基于交通流仿真的多指标航段结构研究

航段作为空域结构基本的构成要素之一,是空中交通必不可少的虚拟路网细分单元,对空中交通流的安全高效地运行有重要的作用.为探讨航段类型及其长度对航空器的活动以及航空器之间相互制约的影响程度,基于交通流仿真,建立了三种航段长度优化模型,并分别从飞行时间、燃油消耗、经济价值、机型特征、飞行冲突、管制员工作负荷等多指标分析优化结果.优化结果表明,随着航段长度的增加,单位航班飞行时间和燃油消耗均呈递减趋势,但两个优化目标不可兼得:仅优化时间时,航班总飞行时间减少2.87％;仅优化燃油消耗时,总燃油消耗降低2.56％;综合优化飞行时间与燃油消耗时,燃油消耗对航路结构的影响最大,此时总成本减少2.53％.     

珠三角地区多机场系统航班时刻的仿真优化

珠三角地区机场分布稠密、空域紧张、航班延误率高。为降低该地区的航班延误,提出以延误分层模型为优化目标,采用空域机场仿真模型SIMMOD对珠三角地区多机场系统仿真建模和有约束限制的并行扰动随机近似（Simultaneous Perturbation Stochastic Approximation,SPSA）优化算法相结合的方法,对珠三角地区多机场系统的航班时刻进行仿真优化研究。采用非光滑反馈对SPSA算法进行了改进。仿真结果表明采用这种仿真优化方法生成的新航班时刻,可有效降低总延误时间。研究对从整体上减少珠三角地区多机场系统的延误成本具有重要价值。     

民航飞机飞行航线动态实时优化仿真研究

“自由飞”是当今世界航空界研究的理想,机载飞行管理计算机系统对飞行航线的动态实时优化能力是实现该理想的一个关键,该文对这一优化问题进行了仿真研究;首先讨论了针对该问题的仿真系统;然后针对普通寻优算法耗时颇巨的缺点,重点研究了基于一种改进的遗传算法的航线实时优化算法;最后给出了部分仿真实验结果以评估此算法的性能。     

基于双指标并行A*算法的自动航线规划仿真

研究导航线路优化问题,针对现实战场环境错乱复杂,飞行员要担负飞行规划和战斗规划双重任务,为了让飞行员航线规划中释放出来,需要实现自动航线规划技术为飞行任务提供辅助决策.为了准确快速自动地规划出从起点到终点之间的“最优”航线,提出采用双指标并行A*算法的自动航线规划算法,将三维地形、雷达探测范围和飞机性能约束结合到A*算法中,并使用并行程序设计思想解决了常规A*在搜索路径时耗时长的问题.在实现算法的基础上,编写程序进行仿真,多组仿真对比,结果验证了并行A*算法在解决自动航线规划问题时的有效性和高效性.     

改进海洋捕食者算法及其在WRSN充电规划中的应用

针对无线可充电传感器网络下的多无人机充电规划,仅考虑无人机的飞行距离为成本目标规划出最优充电路径显得单一片面,现把无人机的飞行距离、能量消耗、时间成本和无人机搭配成本组合成新的成本目标模型,为了减少飞行停留点次数,还加入了正六边形充电模型,并提出了一种改进的海洋捕食者算法(BMPA)应用到此场景中.改进之处在于:一方面,在海洋捕食者算法中引入了天牛须搜索算法寻找全局气味值最大的点的操作,改善了最优解的质量;另一方面,在海洋捕食者算法中加入了新的自适应的非线性移动步长的参数,进一步改善勘探与开发的平衡,提高了全局搜索能力,促进局部研究的快速收敛.仿真实验结果表明,提出的算法不仅有效地减少了飞行次数,而且降低了飞行距离和算力消耗,与BAS、MPA和PreWBAS算法相比,在求解新的成本目标函数值上减少了50.90%、4.85%和14.38%,证明了改进后的算法的有效性.     

城市低空环境中多旋翼无人机在线航线规划方法

为无人机规划一条从起点出发到达指定目标点的航线是实现无人机各种应用的重要前提.飞行过程中,无人机应具备对于各种动态变化快速响应并重新规划航线的能力.针对多旋翼无人机在飞行过程中可能遇到的各种动态变化,研究其在离散城市环境下的在线航线规划问题.首先,建立离散环境模型,并基于此模型定义无人机飞行规则;随后,建立无人机航线规划模型,包括对航点的约束条件及航线规划的指标;其次,将各种动态变化按照其对无人机的不同影响进行分类,分为固定禁飞区、合作无人机、非合作无人机3类,并针对不同种类动态变化特点,分别提出重新规划三维航线、改变飞行速度、滚动优化三维航线3种在线航线规划策略及综合应对策略;然后,改进快速随机扩展生成树算法(RRT),使其适合于离散城市环境.仿真实验中分别验证了所提出的在线航线规划策略在应对单一动态变化及组合动态变化时的有效性.     

多目标粒子群算法的动态多燃料经济环境负荷分配

考虑动态的负荷需求和多种燃料资源,以经济成本和环境成本为优化指标,建立动态多燃料经济环境负荷分配的多目标优化模型,并提出一种多目标粒子群优化算法求解该类优化模型.模型采用动态负荷需求和多种燃料资源,更有利于节约电能成本和提高能源利用效率,但高维数、复杂非线性和多目标成为求解该优化模型的难点,故在算法中引入多目标解集更新策略和变邻域搜索策略.实验仿真结果表明,该模型是有效的,且采用所提算法求解这类模型时所获得的近似Pareto前端的精度明显优于其他算法.     

基于管制员认知负荷和改进蚁群算法的扇区动态通行能力评估

针对现有动态通行能力的评估未考虑管制员认知负荷的不足,为了提高空中交通流量管理的准确性,构建了基于管制员认知负荷和改进蚁群算法的扇区动态通行能力评估模型。首先,构建了刻画扇区动态影响因素的动态飞行受限区模型,为了满足空中交通流量管理对速度的要求,改进了蚁群算法实现扇区动态管制引导路径规划;然后,提出了管制引导负荷强度的概念,扩展了管制员认知总负荷的概念,并将其应用于扇区动态通行能力评估模型的构建;最后,以三亚管制扇区为例,以15 min为间隔对未来2 h内9个时刻的扇区动态通行能力进行评估。实例验证结果表明所提评估模型计算得到的通行能力结果与实际运行结果相差1个架次,效果理想。     

光伏新能源发电负荷不确定性补偿及微电网调度优化研究

针对传统光伏新能源发电负荷存在不确定性，导致微电网经济运行成本高，调度优化效果降低的问题，构建一个柔性负荷分级补偿的不确定微电网调度模型。首先，确定微电网调度优化模型的目标函数和约束条件；然后在粒子群优化算法PSO的基础上加入Logistic混沌映射算法，分别从粒子自身搜索行为、引入混沌变异机制和自适应调节惯性权重三个方面进行改进；最后通过混沌粒子群优化算法(CPSO)实现微电网调度模型求解。仿真表明，实施柔性负荷参与下的微电网调度后，IEEE33节点系统的经济成本和网损成本均有所下降。在三种模式下，模式一的运行经济成本仅为89 632.23元，相较于模式二和模式三分别低了4.1%和3.7%,机组运维成本和网损成本最低。因此，选用模式一柔性负荷不确定性补偿，通过其降低电网运行成本，减少电网负荷冲击和网络损耗，提高分布式光伏新能源的利用率，提升微电网调度优化效果。     

基于MapReduce与蚁群优化的航路规划算法

航路规划是提高无人机生存能力的有效途径,可使其安全、快速到达目的地。为在云计算环境中分布式并行地求解航路规划问题,应用云计算技术提出基于MapReduce和多目标蚁群算法的航路规划算法( RPMA)。设计多目标蚁群算法,并采用多种优化策略对传统算法进行改进。 RPMA能预先规划出多条航迹,可根据不同的飞行任务选择不同的航路,并在飞行过程中根据不同需要临时确定合适的飞行航路。仿真实验结果表明, RPMA求解航路问题是可行、有效的,具有较好的收敛性和扩展性,以及对大规模数据的处理能力。     

帝国竞争算法在无人机三维航线规划中的应用研究

针对实际飞行环境中无人机的三维航线规划问题,提出了一种创新启发式优化算法——牛顿帝国主义竞争算法(NICA,Newtonian imperialist competitive algorithm).该算法能够根据无人机的飞行轨迹,从起始位置到任务目标位置生成平滑的航线路径,约束航线规划,使得目标完成任务的时间最小化.该算法也能为无人机在真实地形上的航线提供最佳轨迹路径.最后通过与ICA、GA和PSO算法进行比较,验证了改进算法的有效性.结果表明:改进帝国算法提高了全局最优解的搜索能力,在收敛速度和精度上优于其他3种算法,适合用来解决无人机的三维航线规划问题.     

浅谈天津机场基于区域导航的进离场分离程序

随着近年来天津经济的高速发展,天津机场的飞行流量快速增长。鉴于天津机场目前运行情况,基于区域导航,管制员可以将进离场程序更为清晰地进行划分,以期飞行效率的提高,以及切实减轻管制人员以及飞行员的工作压力。与此同时,基于区域导航进行的进离场分离程序可以使得临时绕飞、偏航飞行的指挥以及等待航线的使用更为便捷。该项目将利用现有的区域导航技术对飞行程序进行科学设计,对进离场航班进行分流,以便于解决天津管制区的飞行冲突造成的安全压力,提高飞行效率和飞行安全水平;提高空域利用率,使协调变得更为简单,减少管制指令,减轻管制员工作压力。     

一种基于DPSO的无线传感器网络QoS路由算法

针对无线传感器网络中不同业务对服务质量(QoS)的不同需求,提出一种基于离散粒子群优化(DPSO)的无线传感器网络QoS路由(DPSO-QR)算法。算法将路由建立过程抽象为多目标优化过程,以节点间通信的传播损耗、时延、带宽、丢包率为优化目标,利用DPSO算法实现多目标优化,为拥有不同QoS需求的网络业务提供满足其特有需求的优化路由。仿真实验表明:与SAR,EQR算法相比,DPSO-QR算法降低了网络平均端到端时延,减小了丢包率,延长了网络寿命。     

基于改进DPSO算法的并行测试任务优化调度研究

并行测试以减少测试时间和降低测试成本的强大优势,已成为当前自动测试系统发展的方向。针对并行自动测试过程中,测试任务调度复杂,难以优化的问题,以PSO算法为基础,通过对问题空间编码的重新定义,并运用交叉、变异算子给出了新的粒子位置的更新公式,提出了一种改进后的DPSO算法。依据并行测试完成时间极限定理,给出了并行测试任务调度的目标函数与约束条件。以某雷达电子装备并行测试系统中三块电路板并行测试为例,对改进的DPSO算法进行了仿真验证,得到了最优调度测试序列。结果表明：与遗传算法相比,改进后的DPSO算法迭代次数更少,寻优性能更好,适用于工程应用。     

基于改进蚁群算法的改航路径规划

鉴于传统改航路径规划方法目标单一、计算复杂的问题,文中提出了一种基于改进蚁群算法的多目标航班改航路径规划算法。首先在初始化时使信息素与到终点的距离相关联;然后在蚂蚁移动时采用约束规则建立个体解;最后在得到蚁群算法优化的路径后,运用文中介绍的优化算子再次进行优化。最终在块状和离散状飞行限制区下进行仿真实验。结果表明改进的蚁群算法明显优于其他算法,能得到改航点少,偏移量小,路径短的航线。     

针对运动目标的多无人机协同鸽群优化搜索方法

针对多无人机协同运动目标搜索问题,本文设计了改进鸽群优化算法的协同搜索决策.首先,基于运动目标的独立性,建立了服从正态分布的目标概率信息图模型;为了提高环境中目标存在的确定度,建立了搜索环境的确定度信息图.其次,通过建立的吸引和排斥数字信息素图,引导无人机向未搜索区域飞行,减少重复搜索概率,提高协同目标搜索效率,并基于传统的鸽群算法,通过加入速度更新修正机制和精英代机制对其进行改进.然后,结合环境中目标的存在概率信息以及无人机搜索目标的探测信息,使用改进鸽群优化算法,规划无人机的最优搜索飞行路径.并设计避碰机制,以有效防止无人机搜索过程中的碰撞.最后,通过比较仿真实验验证了改进鸽群优化算法对运动目标协同搜索的有效性.     

基于遗传算法的UAV自适应航迹规划

根据遗传算法与动态的稀疏A*搜索(Dynamic Sparse A*Search,DASA)算法各自的特点,提出一种组合优化算法来实现在不确定战场环境中自适应航迹规划.在无人机(UAV,Unmanned Aerial Vehicles)飞行前,采用全局搜索能力强的遗传算法进行全局搜索,对从起始点到目标点的飞行航线进行规划,生成全局最优或次优的可行参考飞行航线;在无人机任务执行阶段,以参考飞行航线为基准,采用DASA算法进行在线实时航迹再规划.仿真结果表明,与遗传算法相比,该组合算法不但能生成近似最优解,而且能够满足在线实时应用的要求.     

基于多数据源的管制员工作负荷自动统计与分析系统

随着青岛空域飞行流量的不断增加,管制员的工作负荷不断增大.管制员工作负荷的量化及班组资源的合理分配已经成为制约扇区容量的重要因素之一.本文结合民航青岛空管站在实际运行和新增扇区工作中遇到的问题,讨论影响管制员工作负荷的复杂性因素,提出管制负荷计算模型.通过充分利用现有的航班、通话等客观数据,依据客观反映我站管制员工作负荷的计算模型,由计算机生成不同扇区的工作负荷指数,并根据电子值班日志岗位计时数据对每一位管制员的工作负荷进行量化与统计,从而为我站关于扇区容量评估、运行分析、班组资源分配、人员绩效等问题提供决策支持.文章最后对计算结果进行了分析验证,进一步讨论该模型的可行性和存在的问题,并对论文的成果进行总结和展望.     

基于改进PSO算法的WSN覆盖优化方法

提出基于概率测量模型的改进粒子群优化方法,以网络有效覆盖率为优化目标,通过改进粒子群算法实现无线传感器网络的覆盖控制。分析传感半径以及离散化栅格点数对覆盖性能的影响。仿真实验表明,利用改进粒子群优化方法的有效覆盖率达到88.22%,证明了该方法的有效性。     

超短波无线网络规划方法研究

为改进超短波无线网络的构建方式,研究在给定若干必要网络节点的条件下,增加机动节点构成最优网络的方法。为平衡网络的建设成本、可靠性和通信质量的关系,设计一个分层优化模型,并提出分层多目标优化近似算法求解该模型,根据目标函数的优先层次求得满足约束条件的近似最优解。仿真结果表明,该算法能找到与最优解近似甚至相同的解。与GLiD算法相比,其规划的网络成本更低,可靠性和通信质量更好。