论文部分内容阅读
为了推进航空运输系统现代化,美国联邦航空局FAA(Federal Aviation Administration)提出了Next Gen计划(Next Generation Air transportation System),目的是使飞行更安全,更高效,更可预测。现代机载系统包含导航、航路规划、避撞系统等大量数据,利用数据的冗余与互补性,挖掘机载数据的价值,提高航空运营的安全与效率,符合Next Gen的目标。本文基于综合环境监视系统ISS(Integratted Surveillance System)这个应用背景,主要围绕避撞系统输入和快速存取记录器QAR(Quick Access Recorder)两大机载数据展开研究,实现输入数据滤波融合和航迹异常侦测。主要内容包含以下四个方面:1.介绍了目前典型避撞系统的功能与技术,包括空中交通避撞系统和正在研究的广播式自动相关监视技术ADS-B(Automatic Dependent Surveillance-Broadcast)、ACAS X。2.针对飞行更加安全、精准的要求,采用IMM交互多模型(Interacting Multiple Model)对避撞系统输入数据进行滤波融合。提出利用变分贝叶斯算法在线估计测量噪声方差,并以此为依据实现采样周期自动调整,提高滤波融合精度的同时实现融合系统故障定位。实验结果证明采样周期自适应的变分贝叶斯交互多模型算法在均方根误差,避撞系统虚警、漏警情况统计中优于固定采样算法,当前统计模型算法。在有些情境下,尽管ADS-B信息退化了,数据融合可以保证系统的正常运行,从而减少系统失效的概率,这是融合带来的正向收益。3.针对更加高效、可预测的要求,基于QAR数据开展航迹异常侦测研究。在不需要阈值准则的情况下,提出利用密度峰值快速搜索的方法实现异常航班侦测,为航空公司优化飞行做决策支持。实验结果证明本文的密度峰值方法在不需要先验参数设置的情况下,能够实现航迹异常侦测,且与基于密度的空间聚类方法DBSACN效果一致。不同于“超限检测”方法,聚类挖掘能够在一定程度上实现对新的异常模式的侦测。4.在实验室建立了数字仿真系统,将ADS-B数据接入ISS仿真系统,一方面可以进行输入数据的滤波研究,为避撞系统提供数据激励;另一方面进行空域态势监视,记录下来的数据进行航迹异常侦测研究。