基于地面航迹数据的跑道占用时间分析

随着航班流量的不断增长,结合最终进近时的尾流间隔的缩减,跑道占用时间(ROT)将会成为限制机场终端容量和跑道容量的另一个重要影响因素。文中采用成都双流国际机场2021年1月的ASDE-X雷达数据,研究了地面航迹数据的提取和分析跑道占用时间的方法。跑道占用时间数据对于有效监控当前机场运行效率和引导新的飞机场面运动系统至关重要。通过比较ROT的统计分布,分析影响ROT的因素,为管制员提供参考。

基于时间间隔的飞机进近污染物减排研究

近年来,随着民航业的高速发展,飞机燃油消耗和污染排放已成为热门话题。在最后进近过程中,逆风导致着陆率降低,增加飞机的飞行时间,从而增加燃油消耗和污染物排放。基于时间间隔(TBS)改变了最后进近的间隔规则,用基于时间的间隔取代两架飞机之间的基于距离间隔。论文引入TBS间隔,以取代目前DBS间隔。结合浦东机场52天气象数据和航班数据,研究TBS运行标准与DBS运行标准相比节省的时间。建立燃油消耗及污染物排放修正模型,根据国际民航组织(ICAO)飞机发动机排放数据库,计算TBS运行标准与DBS运行标准的油耗和污染物排放。根据计算结果,进近着陆阶段,与DBS运行标准相比,TBS运行标准将降低燃油消耗568.0t,减少HC排放201.36g,CO排放2255.44g,NOX排放9023.81g,节油率和减排率均在20%以上。结果表明,与DBS相比,TBS对燃油消耗和污染物排放具有明显的优化效果。

时间间隔标准下的飞机混合起降仿真

前后两机间的间隔是影响跑道容量的一个关键因素,传统的静态间隔标准被认为过于保守,如何动态地建立前后机间隔成为了研究热点。基于时间的间隔标准(Time Based Separation,TBS)是一种新型的动态间隔标准,针对以往的TBS研究只考虑进近阶段的缺点,论文将其与混合起降模型结合起来,建立了TBS标准下的混合起降跑道容量模型,并加入了逆风这一天气条件进行了飞机混合起降仿真。仿真结果表明,运行TBS时的跑道容量在无风条件下可提升4.1%,在25kn的逆风条件下可提升15.2%,TBS标准相比于传统的DBS标准具有巨大优势。

一种非稳腔激光器光瞳位置提取方法

提出一种非稳腔激光器光瞳位置提取的方法,用于光路自动准直中光瞳位置的提取。首先使用双边滤波对原始图像进行预处理,然后用系数β乘以大津算法的图像阈值得到图像的阈值,对图像进行阈值分割。得到二值图像后,对二值图像进行中值滤波。通过边缘提取算法提取二值图像中的轮廓,然后利用轮廓的中心和组成轮廓的点的数目这两个轮廓属性,找到光瞳图像的内轮廓。使用RANSAC椭圆拟合算法拟合内轮廓,以椭圆的中心作为光瞳的位置。本文提出的光瞳位置提取方法,在满足实时性要求的同时,减少了内轮廓噪声对椭圆拟合的影响,提高了光瞳位置提取结果的准确性和鲁棒性。在100帧仿真光瞳图像的内轮廓中添加40%幅值为0~13的随机噪声点的情况下,所提方法比直接椭圆拟合方法的提取结果具有更高的准确性和鲁棒性,提取位置偏差的AVG比直接椭圆拟合的结果小0.283个像素、位置偏差的最大值小0.660个像素、位置偏差的RMS小0.136个像素。

配合直肠检查于母驴产后十天左右配种方法研究

为了提高母驴产后首情期受胎率,对配合直肠检查于母驴产后10d左右配种方法进行研究。选择某规模养驴场年龄在5~6岁、体格中等、膘情中上等的产后10d左右的母驴21头随机分为3组,每组7头,进行直肠检查并统计卵泡发育情况,根据检查结果,A组于卵泡发育第4期起采用隔日配种法,配种3次;B组在产后用含抗生素的生理盐水清洗子宫后于卵泡发育第4期起采用连日配种法,连续配种4次;C组在卵泡发育第3期时注射促卵泡素1万IU,次日起采用连日配种法,连续配种4次,统计各组受胎率。21头母驴中出现卵泡发育并排卵19头,排卵比率为90.48%,卵泡发育时间范围为产后第6~13天,产后第10天、11天卵泡发育成熟比例最高,分别达42.86%和19.05%;受胎16头,受胎率为76.19%,其中B组、C组受胎率高于A组,分别为100%和83.33%。因此,多数膘情好的母驴产后6d左右就会出现发情,产后7~13d会有一次排卵,借助直肠检查卵泡发育情况,在卵泡发育第4期开始采用连日配种法配种4次左右,同时,产后第一次配种前冲洗子宫、预防性消炎以及注射促性腺激素或促卵泡成熟激素,有助于提高受胎率。

基于改进GoogLeNet的飞机尾流快速识别

为了识别繁忙近地空域中的飞机尾流,提高空中交通管制的智能化水平,结合激光雷达特性和尾流演化特点,通过改进GoogLeNet网络和组合残差结构,提出了一种针对尾流快速识别的卷积神经网络模型。在双流的进离场区域使用多普勒激光雷达对风场进行采样,得到目标区域的径向速度场;所采集的数据预处理后输入到模型分别进行训练、验证、测试。结果表明,相比于AlexNet、GoogLeNet模型,所提出卷积神经网络模型以0.45 M的低参数量在飞机尾流的识别准确度达到98.44%,在实验平台上的检测速度达到160 Fps/s。该模型可在复杂的环境下,快速准确地识别飞机尾涡。

基于神经网络的跑道占用时间预测

跑道占用时间(runway occupancy time,ROT)是衡量跑道吞吐量的重要影响因素,提出一种基于BP(back propagation network,BP)神经网络和跑道雷达监视数据的预测机场到达航班跑道占用时间的方法.该方法基于BP神经网络算法实现预测,算法利用在3个机场的机场跑道监视数据和降落飞机的速度和加速度参数等机载数据(quick access recorder,QAR),这些数据涵盖了含重中轻型机在内的十几种机型降落数据和滑行数据.最后通过基于神经网络算法预测的跑道占用时间结果的预测值和实际观测值之间的回归分析的加权平均R平方值为0.91.预测跑道出口距离的均方根值为0.95.说明该模型在预测跑道占用时间和跑道出口距离上具有较好的准确性.

基于危险值分布流模型的飞机时间间隔计算方法

前后两架飞机的间隔是影响进近航路容量的关键因素,为了在飞机进近阶段前后两架飞机之间既能保持安全,又能最大程度地缩小两机之间的尾流间隔,提升进近阶段的到达容量,使用一种改进的Lighthill-Whitham-Richards(LWR)的交通流量模型,改进后的LWR模型将进场着陆的飞机发生碰撞冲突的概率视为与飞机数量相关的连续分布,称为危险值分布,通过危险值分布预测发生冲突的概率,使用速度平差法计算不同机型组合的安全间隔。基于危险值分布流模型对进近阶段上不满足间隔的飞机提出速度调整方法,使飞机之间保持所需的最小间隔时间,以便能够最佳利用进场着陆空域的容量。

基于时空特征融合的飞机尾涡识别

为了实现动态尾流缩减技术,减少进近阶段前机尾流对后机飞行安全的影响。依据相干激光雷达(coherent Doppler lidar,CDL)扫描风场循环周期性特点,提出一种基于时空特征融合的飞机尾涡识别模型。首先,CDL扫描生成的径向速度风场转换成序列输入和块输入。然后,双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)网络用于提取序列输入的时间域特征,卷积神经网络(convolutional neural network,CNN)网络用于提取径向速度风场块输入的空间域特征。最后,将融合的时间域和空间域特征输入全连接层分类器,得到最终分类识别结果。实验团队在深圳宝安机场附近采集风场,并构建尾流数据集来验证所提得融合模型。结果表明:基于CNN和Bi-LSTM时空特征融合模型具有较好的分类性能,在尾涡识别上的准确率、召回率、F_(1)分数分别达到97.13%、97.50%、97.03%,且相比单一模型是一种更有效的识别方式,能够获得实时高效尾流预警。

基于时间间隔的飞机着陆跑道容量模型研究

随着民航业的快速发展,飞机着陆跑道容量已经不能满足未来需要。目前,我国主要实行的是过于保守的基于距离的间隔(DBS),针对这一问题,本文引入基于时间间隔的飞机着陆间隔。首先建立基于时间间隔(TBS)的飞机着陆跑道容量模型,在ICAO RECAT的基础上计算出TBS间隔,然后通过比较飞机在无风和15 m/s大逆风条件下应用TBS与DBS的飞机着陆跑道容量,得出尤其在逆风影响下,应用TBS可以显著提高飞机着陆效率。本文的研究结果对提高空管运行效率和飞机着陆跑道容量具有实际应用价值。

基于形态学和K近邻算法的飞机尾流识别

航空器尾流的准确识别对于实现动态尾流间隔缩减技术具有重要意义。与传统利用尾流特征对称关系的方法相比,研究关注飞机尾流的形态特征,提出了一种基于数学形态学和K近邻算法(KNN)的飞机尾涡识别框架。在模型中,主要工作如下:1)根据数学形态学中开闭算子提取飞机尾涡样本的形态特征;2)引入卷积神经网络的池化层来降低特征维度;3)通过KNN机器学习模型识别所提取的尾涡特征。实验在双流机场(ZUUU)的02跑道附近布置Wind3D 6000多普勒激光雷达,通过采集进近风场数据来对模型进行验证。结果表明,所提模型分类准确率、精确率、召回率和F1-score分别为97.1%、92.6%、91.1%和91.9%。

基于神经网络的飞机着陆速度预测模型

空中交通需求的增长迫切需要在繁忙的终端区准确地建立连续降落飞机间的间隔,因此需要准确地预测着陆速度,以提高机场吞吐量,同时避免飞机间的间隔过小带来的碰撞危险。论文利用获取的机载飞行信息和机场监视信息,利用神经网络建立飞机组之间后机的进近着陆速度预测模型,模拟后机进近到着陆跑道的最终进近速度剖面,使用确定R^(2)系数和均方根误差的拟合优度进行评估,在成都双流机场的数据条件下,模型准确预测了着陆速度,96%的情况下,弱阵风和强阵风条件下的误差幅度分别为12.2%和11.9%。通过结果得出,这两种阵风条件下的着陆速度预测的不确定性至少降低了9.35%。

端到端的飞机尾涡特征参数估计

为了实现繁忙机场的动态尾流间隔调整,提出了一种基于深度学习网络和相干光激光雷达技术的端到端飞机尾流特征参数估计模型。首先,基于深度可分离卷积块构建轻量化主干网络以提取径向速度场的潜在基础特征。然后针对飞机尾流左右涡旋,构建相应的特征参数预测模块。最后,使用经半自动RV方法处理的风场测量用于模型参数输出的监督学习。团队在双流国际机场安置激光雷达扫描飞机航迹线区域风场构建数据集对模型训练、验证和测试。实验结果表明,定制的参数估计模型预测环量误差低至8.42m2/s、位置定位误差低至1.59m,模型能够有效辅助管制员进行空中交通智能化管理。

牛羊疾病治疗中常见的用药误区

在我国畜牧养殖业的发展过程当中,经常会面对牛、羊疾病问题,饲养工作人员会因为某种原因给饲养人员和兽医造成误导,使其对牛羊的疾病诊断有一定的偏差,导致牛羊所使用的治疗药物不对症,甚至存在较大的错误。错误的用药方式不仅不能够对牛羊疾病进行有效的治疗,还很有可能对牛羊本身的身体机能造成不良影响,更严重还可能导致牛羊成群死亡。所以,在对牛羊疾病进行治疗的过程当中,首先需要明确较为常见的用药误区,避免在治疗过程中出现用药错误现象,影响牛羊疾病的治疗效果,从最大程度上减小牛羊疾病造成的经济损失。