XiaoMi-AI文件搜索系统
World File Search System飞机轨迹
跟踪飞机轨迹...
1. 简介。轨迹跟踪是飞行控制系统的一项基本任务。在这一任务中，确保所采用的方法准确，特别是对干扰具有鲁棒性至关重要。这对于飞行的关键阶段（例如进近和着陆）尤其重要，因为飞行在拥挤的空域和近地飞行。在这些阶段，干扰引起的偏离参考轨迹可能会导致灾难性的后果。因此，风是飞行系统最危险的干扰之一，因为它不可预测，对飞机动力学影响很大。考虑到上述飞行条件下控制任务的关键性，迄今为止已经研究了几种用于此应用的方法。在 [19] 中，作者提出了一种 gamma/theta 制导律，用于跟踪已知风场的最优控制方法得出的轨迹。作者在垂直平面上制定了问题，并使用起飞阶段的数值示例说明了所开发的方法。 [15] 中的研究提出了一种自适应控制方案，利用该思想控制飞机在起飞阶段的爬升率。该反馈控制律不需要事先了解风场。[4] 中的作者将非线性空间反演方法应用于飞机轨迹跟踪。开发了一种新的垂直平面制导方案，与传统的基于非线性动态反演的方法相比，其跟踪性能有所提高。与 [19] 类似，需要对现有的风扰动进行先验估计。着陆飞行阶段被视为二维跟踪
气象不确定性下的稳健飞机轨迹优化
它提高了我对轨迹规划和执行的知识和思维。本文描述的算法的实现主要是通过使用开源软件和库来实现的。虽然为所有这些软件包做出贡献的人数太多，无法一一致谢，但我想特别指出 CasADi 的 Joel Andersson 和 Joris Gillis、pygrib 的 Jeffrey S. Whitaker、IPOPT 的 Andreas Wächter 以及所有这些人。这些项目以及其他科学和工程图书馆的其他贡献者。还要感谢在线问答网站上非常友善的人们，让电脑疼痛变得更容易忍受。毫无疑问，如果没有无与伦比的公司以及办公室和部门同事无条件的帮助和支持，这些年就不一样了。感谢大卫、萨拉、丹尼和米克，我希望看到他们的小玩意在天球上非常非常微弱地闪闪发光，感谢你们给我带来的所有美好时刻；致我在地狱中流亡的同伴阿莱克斯、宾和马可（现在是一事之主）；卡洛斯，我的办公室邻居；感谢马努，在这个时代，我们对图形或编程的微小但绝对关键的细节表现出非理性的巨大热情。致卢卡和罗科：我个人欢迎我们的新意大利霸主。致贡萨洛（Gonzalo），我希望有一天他能原谅我将《辛普森一家》的内容献给其他人，并致格梅斯（Güemes），他已经开始过上更好的生活（rem
气象不确定性下的稳健飞机轨迹优化
它提高了我对轨迹规划和执行的知识和思考。本论文所述算法的实现主要利用开源软件和库来完成。虽然对这些软件包做出贡献的人太多，无法一一承认，但我还是想特别感谢 CasADi 的 Joel Andersson 和 Joris Gillis、pygrib 的 Jeffery S. Whitaker、IPOPT 的 Andreas Wächter，以及这些项目和其他科学和工程库的所有其他贡献者。还要感谢在线问答网站上那些非常善良的人，他们让我对电脑的痛苦变得更容易忍受。毫无疑问，如果没有办公室和部门同事的无微不至的陪伴和无条件的帮助和支持，这些年就不会是这样的。致大卫、萨拉、丹妮和米克，我希望看到他们的小玩意在天体上发出微弱的光芒，感谢你们给我带来的所有美好时刻；致我在冥界的流亡同伴，亚历克斯 (Alex)、宾 (Bin) 和马可 (Marco) (现为冥界之王)；致卡洛斯 (Carlos)，我办公室里的老邻居；致 Manu，感谢我们曾一起分享对图形或编程方面那些虽小但绝对关键的细节所表现出的超乎寻常的热情。致卢卡 (Luca) 和罗科 (Rocco)：首先，我欢迎我们的新意大利霸主。对于 Gonzalo，我希望有一天他能原谅我向其他人提及《辛普森一家》；对于 Güemes，他已经过上了更好的（有报酬的）生活。感谢托尼，他对幽默的极限进行了颇具影响力的研究，多亏了这项研究，我现在可以免去在胡安贝内特大楼里讲最糟糕的笑话的荣幸。致 Daniele、Massoud、Valentin 以及我们研究小组的所有前成员，以及 Eduardo、Nacho 和未来的成员。致所有其他等离子体学者，从他们那里我学到了很多电力推进术语，但我不知道是否愿意去探索它们的含义。由于忍受我对少数人来说太过辛苦，多年来很多人都做出了贡献，感谢他们才是公平的。感谢阿尔瓦罗 (Álvaro)、阿隆 (Aarón)、卡洛斯 (Carlos) 和萨拉 (Sara) 与我们共度的下午时光。致 Marco、Carmen、Javi、Isa、Juli、Celia、Pablo、Arturo、Vir、Elena 和 Thomas：你们中的大多数人已经知道比赛期间会发生什么，不允许退款。感谢 Miriam、María、Pablo、Ana、Laura、Rebeca 和 Alberto 举办的精彩派对。致 Juan、David、Juampe、Maritxu、María、Mario、Miguel、Xiana 和 Rosana，感谢你们多次讨论什么是酷的，什么不是酷的。感谢费尔以及所有我的队友们给予我的许多分数。最后，我要感谢我的家人多年来的欣赏和理解，特别是西尔维娅、劳拉、查科、特拉斯托、特鲁科和科科，我对他们的支持和爱永远表示感谢：谢谢你们，爸爸妈妈。
气象不确定性下的稳健飞机轨迹优化
它提高了我对轨迹规划和执行的知识和思考。本论文所述算法的实现主要利用开源软件和库来完成。虽然对这些软件包做出贡献的人太多，无法一一承认，但我还是想特别感谢 CasADi 的 Joel Andersson 和 Joris Gillis、pygrib 的 Jeffery S. Whitaker、IPOPT 的 Andreas Wächter，以及这些项目和其他科学和工程库的所有其他贡献者。还要感谢在线问答网站上那些非常善良的人，他们让我对电脑的痛苦变得更容易忍受。毫无疑问，如果没有办公室和部门同事的无微不至的陪伴和无条件的帮助和支持，这些年就不会是这样的。致大卫、萨拉、丹妮和米克，我希望看到他们的小玩意在天体上发出微弱的光芒，感谢你们给我带来的所有美好时刻；致我在冥界的流亡同伴，亚历克斯 (Alex)、宾 (Bin) 和马可 (Marco) (现为冥界之王)；致卡洛斯 (Carlos)，我办公室里的老邻居；致 Manu，感谢我们曾一起分享对图形或编程方面那些虽小但绝对关键的细节所表现出的超乎寻常的热情。致卢卡 (Luca) 和罗科 (Rocco)：首先，我欢迎我们的新意大利霸主。对于 Gonzalo，我希望有一天他能原谅我向其他人提及《辛普森一家》；对于 Güemes，他已经过上了更好的（有报酬的）生活。感谢托尼，他对幽默的极限进行了颇具影响力的研究，多亏了这项研究，我现在可以免去在胡安贝内特大楼里讲最糟糕的笑话的荣幸。致 Daniele、Massoud、Valentin 以及我们研究小组的所有前成员，以及 Eduardo、Nacho 和未来的成员。致所有其他等离子体学者，从他们那里我学到了很多电力推进术语，但我不知道是否愿意去探索它们的含义。由于忍受我对少数人来说太过辛苦，多年来很多人都做出了贡献，感谢他们才是公平的。感谢阿尔瓦罗 (Álvaro)、阿隆 (Aarón)、卡洛斯 (Carlos) 和萨拉 (Sara) 与我们共度的下午时光。致 Marco、Carmen、Javi、Isa、Juli、Celia、Pablo、Arturo、Vir、Elena 和 Thomas：你们中的大多数人已经知道比赛期间会发生什么，不允许退款。感谢 Miriam、María、Pablo、Ana、Laura、Rebeca 和 Alberto 举办的精彩派对。致 Juan、David、Juampe、Maritxu、María、Mario、Miguel、Xiana 和 Rosana，感谢你们多次讨论什么是酷的，什么不是酷的。感谢费尔以及所有我的队友们给予我的许多分数。最后，我要感谢我的家人多年来的欣赏和理解，特别是西尔维娅、劳拉、查科、特拉斯托、特鲁科和科科，我对他们的支持和爱永远表示感谢：谢谢你们，爸爸妈妈。
气象不确定性下的稳健飞机轨迹优化
它提高了我在轨迹规划和执行方面的知识和思想。本论文中描述的算法的实现大部分是使用开源软件和库完成的。为所有这些软件包做出贡献的人太多了，无法一一感谢，但我还是想特别感谢 CasADi 的 Joel Andersson 和 Joris Gillis、pygrib 的 Jeffery S. Whitaker、IPOPT 的 Andreas Wächter 以及这些项目和其他科学和工程库的所有其他贡献者。还要感谢在线问答网站上非常善良的人，他们使计算机疼痛变得可以忍受。毫无疑问，这几年我没有因为我的无助而感到惭愧，也没有因为我的离去而无奈地得到我同伴的帮助和支持。大卫、莎拉、丹尼和米克，他们在天上的光辉灿烂，感谢所有伟大的时刻； amis compañeros de exilio en el Inframundo, Álex, Bin y Marco (ahora Señor del ídem)；卡洛斯，我的回忆录；德斯帕乔；一个马努，通过对我们非理性的比较的热情，对具体的图形或程序进行绝对的批评。卢卡·罗科（Luca y Rocco）：我个人欢迎我们的新意大利霸主。贡萨洛（Gonzalo），我希望我能与洛斯·辛普森（Los Simpson）一起参考其他人物，是的，我是一个出色的生活（remunerada）。托尼（Toni）对胡安·贝内特（Juan Benet）大厦的太阳系人民的荣誉进行了幽默限制的调查。丹尼尔、马苏德、瓦伦丁，以及爱德华多、纳乔和未来调查组的所有未来的事情。等离子研究中的许多人都知道许多关于电力推进的术语，但这些术语并不意味着今天已经发生了。 Dado que aguantarme es demasiado trabajo para unas pocas personas, mucha gente ha contribuido dorante estos años, y es justo agradecérselo.阿尔瓦罗、亚伦、卡洛斯和萨拉，感谢您的帮助。马可、卡门、哈维、伊莎、朱莉、西莉亚、巴勃罗、阿图罗、维尔、埃琳娜和托马斯：他们在卡雷拉的哈比亚大街上度过了漫长的岁月，但不承认自己已经堕落了。米里亚姆、玛丽亚、巴勃罗、安娜、劳拉、丽贝卡和阿尔贝托，感谢 los maravillosos saraos。 Juan、David、Juampe、Maritxu、María、Mario、Miguel、Xiana 和 Rosana，都在谈论莫拉和诺。谨向您提供所有相关信息，感谢您提供的信息。最后，我要对我的家人进行一次宝贵的理解，特别是西尔维娅和劳拉、查科、特拉斯托、特鲁科和可可，他们将帮助您完成所有的事情：谢谢，妈妈和爸爸。
气象不确定性下的稳健飞机轨迹优化
它提高了我对轨迹规划和执行的知识和思考。本论文所述算法的实现主要利用开源软件和库来完成。虽然对这些软件包做出贡献的人太多，无法一一承认，但我还是想特别感谢 CasADi 的 Joel Andersson 和 Joris Gillis、pygrib 的 Jeffery S. Whitaker、IPOPT 的 Andreas Wächter，以及这些项目和其他科学和工程库的所有其他贡献者。还要感谢在线问答网站上那些非常善良的人，他们让我对电脑的痛苦变得更容易忍受。毫无疑问，如果没有办公室和部门同事的无微不至的陪伴和无条件的帮助和支持，这些年就不会是这样的。致大卫、萨拉、丹妮和米克，我希望看到他们的小玩意在天体上发出微弱的光芒，感谢你们给我带来的所有美好时刻；致我在冥界的流亡同伴，亚历克斯 (Alex)、宾 (Bin) 和马可 (Marco) (现为冥界之王)；致卡洛斯 (Carlos)，我办公室里的老邻居；致 Manu，感谢我们曾一起分享对图形或编程方面那些虽小但绝对关键的细节所表现出的超乎寻常的热情。致卢卡 (Luca) 和罗科 (Rocco)：首先，我欢迎我们的新意大利霸主。对于 Gonzalo，我希望有一天他能原谅我向其他人提及《辛普森一家》；对于 Güemes，他已经过上了更好的（有报酬的）生活。感谢托尼，他对幽默的极限进行了颇具影响力的研究，多亏了这项研究，我现在可以免去在胡安贝内特大楼里讲最糟糕的笑话的荣幸。致 Daniele、Massoud、Valentin 以及我们研究小组的所有前成员，以及 Eduardo、Nacho 和未来的成员。致所有其他等离子体学者，从他们那里我学到了很多电力推进术语，但我不知道是否愿意去探索它们的含义。由于忍受我对少数人来说太过辛苦，多年来很多人都做出了贡献，感谢他们才是公平的。感谢阿尔瓦罗 (Álvaro)、阿隆 (Aarón)、卡洛斯 (Carlos) 和萨拉 (Sara) 与我们共度的下午时光。致 Marco、Carmen、Javi、Isa、Juli、Celia、Pablo、Arturo、Vir、Elena 和 Thomas：你们中的大多数人已经知道比赛期间会发生什么，不允许退款。感谢 Miriam、María、Pablo、Ana、Laura、Rebeca 和 Alberto 举办的精彩派对。致 Juan、David、Juampe、Maritxu、María、Mario、Miguel、Xiana 和 Rosana，感谢你们多次讨论什么是酷的，什么不是酷的。感谢费尔以及所有我的队友们给予我的许多分数。最后，我要感谢我的家人多年来的欣赏和理解，特别是西尔维娅、劳拉、查科、特拉斯托、特鲁科和科科，我对他们的支持和爱永远表示感谢：谢谢你们，爸爸妈妈。
用于飞机轨迹分析的交互式基于图像的信息可视化
摘要 — 空中交通管制 (ATC) 领域是大数据挑战的一个例子。数据由飞机轨迹或轨迹集组成，这些轨迹或轨迹又记录了飞机在给定空域中几个时刻的位置，以及其他信息，例如飞行高度、速度、燃料消耗和元数据（例如航班 ID）。分析和理解时间相关数据对信息可视化提出了一些不小的挑战。在本文中，我们提出了一套新颖的方法，使用基于图像的交互式信息可视化技术来分析飞机轨迹。我们通过提出一组相关的可视化分析方法来解决数据处理方面的可扩展性挑战和未解决的问题，这些方法侧重于 ATC 领域的决策支持。所有方法都使用基于图像的技术，以概述此类技术在我们的应用环境中的优势，并通过 ATC 域中的用例进行说明。对于每个用例，我们概述了领域专家提出的问题类型、解决这些问题所涉及的数据，并描述了我们用于解决这些问题的特定基于图像的技术。对于每种这样的技术，我们描述了用于实现其目标的视觉表示和交互机制。我们用来自 ATC 域的真实数据集来说明这些用例。
数据驱动的飞机轨迹预测的新可靠性研究
摘要：本文利用美国联邦航空管理局提供的交通流量管理系统 (TFMS) 特定航线固定翼飞机轨迹公共数据集，测量了六种轨迹预测模型的两个主要因素，包括回归准确性和对抗攻击鲁棒性。从基本的常规到高级的深度学习，六种数据驱动的回归器及其所需的架构，从其预测轨迹的准确性和可靠性方面进行了探索。本文的主要贡献是针对飞机轨迹问题描述了对抗样本的存在，本文将其重铸为回归任务。换句话说，虽然数据驱动算法是目前最好的回归器，但它们可能会受到对抗样本的攻击。对抗样本类似于训练样本；然而，它们会导致经过精细训练的回归器做出错误的预测，这对基于学习的轨迹预测算法构成了安全隐患。结果表明，尽管基于深度学习的算法（例如长短期记忆 (LSTM)）相对于传统分类器（例如支持向量回归 (SVR)）具有更高的回归准确度，但它们对精心设计的状态更敏感，这些状态可以被精心操纵，甚至可以将其预测状态重定向到不正确的状态。这一事实对飞机构成了真正的安全问题，因为对抗性攻击可以重新
文章基于社会长短期记忆网络的多飞机轨迹协同预测
摘要：飞机轨迹预测是进离场排序、冲突检测与解决等空中交通管理技术的基础。准确的轨迹预测有助于增加空域容量，确保飞机安全有序运行。目前的研究主要集中在单架飞机轨迹预测，没有考虑飞机之间的相互作用。因此，本文提出一种基于社会长短期记忆（S-LSTM）网络的模型，实现多架飞机轨迹协同预测。该模型为每架飞机建立一个LSTM网络，并通过一个池化层来整合关联飞机的隐藏状态，可以有效捕捉它们之间的相互作用。本文以北加州终端区的飞机轨迹为实验数据。结果表明，与主流的轨迹预测模型相比，本文提出的S-LSTM模型具有较小的预测误差，证明了该模型性能的优越性。另外，在存在飞机相互作用的空域场景中进行了对比实验，发现S-LSTM的预测效果优于LSTM，证明了前者考虑飞机相互作用的有效性。
在天气引起的不确定性下，强大的4D气候 - 最佳飞机轨迹计划：自由路线空间
航空的非CO 2气候影响强烈依赖于排放时的大气条件。因此，可以通过计划轨迹重新列出具有重大气候影响的空域区域来减轻其相关的气候影响。识别这种气候敏感区域需要特定的天气变量。如果不考虑飞行计划中的不考虑，不可避免的不确定天气预报会导致飞机轨迹效率低下。当前的研究解决了在使用集合预测系统中特征的气象不确定性下生成强大气候友好的飞行计划的问题。我们基于强大跟踪最佳控制理论的概念引入了一个框架，以制定和解决拟议的飞行计划问题。气象不确定性对飞机性能变量的影响是使用配制的集合飞机动力学模型捕获的，并通过惩罚性能指数方差来控制。案例研究表明，所提出的方法可以产生气候优化的轨迹，对天气不确定性的敏感性最小。