基于信息质量选择的动态航迹融合算法

传统的航迹融合算法未充分考虑传感器精度和量测丢失对航迹质量的影响,从而导致融合后的航迹质量下降。为了提高跟踪性能,提出一种基于信息质量选择的动态航迹融合算法。该算法通过交互式多模型补偿滤波来获得局部航迹和信息熵,然后利用信息熵来度量局部航迹质量。根据设置的双门限筛选出质量好的局部航迹,并将其信息熵归一化的结果赋给传感器的权值,实现权值的动态分配。仿真结果表明,在考虑不同的传感器精度和量测丢失率的情况下,该算法对机动目标的跟踪性能优于已知的航迹融合算法。

末端寻的反坦克导弹典型航迹的分析方法

本文介绍一种反坦克导弹典型航迹的分析方法。内容包括理想弹道计算,扰动弹道分析,捕获区域的研究。考虑到末端寻的反坦克导弹的独有特点,着重分析了末制导启控前保证捕获目标的条件。提出了选择末端寻的反坦克导弹典型航迹的一种新方法。

考虑航空公司偏好的协同航路分配优化方法

为提高协同决策中管制与航空公司之间的参与,减少航班的延误,提出多目标下的考虑航空公司偏好的航迹时隙分配模型,解决具有多个受限区的航路资源分配问题。该模型以满足容量限制、最小化航班延误及改航的相关成本为效率和公平性目标,将该模型应用于国内某航路实例数据,运用Benders分解算法分析求解模型。结果表明,与传统的地面等待方法相比,航班总延误成本每分钟显著降低6.2%,由于改航分配导致地面延误减少,使航班总延误时间降低了29.3%,这一结果强调,增加改航(除了地面等待)以避免空域受限区的重要性。此外,该模型允许航空公司能够根据自身偏好灵活地选择原计划航线或替代航线,分析航空公司的偏好对个人和系统延误水平的影响。最后,讨论基于不同公平方案下多受限资源分配过程中效率与公平之间的权衡,提出的Min-Max方法相比现有的RBS(Ration-By-Schedule)方法能够使空域运行效率提高5.4%,航空公司公平性提高70.8%。可见,提出的多目标协同航路分配优化方法的有效性,在降低总延误成本的基础上兼顾各航空公司的公平性,是解决协同航路资源分配问题的一种有效方法。

机载UWB SAR实时图像帧几何形变分析与校正

SAR实时侦察要求处理器实时输出预定成像区域的连续图像,但是机载UWB SAR数据分帧处理和实时运动补偿使得输出的实时图像帧之间产生错位和间断,影响图像帧的实时拼接。本文从机载UWB SAR实时处理结构和运动补偿入手,定量分析了参考航迹选择与图像帧几何形变量的关系,提出了一种实时校正机载UWB SAR图像帧几何形变的方法,然后分析了其校正误差。通过点目标仿真验证了分析结果的正确性,并给出了某机载UWB SAR实测数据几何形变校正前后相邻图像帧的拼接结果。

航路资源协同分配的多目标优化方法研究

目前,航班飞行需求激增和恶劣天气已经严重影响到航空空域的正常运行,为此针对空域拥堵时航路的时隙航迹资源协同分配进行了研究。根据问题的数学描述,以总延误成本最低和公平损失偏差系数最低为两个目标,建立了航路资源协同分配模型,运用多目标遗传算法(NSGA-Ⅱ)对模型求解分析。通过航路网络的典型数据测试该模型,生成了可供决策者选择的帕累托最优解集,并与传统RBS算法进行比较,实现平均延误成本降低8.5%,平均公平损失偏差系数降低70.6%。结果证明NSGA-Ⅱ算法可以较好的解决航路资源协同分配的问题。

数据驱动的终端空域进场运行评估方法研究

终端空域交通稠密、结构复杂、冲突多发,因此终端进场运行在安全和效率管理中占据关键地位。充分融合指标、数据和方法,形成数据驱动的民航进场运行评估方法集。梳理相关国际组织及主流航空管理机构的民航运行效率指标框架,以此确立进场飞行时间和航迹复现性两个关键绩效指标。面向客观记录历史态势的雷达综合航迹,完成原始数据解析、关键信息提取,筛选出整体环境和系统条件相似的2个代表时段以供等效对比。由指标关注领域特征和对象数据性质,使用描述性统计与基于KDE的推论性统计评估进场飞行时间;结合特征选择,使用DBSCAN聚类评估航迹复现性。以长沙黄花机场为例验证研究了方法的有效性。

基于改进的FCM和信息熵修正的航迹融合算法

在局部航迹信息质量不均衡条件下,选择所有局部航迹进行航迹融合的算法会造成系统航迹质量下降。为了提高跟踪性能,提出了一种基于改进的模糊C均值(FCM)和信息熵修正的航迹融合算法。通过交互式多模型(IMM)滤波后的航迹信息对聚类数据做“质量”修正,改进后的FCM算法对局部航迹进行聚类分析,利用信息熵和隶属度对局部航迹进行选择和融合,达到修正聚类中心和提高系统航迹质量的效果。仿真结果表明:当多个传感器跟踪机动目标时,在传感器的观测精度发生变化和存在量测丢失的情况下,该算法的跟踪性能优于已知的航迹融合算法。

航路时空资源分配的多目标优化方法

为了提高航空公司与空管方之间的协同决策程度,降低航班延误水平,以航路飞行的航班为研究对象,研究了航路时空资源的多目标分配;考虑实际运行条件下航班的唯一性约束、时间顺序约束和可行性约束的影响,以航班在流量受限区所分配的飞行航迹和进入时隙为决策变量,以航班总延误成本最小和航空公司延误公平损失偏差系数最小为目标函数,构建了多目标非线性0-1整数规划模型;基于模型特点引用了非支配排序遗传算法(NSGA-Ⅱ),并利用排列编码法设计了一种整数基因编码方式,以最大限度保证基因产生可行解集;为了验证模型与算法的有效性,基于南中国海地区航班运行实例,对算法搜寻最优解的性能进行了研究,并将此算法与传统按时刻表分配(RBS)方法进行了对比。研究结果表明:改进编码方式的NSGA-Ⅱ算法使解集种群在约50代后世代距离从600收敛至30并稳定,具有良好的收敛性;针对实例中的多目标优化模型共生成有6组解的帕累托解集,结果有66.7%的概率完全支配RBS方法,且优化结果中航班平均延误成本比RBS方法降低了8.5%,平均公平损失偏差系数降低了70.6%。可见提出的航路时空资源多目标优化方法的执行效果显著,可在降低总延误成本的基础上兼顾各航空公司的公平性,是解决航路飞行航班航迹与时隙资源分配问题的一种有效方法。