCONTROL)发布的一套飞机性能模型及相关数据库；

步骤6.2，遍历质量序列，分别计算每个mass_k对应的功率power与Q值，根据BADA性能模型，计算航迹点tp_i对应的功率power与Q值，记作power_i(mass_k)与Q_i(mass_k)；

步骤6.3，计算mass_k下全部航迹点的均方误差，方法如下：

其中，tp_i∈TR″，得到mass_k对应的均方误差序列ERROR＝{error_k,k＝1,2,...,K}，error_k数值最小对应的质量就是航空器的估计质量mass_est。

步骤7：设置高度层序列，筛选各个高度层的航迹点数据，计算不同高度层对应的航空器估计质量mass_fl，计算不同高度层下航空器估计质量mass_fl的方法如下：

步骤7.1，设置航空器的最低飞行高度层fl_low与最低飞行高度层fl_high，在高度层区间[fl_low,fl_high]内线性插值Z个高度层数值，得到高度层序列Fl＝{fl_z,z＝1,2,...Z}；

步骤7.2，遍历高度层序列，比较航迹点tp_i的高度hp_i与高度层fl_z，找到最近的高度对应的航迹点索引index_fl；

步骤7.3，计算索引index_fl前mass_k对应的全部航迹点的均方误差，方法如下：

得到对应高度层的航空器估计质量mass_fl，以及所有高度层下的航空器估计质量集合M＝{mass_fl,fl∈FL}。

步骤8：对所有高度层的航空器估计质量mass_fl进行数值校验，去除异常质量，得到有效质量序列，计算有效质量的平均质量作为航空器的最终估计质量，具体过程如下：

步骤8.1，对航空器估计质量集合M＝{mass_fl,fl∈FL}中的每个数值进行合理性校验，去除空数值，以及超出[mass_min,mass_max]质量区间的数值，得到航空器的有效估计质量集合M′＝{mass_fl,fl∈Fl′}；

步骤8.2，计算质量集合M′中全部质量的平均质量mass＝average{mass_fl|fl∈FL′}，那么平均质量mass即为航空器的最终估计质量。

下面结合图2至图3，通过仿真实验的实施例及其效果评价来进一步说明本发明。

在本实施例中，如图2和图3中的曲线分别是航空器估计质量的误差曲线以及多高度层航空器估计质量的误差曲线。实验目标就是通过基于意图高度的航空器质量估计方法计算稳定的航空器估计质量。图2对应的质量的误差曲线中的三角形标志表示当选取三角形位置对应横坐标处质量时，该航空器的误差最小，因此三角形位置处的质量就是航空器估计质量。图3描述的是多高度层航空器估计质量的误差曲线，各曲线上三角形位置对应横坐标处质量就是各高度层下航空器的估计质量，图3表明选择不同高度层区间的航迹点，得到的航空器的估计质量也不同，图3中方框圈出的质量就是一个超出质量上下限的异常质量，去除该异常数值后，计算其余高度层下的估计质量的均值，就得到稳定的航空器估计质量。该结果表明本发明方法可以剔除影响质量结果的异常航迹点，通过实施多高度层的航空器质量估计，获得更加稳定的航空器估计质量。

具体实现中，本申请提供计算机存储介质以及对应的数据处理单元，其中，该计算机存储介质能够存储计算机程序，所述计算机程序通过数据处理单元执行时可运行本发明提供的一种基于意图高度的航空器质量估计方法的发明内容以及各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，ROM)或随机存储记忆体(random access memory，RAM)等。

本领域的技术人员可以清楚地了解到本发明实施例中的技术方案可借助计算机程序以及其对应的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机程序即软件产品的形式体现出来，该计算机程序软件产品可以存储在存储介质中，包括若干指令用以使得一台包含数据处理单元的设备(可以是个人计算机，服务器，单片机，MCU或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

本发明提供了一种基于意图高度的航空器质量估计方法的思路及方法，具体实现该技术方案的方法和途径很多，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。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (10)

1.一种基于意图高度的航空器质量估计方法，其特征在于，包括以下步骤：

步骤1，解析目标航空器的S模式雷达数据，得到该航空器在各航迹点的数据集TP＝{tp_i，i＝1,2，...，N}，其中，tp_i为第i个航迹点的数据；

解析气象数据，得到气象数据集合WD＝{wind_j，j＝1,2，...，M}，其中，wind_j表示第j个风向量；

步骤2，插值计算航迹点数据tp_i对应的UV坐标系中U方向和V方向的风速分量wind_u_i和wind_v_i；

步骤3，设置高度阈值η_h，计算航迹点数据中的气压高度Hp与意图高度MCP的高度差值Δh，比较高度差值Δh与高度阈值η_h的大小，添加缓冲高度标签flag；

步骤4，设置缓冲时间Δt，根据缓冲时间更新航迹点的数据集合TR；

步骤5，分解真空速TAS到U方向和V方向，计算风对目标航空器的影响；

步骤6，设置质量序列，计算不同质量对应的航空器的功率power、Q值以及单位质量下功率power和Q值的均方误差error，比较均方误差error数值大小获得目标航空器的估计质量mass_est；

步骤7，设置高度层序列，筛选各个高度层中的的航迹点数据，计算不同高度层对应的航空器估计质量mass_fl；

步骤8，获取目标航空器的最终估计质量：对所有高度层的航空器估计质量mass_fl进行数值校验，去除异常质量，得到有效质量序列，计算有效质量的平均质量作为目标航空器的最终估计质量。

2.根据权利要求1所述的基于意图高度的航空器质量估计方法，其特征在于，步骤1中所述的第i个航迹点的数据tp_i，为一个向量，具体如下：

tp_i＝[t_i，hp_i，mcp_i，tas_i，θ_i]

其中，t_i、hp_i、mcp_i、tas_i和θ_i分别代表第i个航迹点对应的时间、气压高度、意图高度、真空速和航向角，N为航迹点总数。

3.根据权利要求2所述的基于意图高度的航空器质量估计方法，其特征在于，步骤1中所述的第j个风向量wind_j，具体如下：

风向量wind_j由UV坐标系中的方向U和方向V两个方向的分量组成，记作：

wind_j＝(wind_u_j，wind_v_j)

其中，每个方向的风向量都是一个基于时间与空间的四维矢量，分别记作：

wind_u_j＝(t_j，l_j，lon_j，lat_j)

其中，t_j、l_j、lon_j和lat_j分别表示第j个风向量对应的时间戳、高度层、经度和纬度。

4.根据权利要求3所述的基于意图高度的航空器质量估计方法，其特征在于，步骤2中所述的插值计算航迹点数据tp_i对应的UV坐标系中U方向和V方向的风速分量wind_u_i和wind_v_i，具体方法如下：

步骤2.1，获取与航迹点数据tp_i中的时间t_i最近的风向量的时间戳t_j对应的时间索引，记作index_t；

步骤2.2，获取与航迹点数据tp_i中的高度hp_i最近的风向量的高度层l_j对应的索引，其中，最近的上高度层索引记作index_{h_top}，最近的下高度层索引记作index_{h_bottom}；

步骤2.3，根据时间索引index_t与高度层索引index_{h_top}和index_{h_bottom}，得到当前高度层下的风向量集合WD_l，如下：

WD_l＝{wind_t,l,lon,lat|t＝index_t，l∈[index_{h_top}，index_{h_bottom}]}

遍历上述集合中的向量，计算高度层风速wind_lon,lat，计算方法为：

其中，x和y分别表示当前高度层下的风向量wind_j的经度和纬度，D_x,y表示风向量wind_j与第i个航迹点的距离，wind_lon,lat为当前高度层下第i个航迹点处的风速，根据上述方法分别计算上下高度层对应的风速wind_top_lon,lat和wind_bottom_lon，lat；

步骤2.3，第i个航迹点的风向量为上下高度风速向量wind_top_lon，iat与wind_bottom_lon,lat的均值，记作wind_i＝(wind_u_i，wind_v_i)，其中，wind_u_i和wind_v_i表示其在U方向和V方向上的分量。

5.根据权利要求4所述的基于意图高度的航空器质量估计方法，其特征在于，步骤3中所述的添加缓冲高度标签flag的具体方法为：

比较高度差值Δh与高度阈值η_h的大小，如果Δh＜η_h，则判定为异常航迹高度数据，添加缓冲高度标签flag为0，否则判定为正常航迹高度数据，添加缓冲高度标签flag为1。

6.根据权利要求5所述的基于意图高度的航空器质量估计方法，其特征在于，步骤4中殴的根据缓冲时间Δt更新航迹点的数据集合TR，具体方法为：

步骤4.1，设置前向缓冲时间Δt_forward，找到航迹数据集中缓冲高度标签为0的航迹点数据tp_i，移该除航迹点向前Δt_forward个数据，得到新的航迹点的数据集TP′＝{tp_i，i＝1,2，...，N′}，且N′≤N；

步骤4.2，设置后向缓冲时间Δt_backward，找到新的航迹数据集TP′中缓冲高度标签为0的航迹点tp_i，移除该航迹点向后Δt_backward个数据，得到新的航迹点的数据集TP″＝{tp_i，i＝1,2，...，N″}，且N″≤N′≤N。

7.根据权利要求6所述的基于意图高度的航空器质量估计方法，其特征在于，步骤5中所述的计算风对目标航空器的影响，具体过程为：

步骤5.1，在新的航迹点数据集TP″中，分解航迹点数据tp_i中的真空速tas_i到U方向和V方向，方法如下：

其中，真空速tas_i在U方向上的分量记作tas_u_i，真空速tas_i在V方向上的分量记作tas_v_i；

步骤5.2，计算风对目标航空器的影响effect_i，方法如下：

effect_i＝(wind_u_i+1-wind_u_i)tas_u_i+(wind_v_i+1-wind_v_i)tas_v_i

其中，wind_u_i+1和wind_u_i为当前航空器在t_i+1和t_i时刻的U方向上的风速分量，wind_v_i+1和wind_v_i为当前航空器在t_i+1和t_i时刻的V方向上的风速分量。

8.根据权利要求7所述的基于意图高度的航空器质量估计方法，其特征在于，步骤6中所述的获得目标航空器的估计质量mass_est，具体过程如下：

步骤6.1，根据BADA性能模型获取目标航空器的最小质量mass_min与最大质量mass_max，在质量区间[mass_min×η_min，mass_max×η_max]内线性插值K个质量数值，其中，η_min和η_max分别是质量上限阈值和质量下限阈值，得到质量序列MA＝{mass_k，k＝1,2，...K}，其中，mass_k表示该序列中的第k个质量；

步骤6.2，遍历质量序列，分别计算质量序列中每个质量对应的功率power与Q值，根据BADA性能模型，计算航迹点数据tp_i对应的功率power与Q值，记作power_i(mass_k)与Q_i(mass_k)；

步骤6.3，计算第k个质量mass_k时全部航迹点的均方误差error_k，方法如下：

其中，tp_i∈TR″，得到mass_k对应的均方误差序列ERROR＝{error_k，k＝1,2，...，K}，其中，error_k数值最小对应的质量就是目标航空器的估计质量mass_est。

9.根据权利要求8所述的基于意图高度的航空器质量估计方法，其特征在于，步骤7中所述的计算不同高度层对应的航空器估计质量mass_fl，具体方法如下：

步骤7.1，设置航空器的最低飞行高度层fl_low与最低飞行高度层fl_high，在高度层区间[fl_low，fl_high]内线性插值Z个高度层数值，得到高度层序列FL＝{fl_z，z＝1,2，...Z}，其中，fl_z表示第z个高度层；

步骤7.2，遍历该高度层序列，比较航迹点数据tp_i中的高度hp_i与高度层fl_z，找到最近的高度对应的航迹点索引index_fl；

步骤7.3，计算航迹点索引index_fl前k个质量mass_k对应的全部航迹点的均方误差error_k，方法如下：

得到对应高度层的航空器估计质量mass_fl，以及所有高度层下的航空器估计质量集合M＝{mass_fl，fl∈FL}。

10.根据权利要求9所述的基于意图高度的航空器质量估计方法，其特征在于，步骤8中所述的获取目标航空器的最终估计质量，具体过程如下：

步骤8.1，对航空器估计质量集合M＝{mass_fl，fl∈FL}中的每个数值进行合理性校验，包括：去除空数值，删除超出[mass_min，mass_max]质量区间的数值，得到航空器的有效估计质量集合M′＝{mass_fl，fl∈FL′}；

步骤8.2，计算有效估计质量集合M′中全部质量的平均质量mass＝average{mass_fl|fl∈FL′}，该平均质量mass即为目标航空器的最终估计质量。