星基ADS-B系统空天链路的建模与仿真

星基广播式自动相关监视(ADS-B,automatic dependent surveillance-broadcast)系统是一种新型的航空器监视技术,在未来空中交通管理系统中具有广阔的应用前景。为了深入研究星基ADS-B系统中航空器到卫星的空天链路通信性能,将专业软件Matlab和STK(system tool kit)有效联合,构建符合国际标准的星基ADS-B空天链路完整模型;通过离散事件动态交互模拟ADS-B消息的发送与接收全过程,最后统计得出体现星基ADS-B空天链路通信性能的消息识别概率(POI,possibility of identify)、消息检测概率(POD,possibility of detective)、信号接收功率、信号冲突概率、卫星覆盖范围等指标。仿真结果表明,随着区域内航空器数量上升,POI、POD下降,消息冲突概率上升。

基于复杂网络的空中交通流量短期预测

为合理预测空中交通流量,结合复杂网络链路预测进行研究。首先,将时间序列转化为可视图得到拓扑特征量,然后结合基于局部信息、路径和随机游走的算法,比较在三亚不同扇区内的预测精度,发现RWR0.85算法预测精度最高。由于链路预测只能预测可能存在的连边,不能预测节点,因此引入D⁃S证据理论预测流量值,预测精度最高可达99.85%。结果表明,复杂网络链路预测结合D⁃S证据理论进行空中交通流量的预测是可行有效的,为进一步深入研究奠定了基础。

因天气影响的航空器绕飞管制安全评估及策略分析

为降低航空器在绕飞情况下管制指挥事故的风险,采用事故树分析法(fault tree analysis, FTA)和层次分析法(analytic hierarchy process, AHP)相结合的方式对管制员在进行绕飞管制时发生指挥事故建立综合风险评估模型并制定风险管控措施,以及验证所提管控措施的有效性。首先对各风险因素进行逐层分析,找出其关联性,建立绕飞管制指挥事故的事故树模型。以此为基础,结合层次分析法,确定各层风险指标权重。同时依据各指标总权重的排序结果,提出了在绕飞情况下管制指挥事故的管控措施,最后以长沙区域管制空域为实例对所提方案进行验证。结果表明:在本文方案下虽然雷雨、风切变、协调程序过于复杂和航空器偏离计划航路仍然是导致绕飞管制事故的重要因素,但其重要程度下降了6.2%,且成熟管制员人数不足、扇区流量大和预案频繁发生变化的状况得到有效解决。证明了该方案能够有效抑制导致绕飞管制指挥事故发生的事件的重要程度,减少因极端天气和扇区负荷过大而出现的安全风险事故,整体提高管制系统的稳定性和可靠性。

基于U-Net网络的鸟群图像分割研究

当前在通用航空活动中对于鸟群活动情况的了解还是依靠飞行员对环境的观察,并且国内外驱鸟方式并不适合大范围推广使用,着眼于以上问题,利用基于深度学习的图像分割方法来解决该问题,将U-Net图像分割策略引入航空图像分析中,通过深度卷积神经网络对鸟群活动图像进行处理;针对图像背景复杂、目标分布不均匀且大小不定等特点,提出优化U-Net网络,以更好地保存和利用图像信息。实验证明该优化网络图像分割效果优于现有方法。

基于SSA-CNN的航空器着陆跑道占用时间预测

国内外相关研究表明,航空器着陆跑道占用时间(aircraft arrive runway occupation time,AROT)是影响机场跑道容量的重要因素,对跑道占用时间的准确预测有利于更准确地评估跑道容量。由于着陆过程的动态性和复杂性,采用注重数据特征提取的卷积神经网络(convolutional neural networks,CNN)对AROT进行预测,针对CNN容易陷入局部最优等缺点,采用麻雀搜索算法(sparrow search algorithm,SSA)对CNN相关参数进行优化。数据采用航空器快速存取记录器(quick access recorder,QAR)的记录作为数据源,涵盖机场数目为34个。根据QAR数据分析AROT影响因素,构建了SSA-CNN预测模型。对QAR数据分析表明AROT与滑行距离、落地气温、跑道入口速度、快速脱离道数量、脱离速度关联性较强,与航空器重量、风速、风向、脱离道角度等影响因素关联性较低。根据影响因素的关联性采用CNN预测模型均方误差为18.35,而优化后的SSA-CNN预测模型均方误差为17.31,预测结果可以为机场评估跑道容量提供参考。

基于复杂网络和MFIM-TOPSIS的飞行态势评估

为了客观准确评估基于航迹运行(TBO)模式下空中飞行态势,提出了一种基于复杂网络和MFIM-TOPSIS的飞行态势评估方法。通过分析航空器间侧向碰撞风险建立不同机型的精准保护区,通过三维速度障碍法构建飞行冲突网络,贴近TBO空中运行环境,在此基础上选取总节点度、平均点强、网络密度等6个网络拓扑指标构建飞行态势评估指标体系。为弱化评估主观性影响,提出了一种能反映主观因素-客观因素的相互作用矩阵,采用最大信息系数对相互作用矩阵编码进行改进,通过优劣解距离法评估飞行态势等级状况。仿真分析和高崎机场实例分析结果均表明:该评估模型能够准确评估空中飞行态势,能为管制员决策指挥提供辅助信息。

基于航迹质量评估的雷达和ADS-B数据融合方法

雷达和广播式自动相关监视系统(ADS-B)的数据融合是监视“黑飞”无人机和飞鸟等目标的有效手段,然而两种传感器跟踪性能差异较大且易波动,会导致融合精度下降。提出一种基于航迹质量评估的雷达和ADS-B数据融合方法,首先量化评估局部航迹精度、数据更新次数和传感器测量误差对局部航迹质量的影响;其次综合计算局部航迹的质量加权因子,基于分布式融合结构完成异步航迹融合处理;最后通过仿真实验和应用对方法的可行性和有效性进行验证。结果表明:本文提出的融合方法能有效提高融合跟踪精度,在传感器跟踪性能出现波动的情况下,跟踪误差均优于传统航迹融合方法。

基于三角模糊数层次分析法的CBTA方法研究

随着飞行员技能全生命周期管理体系的提出,对飞行员的训练和评估逐渐开始向CBTA转变。为建立CBTA模型,对九大核心胜任力进行分类,运用基于三角模糊数的层次分析法评价九大核心胜任力,建立基于可观察行为OB的飞行员核心胜任力评价标准,计算九大核心胜任力及其OB的综合权重并进行排序。结果表明,非技术胜任力和技术胜任力在飞行员培养体系中同样重要,且提出的模型能有效分析出各项核心胜任力及其OB的影响力大小,从而为我国飞行人员培养体系建设提供相关参考。

基于多目标混合启发式算法的协同无冲突4D航迹规划

为促进基于航迹运行的框架下未来空中交通管理系统的协同决策,本文提出了一种协同无冲突4D航迹规划方法。首先以提高航班效率和航空公司间的公平性为目标,以无冲突为约束构建了一个多目标整数线性优化模型。其次,提出了一种基于基尼系数的指标以量化航空公司间的成本分配公平性。为了提高问题求解效率,采用了基于网格的探测方法以加速冲突检测,并设计了一种多目标混合启发式算法(Multi-objective hybrid-meta-heuristic optimization algorithm,MHMOA),通过结合模拟退火(Simulated annealing,SA)和爬山局部搜索算法来近似最优的非支配解。最后,利用实际航班计划和航路网络数据比较和分析了MHMOA、SA和两种常规多目标优化算法的优化结果。结果表明,MHMOA所获得的非支配解的质量更高、延误更低且航空公司间公平性更优,在3个多目标优化性能指标方面表现优异,可为空中交通管理员提供更详细的决策支持。

基于郊狼优化算法的扇区管制复杂性聚类与仿真验证

为提高科学评估扇区管制复杂性的能力,本文提出基于郊狼优化算法(COA,coyote optimization algorithm)的扇区管制复杂性聚类算法。首先,引入逐维变异改进策略来改进郊狼优化聚类算法,解决其易陷入局部最优解的问题。其次,以中国西北地区区域管制扇区为研究对象,采用改进郊狼优化聚类算法(ICOCA,improved coyote optimization clustering algorithm)对扇区管制复杂性指标进行聚类分析。最后,对扇区聚类结果进行仿真验证,结果证明了所提算法在扇区管制复杂性分类方面的有效性和可靠性,可为后续的空域管理提供有效的数据决策。

基于ADS-B的高性能数据处理研究

引言随着社会进步和技术发展,民航客机不断增加,对民航安全提出严峻的挑战。通信作为安全的基础保障,需要大力发展。近年来,民航局大力推广ADS-B(Automatic Dependent Surveillance-Broadcast,广播式自动相关监视)技术,其基于全球卫星定位系统,从机载设备获取相关参数,主动向其他飞机或地面站广播飞机的位置、高度、速度、航向、识别号等信息,无需人工操作或者询问,以供管制员对飞机状态进行监控。

空管一类安防区域智慧安防设计要点

大数据时代背景下,空管一类安防区域的安防系统设计已不能适应时代的发展,更不能满足民航空管单位“四强空管”“智慧空管”建设和发展的基本要求。为建设服务和管理综合化、信息化、可视化的智慧安防系统,文章详细介绍空管一类安防区域的建筑特点及安全防范需求,分析空管一类安防区域的特殊安防要求及智慧安防系统设计要点,旨在通过云计算、大数据等新技术实现基于视频监控、周界报警、门禁控制等子系统的全域、全天候智能感知型智慧安防系统,达到从开环到闭环、从局部到系统、从事后处理到事前预警的安保管理,提高空管单位安防管理能力以及警情处理效率,为航空飞行安全保驾护航。

基于VoIP技术的甚高频电台用户终端设计

随着民航运输业的快速发展,甚高频电台的架设数量爆发性增长,实现电台资源共享为必然需求。VoIP技术是一种基于IP的话音通信技术,具有通信效果良好、运行成本低廉、可扩展性强、使用灵活性高、系统间兼容好等优势,得到了国际民航组织的大力推广。作者广泛收集用户需求后,应用VoIP技术,设计了一种基于VoIP技术的甚高频电台用户终端,完成了电台资源共享,还实现了电台参数远程设置、工作状态监视。

浅谈空管内话系统供电维护

对于空管内话系统来讲,电源是一个非常重要的组成部分,是系统设备能够正常运行的基石。因此,电源需要提供全天候不间断运行,才能保证空管设备的运行不间断,时刻保障航班的正常飞行。目前,民航华北空管局区域管制中心使用三套FREQUENTIS公司生产的VCS3020X语音通信交换系统,该系统在经历过几次升级改造后,频率、电话、席位设备都有所增加,供电方式也发生了改变,为了能更好地维护电源,本篇介绍了电源硬件设备、电源从系统外部到内部的流程、电源告警的监控、电源模块的更换以及设备掉电的处置流程[1]。

空管自动化系统飞行计划与监视数据自动相关机制及其缺陷分析

建立飞行计划和监视数据的正确相关关系,是空管自动化系统实现航班安全监控和高效指挥,确保空中交通顺畅和安全的基础。空管自动化系统通过读取和解析AFTN电报来获取飞行计划数据,随后对这些数据进行必要的计算和预测,从而确保航空器的监视数据航迹与飞行计划之间的准确相关,为空中交通管制人员提供航空器目标的精确位置和信息。阐述了飞行计划与监视数据自动相关的基本条件,并针对某大型空管自动化系统中出现的飞行计划与监视数据相关故障进行了深入分析,提出了相应的改进建议。

接入ADS-B对航空管制自动化系统的影响研究

航空管制(以下简称"空管")是保证航运安全的关键.随着航空管制的升级,出现了一些新型技术,如ADS-B技术.将ADS-B技术接入到空管自动化系统中以后,航空的监管技术得到明显提升,并且可为管制人员提供实时数据和信息,有助于航空管制工作的开展.阐述了ADS-B技术以及空管自动化系统和ADS-B接入存在的风险,提出了ADS-B技术在空管自动化系统的应用优势.

管制空域复杂网络模型构建及抗毁性分析

为分析现有管制空域的结构特性与面对多种真实情况下的抗毁性,从空中交通管制的角度出发,以管制空域的最小单位扇区为基础,构建复杂网络模型,并以介数、紧密中心性等拓扑特性参数计算方法筛选关键扇区,以聚类系数、度、度分布等参数来反映空域内部的连接情况。通过4种能反映不同真实情况的攻击策略对模型进行抗毁性测试。最终结果显示:扇区网络在维持扇区连接结构上表现出较好的抗毁性,而在维持网络运行效率和保障航空器通行能力上抗毁性不佳。

“北航空事卫星一号”监视载荷的统计性能

“北航空事卫星一号”是广域航空器监视科学试验卫星。为了评估“北航空事卫星一号”监视载荷的性能,提出了ADS-B系统监视载荷的性能指标及统计方法,并利用“北航空事卫星一号”在轨观测数据,统计给出了“北航空事卫星一号”监视载荷的性能指标,包括监视覆盖半径、检测概率、识别概率、位置报告更新间隔及载荷消息速率。统计结果表明:“北航空事卫星一号”具备了在全球范围内对运输航空及通用航空器监视跟踪的能力;监视覆盖半径达1 710 km,检测概率大于35%,识别概率大于68%,位置报告更新间隔小于8 s。

基于模拟退火粒子群算法的甚高频台站补盲

目前中国西藏地区甚高频(very high frequency,VHF)通信台站在7000 m及以上高空航路通信信号覆盖存在覆盖盲区,但是并没有针对VHF通信信号盲区补盲方面的研究及对应的解决办法。为了解决以上问题,提出了一种以西藏地区的实际地形为优化算法搜索对象,以拉萨管制区管辖范围内航路通信信号的单重覆盖率、双重覆盖率及管制区的冗余度为指标的补盲部署数学模型。接着,在不改变西藏地区原有VHF通信台站数量和位置的基础上,利用模拟退火粒子群算法,采用最小频率最少台站个数寻找一个最优台站对未覆盖的一段航路进行VHF通信信号覆盖研究。仿真结果表明,该算法不仅实现了采用最小频率最少台站个数解决航路通信信号覆盖盲区的目标,而且克服了粒子群算法在寻优过程中易陷入局部最优解的缺点,同时也证明了提出的补盲部署数学模型的正确性及改进的粒子群算法的高效性。该算法和模型可以为航线网路规划、台站部署优化及最终通过该方法解决频谱资源匮乏问题提供理论支撑和技术支持。

基于智能算法优化BP的航空器滑出时间预测

滑出时间是评估大型机场场面运行效率的主要性能指标,科学准确地预测离港航空器的滑出时间,对于提升场面运行效率至关重要。首先,分析了航空器滑出时间影响因素及相关性,构建了基于反向传播(back propagation,BP)神经网络的航空器滑出时间预测模型。针对BP神经网络存在对初始权值和阈值敏感、准确性和稳定性欠佳等缺点,分别采用粒子群优化(particle swarm optimization,PSO)算法和麻雀搜索算法(sparrow search algorithm,SSA)获取BP神经网络的最优权值和阈值,并采用中国中南某枢纽机场2周的实际运行数据对智能算法优化后的预测模型进行了验证。结果表明:滑出时间与半小时平均滑出时间、起飞队列长度、同时段滑行的离港航空器数量均有强相关性,与同时段滑入的进港航空器数量中度相关,与滑行距离和经过冲突热点区域个数相关性较弱;考虑强相关和中度相关影响因素的4元组合预测模型的预测结果最佳;智能优化算法通过获取神经网络的局部最优权重和阈值,可有效地提升航空器滑出时间预测结果的精度,但运算过程耗时也更长;基于PSO优化后的BP神经网络预测结果较优化前的平均绝对百分比误差(mean absolute percentage error,MAPE)提升了1.13%,平均绝对误差(mean absolute error,MAE)减少了4.48 s,均方根误差(root mean squared error,RMSE)减少了4.68 s;基于SSA优化后的BP神经网络预测结果较优化前的MAPE提升了3.05%,MAE减少了16.55 s,RMSE减少了14.31 s。