飞机航段油耗区间估计最小样本量分析

为解决基于QAR数据进行固定机型固定航段油耗区间估计时如何确定QAR数据样本量的问题,提出一种飞机航段油耗区间估计最小样本量的求解及检验方法。根据固定机型固定航段油耗样本满足N(μ,σ2)正态分布,在满足给定估计精度和显著水平的条件下,推导航段油耗区间估计应满足的最小样本量,利用χ2拟合检验法对最小样本量进行验证,得到最小样本量成立的最小概率要求。通过实例验证了该方法的有效性,为航空公司进行固定机型固定航段油耗估算提供了可行的参考方法。

基于航迹数据的空中交通绿色绩效计算分析

为定量、直观地反映空管运行指挥对飞机温室效应的影响,首先基于快速存取记录器(QAR)记录数据建立飞行参数与飞行轨迹的BP神经网络匹配模型;然后基于QAR数据对模型进行验证;之后建立了温室效应表征参数计算模型;最后根据雷达模拟机上的飞行航迹试验数据,估算出污染物排放量和总温变潜势大小,并对不同管制员的指挥差异性进行对比分析.结果表明,利用油耗估算模型计算得到的燃油流量估算值和QAR记录的真实值之间的相对误差不超过2%,运用油耗指标与温室效应指标评估管制员水平结果不同.研究结果可以用于定量分析空管运行对温室效应的影响.

基于遗传算法的下降阶段飞机油耗分析与研究

为解决航班延误或机位冲突的情况下,飞机低空飞行和空中停留时油耗增加的问题,利用真实的飞行数据和遗传算法建立燃料消耗和高度之间的关系,设计具体的遗传算法实现数学模型的参数求解,从而得到最终的数学模型。在燃料消耗和高度之间建立指数模型,并对4个航班进行对比分析得到模型的相关系数。结果显示:可以用一个通用的指数模型对下降阶段燃料流量和高度之间的关系进行描述。

某型军用飞机下降阶段燃油消耗模型研究

针对飞机下降阶段燃油消耗模型建立不够精准的问题,提出了一种改进的长短期记忆网络(Long Short-Term Memory,LSTM)方法,基于飞参数据建立了某型军用飞机下降阶段的燃油消耗模型。首先从飞参数据中提取与燃油消耗相关的参数并进行预处理,然后利用互信息的方法筛选了与燃油流率高度相关的参数,最后基于一种改进的LSTM网络建立了飞机下降阶段的燃油消耗模型。该法相比于传统的BP神经网络、回声状态网络以及标准LSTM在精度上都有了较大的提升和改进。

基于雷达数据终端区多航空器燃油消耗计算

基于雷达数据分析,分离有效飞行航迹,并识别航空器飞行状态。根据航空器参考速度反推初始航空器质量,考虑了航空器质量动态变化,建立了不同飞行模式下航空器燃油消耗算法。开发终端区多航空器燃油估算软件,并通过某机场进离场雷达数据验证燃油消耗算法,结果表明终端区多航空器燃油估算算法可以宏观测算终端区进离场航空器燃油消耗水平。

基于飞行数据的民机减推力起飞耗油影响因素研究

燃油成本作为民航运营成本的重要组成部分,如何安全有效地降低油耗是航空公司关注的焦点之一。研究影响油耗的因素是实施节油的重要理论支撑。在发动机功率最高的起飞阶段使用减推力起飞可有效降低油耗。从实际飞行数据出发,分析减推力起飞过程中油耗与影响因素间的定量关系。对减推力起飞进行机理分析,获得对油耗具有潜在影响的参数。利用灰典型相关分析对飞行数据时间序列进行研究,获得影响因素与油耗之间的定性关系。并选定参数作为模型输入,基于LSTM(Long Short Term Memory)网络建立了误差约为0. 48%的油耗模型。利用真实飞行数据基于网络进行灵敏度分析,获得特定影响因素与油耗之间的定量关系。结果表明,逆风情况有利于民机起飞阶段降低油耗,且在风速4. 5m/s附近节油效果最佳;降低总重2%~4%能获得更高的燃油收益,可辅助计算飞机总重的收益。

基于FGM(1,1)的航段油耗预测模型

为精确预测给定外界条件下固定机型航段飞机燃油消耗,基于足够规模真实航班QAR(quick access recorder)数据,提出一种基于单调函数弱化缓冲算子和偏差调节的FGM(first-entry GM)灰色预测模型。该模型可以有效抑制传统FGM(1,1)模型背景值构造不精确以及原始数据序列波动较大对预测精度带来的不利影响。实验采用考虑部分航班数据缺失情况下的给定巡航高度和起飞重量的固定机型航段油耗面板数据,实验结果表明,该模型预测精度优于FGM模型。

某型飞机油量传感器修正及其流量特征提取方法研究

针对某型飞机油量传感器记录时易受外界环境影响而导致所记录信号存在大量噪声且不具有单调性,同时缺少燃油流量参数的记录问题,提出了一种改进的自适应噪声完备经验模态分解(CEEMDAN)方法,在保证单调性的前提下对传感器数据的记录进行了修正,并实现了对流量特征的提取;首先提取飞参记录器中记录的剩余油量信号,然后使用改进的CEEMDAN方法提取固有模态函数和剩余分量并进行重构,最后将处理之后的剩余油量信号进行求一阶导数得到发动机的燃油消耗率;实验表明,使用改进CEEMDAN去噪方法相比于CEEMDAN去噪方法的信噪比提升了48.6%,均方根误差降低了69.9%。

基于QAR数据的燃油估算模型对比研究

为了实现空中交通燃油消耗的有效评估,基于QAR轨迹数据采用数据挖掘技术,运用BADA模型和AEDT软件进行燃油估算对比研究。对轨迹数据进行预处理和飞行状态识别,分别运用两种模型计算其油耗,采用MRE、MAE、R2对两种模型的估算结果进行评价,以验证模型的合理性和有效性。结果表明,AEDT软件油耗计算精度高于BADA模型油耗计算精度,并且其油耗变化规律与QAR记录数据表现更为接近,可以更好地反应航空器在飞行过程中燃油流率的变化情况。

基于AGA-BP强预测的爬升段油耗估计

为准确预测燃油消耗量,减少民航碳排放,分析飞行数据影响油耗的参数,提出两种爬升阶段油耗预测模型,即BP预测模型与基于自适应(简写为A)GA-BP强预测模型。GA-BP强预测模型以BP预测网络为弱预测器,经有限次数迭代得到强预测器输出,实现误差的优化调整,解决非线性复杂问题。实验结果表明,该模型在非线性预测方面有明显优势,预测精度和拟合度较好,验证了两种模型在油耗预测领域都具可行性。

基于BP神经网络的飞机油耗与轨迹匹配模型研究

研究了基于与QAR记录相匹配的飞行轨迹数据建立的BP神经网络油耗模型,利用飞行轨迹数据输入模型求得油耗估算值,通过与QAR真实燃油数据对比,进行模拟分析。以某些航班的雷达记录数据为例进行油耗计算,结果表明本实验模型在燃油方面的估算误差不超过2%,满足空管方面对燃油消耗的计算。研究结果可以用于定量分析空管运行对民航节能减排的影响,从而在确保飞行安全、管制容量的前提下更好地兼顾绿色运行的要求,提升空中交通运行质量。