基于PSO的SURF IA选星优化研究

机场场面情景意识显示和告警(Enhanced Traffic Situational Awareness on the Airport Surface with Indications and Alerts, SURF IA)作为广播式自动相关监视(Automatic Dependent Surveillance-Broadcast IN, ADS-B IN)下的一种监视应用,可以使航空器在机场运行时的安全和效率大大提高。以北斗卫星导航系统(BDS)/GPS双系统作为ADS-B IN的数据源,在利用所有可见卫星达到SURF IA运行的性能要求的基础上,为了减少可见卫星的使用数量,降低工作负荷,采用了粒子群算法(Particle Swarm Optimization, PSO)对导航卫星进行筛选,使得采用更少的卫星运行满足SURF IA的要求。仿真结果表明,经过PSO筛选后,可以以更少的卫星满足SURF IA运行最低监视性能要求,提高了机场场面运行监视性能。

编码对平行跑道离场程序的影响

以某机场离场航线偏差为例,分析了飞机在离场过程中偏离标称航线的原因。分析了离场程序的编码规则,从编码和磁差两个方面讨论了影响航迹偏差的因素,得到了不同编码对平行跑道离场程序的影响,对实际运行具有重要的指导意义。

多航空器自组织绕飞航迹优化理论研究

阐述为提高空域利用率,在保障飞行安全的前提下,提出多架航空器在指定空域内改航方法。将存在雷暴天气的空域进行地图栅格化,以改航路径最短、离危险天气足够安全距离等为约束条件,在遗传算法(GA)基础上引入自组织神经网络(SOM)方法,建立两架航空器改航航迹模型,在雷暴天气上风面进行改航,生成动态改航航迹。仿真结果显示,运用SOM-GA算法对改航航迹进行规划后,两架航空器能动态实时规划改航航迹,成功绕飞雷暴区域。