飞行冲突解脱方法及设备技术

本发明专利技术提供一种飞行冲突解脱方法及设备，该方法包括：根据待优化飞行器的四维轨迹，获取飞行冲突态势估计模型，该模型中每一个体包括所有待优化飞行器的起飞延迟时间，不同个体之间互异；根据目标函数，获得上述模型对应的目标函数值，目标函数为根据所有待优化飞行器之间的飞行冲突态势建立的；将上述模型中所有个体分为M组，对每一组，采用文化基因算法进行预设次数的变异；排列M组呈一循环，依次将每一组中最优个体复制给下一组，替代该下一组中最差个体，获得更新后的模型及其对应的目标函数值，保留上述两个目标函数值中较大值对应的模型。本发明专利技术运算效率高，提高飞行冲突解脱效率，且具有较低的平均飞行延误时间。

【技术实现步骤摘要】

本专利技术涉及空域交通管理技术，尤其涉及一种飞行冲突解脱方法及设备。
技术介绍
近几年来，航空运输业发展迅猛，预计未来几年民航市场也将继续保持高速增长态势。然而随着飞行流量的增加，空域中飞行器的密度也相应增加，飞行器之间的安全间隔难以保证，存在冲突的可能性增加，进而使得飞行安全受到严重威胁。作为保证飞行安全的关键技术之一，飞行冲突解脱方法的研究是必要且迫切的。传统飞行冲突解脱方法的研究主要集中在局部空域，缺乏战略层面的全局解脱方法。另外，传统飞行冲突解脱方法的单点运算方式极大限制了计算效率。
技术实现思路
本专利技术提供一种用于飞行冲突解脱方法及设备，以全局战略规划空域交通，并减少飞行冲突解脱的计算量，提高飞行冲突解脱效率。第一方面，本专利技术提供一种飞行冲突解脱方法，包括：根据待优化飞行器的四维轨迹，获取飞行冲突态势估计模型，所述飞行冲突态势估计模型包括多个个体，所述多个个体中每一个体包括所有待优化飞行器的起飞延迟时间，且不同个体之间互异；根据目标函数，获得所述飞行冲突态势估计模型对应的目标函数值，所述目标函数为根据所有待优化飞行器之间的飞行冲突态势建立的；将所述飞行冲突态势估计模型中所有个体分为M组，对每一组，采用文化基因算法进行预设次数的变异，以优化该组中待优化飞行器的起飞延迟时间，其中，M为大于或等于2的整数；排列所述M组呈一循环，以所述循环中任一组为起始组，依次将每一组中最优个体复制给下一组，替代该下一组中最差个体，直至所述起始组的上一组结束，获得更新后的飞行冲突态势估计模型；根据所述目标函数，获得所述更新后的飞行冲突态势估计模型对应的目标函数值，保留上述两个目标函数值中较大值对应的飞行冲突态势估计模型。在第一方面的第一种可能的实现方式中，所述根据待优化飞行器的四维轨迹，获取飞行冲突态势估计模型，包括：根据如下公式，获得所有待优化飞行器之间的飞行冲突态势(CS)：CS=Σi=1nΣj>in[|min(0,(distij(t)-ϵij))||ϵij|]]]>其中，εij表示待优化飞行器Fi和Fj之间的安全间隔；distij(t)表示待优化飞行器Fi和Fj之间的最小距离；∑为求和符号；min()表示取括号内两数值中较小值；n表示所述待优化飞行器的总数。根据第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述根据目标函数，获得所述飞行冲突态势估计模型对应的目标函数值，包括：根据如下公式，获得所述飞行冲突态势估计模型对应的目标函数值：F=1-1nΣi=1n(δiδmax)1+CS]]>其中，F表示个体适应度；δi表示待优化飞行器Fi的起飞延迟时间；δmax表示预设起飞延迟时间。根据第一方面、第一方面的第一种至第二种可能的实现方式中任意一种，在第一方面的第三种可能的实现方式中，所述文化基因算法中的局部搜索具体为：根据高斯分布模型，获得局部搜索频率，所述高斯分布模型表示为其中，γ表示所述局部搜索频率；G表示所述预设次数；μ表示高斯分布模型的均值；σ表示高斯分布模型的标准差；η表示每组中的个体数；根据所述局部搜索频率，获得该组中进行局部搜索的个体；对所述进行局部搜索的个体中每一个体，采用预设局部搜索策略进行局部搜索，获得自身适应度较优的个体。根据第一方面、第一方面的第一种至第三种可能的实现方式中任意一种，在第一方面的第四种可能的实现方式中，所述个体还包括每一待优化飞行器与该个体中其它待优化飞行器的冲突数量，所述文化基因算法中的全局搜索具体为：根据所述每一待优化飞行器与该个体中其它待优化飞行器的冲突数量，获得该待优化飞行器的自身适应度；根据所述待优化飞行器的自身适应度，采用预设全局搜索策略进行全局搜索，获得自身适应度较优的个体。第二方面，本专利技术提供一种飞行冲突解脱设备，包括：获取模块，用于根据待优化飞行器的四维轨迹，获取飞行冲突态势估计模型，所述飞行冲突态势估计模型包括多个个体，所述多个个体中每一个体包括所有待优化飞行器的起飞延迟时间，且不同个体之间互异；运算模块，用于根据目标函数，获得所述获取模块所获取的所述飞行冲突态势估计模型对应的目标函数值，所述目标函数为根据所有待优化飞行器之间的飞行冲突态势建立的；变异模块，用于将所述获取模块所获取的所述飞行冲突态势估计模型中所有个体分为M组，对每一组，采用文化基因算法进行预设次数的变异，以优化该组中待优化飞行器的起飞延迟时间，其中，M为大于或等于2的整数；更新模块，用于排列所述变异模块获得的变异后的M组呈一循环，以所述循环中任一组为起始组，依次将每一组中最优个体复制给下一组，替代该下一组中最差个体，直至所述起始组的上一组结束，获得更新后的飞行冲突态势估计模型；所述运算模块还用于根据所述目标函数，获得所述更新模块获得的所述更新后的飞行冲突态势估计模型对应的目标函数值，保留上述两个目标函数值中较大值对应的飞行冲突态势估计模型。在第二方面的第一种可能的实现方式中，所述获取模块具体用于：根据如下公式，获得所有待优化飞行器之间的飞行冲突态势(CS)：CS=Σi=1nΣj>in[|min(0,(distij(t)-ϵij))||ϵij|]]]>其中，εij表示待优化飞行器Fi和Fj之间的安全间隔；distij(t)表示待优化飞行器Fi和Fj之间的最小距离；∑为求和符号；min()表示取括号内两数值中较小值；n表示所述待优化飞行器的总数。根据第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，所述运算模块具体用于：根据如下公式，获得所述飞行冲突态势估计模型对应的目标函数值：F=1-1nΣi=1n(δiδmax)1+CS]]>其中，F表示个体适应度；δi表示待优化飞行器Fi的起飞延迟时间；δmax表示预设起飞延迟时间。根据第二方面、第二方面的第一种至第二种可能的实现方式中任意一种，在第二方面的第三种可能的实现方式中，所述变异模块采用文化基因算法中的局部搜索时，具体用于：根据高斯分布模型，获得局部搜索频率，所述高斯分布模型表示为其中，γ表示所述局部搜索频率；G表示所述预设次数；μ表示高斯分布模型的均值；σ表示高斯分布模型的标准差；η表示每组中的个体数；根据所述本文档来自技高网...

【技术保护点】
一种飞行冲突解脱方法，其特征在于，包括：根据待优化飞行器的四维轨迹，获取飞行冲突态势估计模型，所述飞行冲突态势估计模型包括多个个体，所述多个个体中每一个体包括所有待优化飞行器的起飞延迟时间，且不同个体之间互异；根据目标函数，获得所述飞行冲突态势估计模型对应的目标函数值，所述目标函数为根据所有待优化飞行器之间的飞行冲突态势建立的；将所述飞行冲突态势估计模型中所有个体分为M组，对每一组，采用文化基因算法进行预设次数的变异，以优化该组中待优化飞行器的起飞延迟时间，其中，M为大于或等于2的整数；排列所述M组呈一循环，以所述循环中任一组为起始组，依次将每一组中最优个体复制给下一组，替代该下一组中最差个体，直至所述起始组的上一组结束，获得更新后的飞行冲突态势估计模型；根据所述目标函数，获得所述更新后的飞行冲突态势估计模型对应的目标函数值，保留上述两个目标函数值中较大值对应的飞行冲突态势估计模型。

【技术特征摘要】
1.一种飞行冲突解脱方法，其特征在于，包括：
根据待优化飞行器的四维轨迹，获取飞行冲突态势估计模型，所述飞行
冲突态势估计模型包括多个个体，所述多个个体中每一个体包括所有待优化
飞行器的起飞延迟时间，且不同个体之间互异；
根据目标函数，获得所述飞行冲突态势估计模型对应的目标函数值，所
述目标函数为根据所有待优化飞行器之间的飞行冲突态势建立的；
将所述飞行冲突态势估计模型中所有个体分为M组，对每一组，采用文
化基因算法进行预设次数的变异，以优化该组中待优化飞行器的起飞延迟时
间，其中，M为大于或等于2的整数；
排列所述M组呈一循环，以所述循环中任一组为起始组，依次将每一组
中最优个体复制给下一组，替代该下一组中最差个体，直至所述起始组的上
一组结束，获得更新后的飞行冲突态势估计模型；
根据所述目标函数，获得所述更新后的飞行冲突态势估计模型对应的目
标函数值，保留上述两个目标函数值中较大值对应的飞行冲突态势估计模型。
2.根据权利要求1所述的方法，其特征在于，所述根据待优化飞行器的
四维轨迹，获取飞行冲突态势估计模型，包括：
根据如下公式，获得所有待优化飞行器之间的飞行冲突态势(CS)：
CS=Σi=1nΣj>in[|min(0,(distij(t)-ϵij))||ϵij|]]]>其中，εij表示待优化飞行器Fi和Fj之间的安全间隔；distij(t)表示待优化
飞行器Fi和Fj之间的最小距离；∑为求和符号；min()表示取括号内两数值
中较小值；n表示所述待优化飞行器的总数。
3.根据权利要求2所述的方法，其特征在于，所述根据目标函数，获得
所述飞行冲突态势估计模型对应的目标函数值，包括：
根据如下公式，获得所述飞行冲突态势估计模型对应的目标函数值：
F=1-1nΣi=1n(δiδmax)1+CS]]>其中，F表示个体适应度；δi表示待优化飞行器Fi的起飞延迟时间；δmax表示预设起飞延迟时间。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述文化基因算
法中的局部搜索具体为：
根据高斯分布模型，获得局部搜索频率，所述高斯分布模型表示为
其中，γ表示所述局部搜索频率；G表示所
述预设次数；μ表示高斯分布模型的均值；σ表示高斯分布模型的标准差；η
表示每组中的个体数；
根据所述局部搜索频率，获得该组中进行局部搜索的个体；
对所述进行局部搜索的个体中每一个体，采用预设局部搜索策略进行局
部搜索，获得自身适应度较优的个体。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述个体还包括
每一待优化飞行器与该个体中其它待优化飞行器的冲突数量，所述文化基因算
法中的全局搜索具体为：
根据所述每一待优化飞行器与该个体中其它待优化飞行器的冲突数量，获
得该待优化飞行器的自身适应度；
根据所述待优化飞行器的自身适应度，采用预设全局搜索策略进行全局搜
索，获得自身适应度较优的个体。
6.一种飞行冲突解脱设备，其特征在于，包括：
获取模块...

【专利技术属性】
技术研发人员：张学军，管祥民，吕骥，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11