摘要:本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中,采用了非线性运输飞机仿真模型,并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下,所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验,实验中噪声水平各不相同。结果表明,所设计的控制器具有鲁棒性,可实现精确的轨迹跟踪。研究发现,在理想的大气条件下,即使对于未测量的变量,跟踪误差也很小。在有风的情况下,跟踪误差与风速成正比,对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时,会发生与湍流强度成正比的状态变量振荡,对于小扰动和中等扰动而言是可以接受的。
摘要:本文介绍了一种当并非所有状态都可用时,针对飞机跟踪问题的控制器设计流程。在研究中,采用了非线性运输飞机仿真模型,并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下,所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验,实验中噪声水平各不相同。结果表明,所设计的控制器具有鲁棒性,可实现精确的轨迹跟踪。研究发现,在理想的大气条件下,即使对于未测量的变量,跟踪误差也很小。在有风的情况下,跟踪误差与风速成正比,对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时,会发生与湍流强度成正比的状态变量振荡,对于小扰动和中等扰动而言是可以接受的。
摘要:本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中,采用了非线性运输飞机仿真模型,并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下,所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验,实验中噪声水平各不相同。结果表明,所设计的控制器具有鲁棒性,可实现精确的轨迹跟踪。研究发现,在理想的大气条件下,即使对于未测量的变量,跟踪误差也很小。在有风的情况下,跟踪误差与风速成正比,对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时,会发生与湍流强度成正比的状态变量振荡,对于小扰动和中等扰动而言是可以接受的。
摘要:本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中,采用了非线性运输飞机仿真模型,并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下,所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验,实验中噪声水平各不相同。结果表明,所设计的控制器具有鲁棒性,可实现精确的轨迹跟踪。研究发现,在理想的大气条件下,即使对于未测量的变量,跟踪误差也很小。在有风的情况下,跟踪误差与风速成正比,对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时,会发生与湍流强度成正比的状态变量振荡,对于小扰动和中等扰动而言是可以接受的。
摘要:本文介绍了一种在并非所有状态都可用的情况下针对飞机跟踪问题的控制器设计流程。在研究中,采用了非线性运输飞机仿真模型,并通过最大似然原理和扩展卡尔曼滤波器对其进行了识别。在并非所有状态都可测量的情况下,所获得的数学模型用于设计具有最佳加权矩阵的线性二次调节器 (LQR)。对具有 LQR 控制器跟踪能力的非线性飞机仿真模型进行了多次实验,实验中噪声水平各不相同。结果表明,所设计的控制器具有鲁棒性,可实现精确的轨迹跟踪。研究发现,在理想的大气条件下,即使对于未测量的变量,跟踪误差也很小。在有风的情况下,跟踪误差与风速成正比,对于小扰动和中等扰动而言是可以接受的。当实验中存在湍流时,会发生与湍流强度成正比的状态变量振荡,对于小扰动和中等扰动而言是可以接受的。
摘要 — 本文介绍了一种改进的意图相关形式语言层次结构,用于描述飞机轨迹。这些语言允许在不同级别上完整或部分地指定飞机轨迹,本文所述功能的扩展使其适用于定义更复杂的任务,例如无人驾驶汽车或军用飞机的任务。本文对每种语言的词汇、语法和图形表示细节进行了完整的描述,并通过一组具有不同粒度的飞行规范的清晰示例展示了它们的适用性。所描述的语言层次结构已被证明是一种适合描述具有不同详细程度和不同应用的飞机轨迹的框架。它的多功能性和灵活性通过一组识别特征操作示例的场景得到证明。索引词 — 空中交通管理;形式语言;飞机意图;飞行意图;轨迹计算
关于在飞行计划阶段或飞行过程中消除飞机轨迹冲突的服务,目前尚无关于如何确定飞机优先级的统一意见。虽然消除冲突可能会考虑 CAP 493 空中交通服务手册 7 中描述的 ICAO 优先级,但这并未专门考虑无人机。因此,目前尚不确定有人驾驶与无人驾驶、无人驾驶与无人驾驶的优先级(例如):有人驾驶救生与无人驾驶救生;无人驾驶载人与无人驾驶载货;等等。对于如何处理这些问题可能存在假设,但尚未正式确定。
人工智能对 ATM 的实际意义。这包括提高现有任务的准确性和速度,例如每天处理 30,000 个航班计划,并尽量减少人工干预。我们还需要提高交通的可预测性——放眼边界之外,同时利用来自机场的新数据流来找出网络可能超载的地方。未来,我们将采用一种更具互动性的方法,实时更新飞机轨迹以适应变化。它比人们想象的更近,这无疑意味着我们的系统在应对大量数据和做出明智决策方面的能力将向前迈进一步。如果我们要处理预测的交通水平,以及应对即将出现的无人机等新型交通,这将是至关重要的。
摘要:随着空中交通的增加,更好地管理和组织空中交通对于提高交通安全和空域容量至关重要。因此,需要对更复杂、更灵活的飞机轨迹进行临时描述,以允许高交通密度并限制环境影响。该方法包括通过拼接多条贝塞尔曲线从预先存在的控制点生成平滑的 4D 路径,同时确保接头处的 G2 连续性。此外,由于控制点和拟议轨迹之间的欧几里得距离由轨迹的最佳重塑控制,因此需要考虑轨迹的曲率-速度-负载因子之间的权衡。生成的轨迹旨在补充常规飞行计划,帮助解决空中交通冲突并通过更好的时间安排提高空中运力。Matlab 模拟证实了该方法的可行性,当为重塑算法定义距离范围时,显示出有希望的结果。