一种航空器巡航温室效应计算方法技术

本发明专利技术提出一种航空器巡航温室效应计算方法，所述方法包括：建立航空器巡航燃油流量估算的神经网络ACENN模型；通过所述神经网络ACENN模型计算燃油流量时间序列；将所述燃油流量时间序列代入温室效应计算模型计算得到总温变潜势。本发明专利技术可根据航空器航迹信息，定量计算其巡航阶段的温室效应，直观度量航空器运行的环境影响程度，为航空器运行油耗估算和环境影响定量评价提供更科学、更系统的方法和工具。

【技术实现步骤摘要】
一种航空器巡航温室效应计算方法
本专利技术属于航空运输环境影响分析领域，具体涉及一种航空器巡航温室效应计算方法。
技术介绍
随着全球经济的快速增长和航空业的迅猛发展，民航运输需求日益增加，由此引发的环境污染问题随之加剧。航空器巡航阶段占飞行总时长的80％，因距离地面高、飞行距离长、存留时间久，造成的温室效应大约比地面等量CO2大2～4倍，因此，巡航阶段产生的温室效应是航空运输环境影响的重要组成。针对航空器高空飞行温室效应计算方法展开研究，有利于定量评价航空运输环境影响，为航空器巡航轨迹绿色绩效提供评价依据，并为后续航空器绿色巡航轨迹规划奠定基础。目前，国内外学者针对航空器运行环境影响的研究，多集中在气体排放估算研究上，根据国际民航组织建立的飞机起降循环基准排放模型，实现了对航空器运行过程中污染物排放量的计算；温室气体排放主要来源于燃油消耗，在燃油消耗建模方面，研究者们在发动机性能模型的基础上，针对运行的不同阶段建立了相关的燃油消耗计算模型。然而，不同温室气体具有不同的辐射强度和生命周期，仅对气体排放进行计算，无法直观反映其带来的环境影响；且该类研究多集中在航空器起降过程中，而对飞行时间占比较长的巡航阶段关注较少；此外，以发动机性能模型为基础的燃油消耗计算模型，大多依赖于大量的飞行参数，其中绝大多数数据公开程度较低，从公开的雷达记录数据中不能获得，使得燃油消耗估算成为航空器运行环境影响和节能减排效果评估过程中的难点。因此，现有成果的不足体现在：对飞行时间占比较长的巡航阶段关注较少；评估方法不能直观反映航空器运行环境影响程度；在进行燃油消耗计算时对飞行参数依赖较高，其中绝大多数数据公开程度较低，使得航空器运行环境影响评价较为困难。
技术实现思路
针对以上不足，本专利技术提供一种航空器巡航温室效应计算方法，目的是解决现有评估方法不能直观度量航空器运行的环境影响程度的技术问题。为达到上述目的，本专利技术采用的技术方案为：一种航空器巡航温室效应计算方法，所述方法包括：获取航空器巡航轨迹数据；建立航空器巡航燃油流量估算的神经网络ACENN模型；将所述航空器巡航轨迹数据代入神经网络ACENN模型，计算得到总燃油流量；将所述总燃油流量代入温室效应计算模型计算得到总温变潜势。进一步的，所述神经网络ACENN模型的公式为：ACENN＝(AC,ENN(i))，其中，AC为自动分类器，ENN为进化神经网络，i为所在类别。进一步的，所述进化神经网络的拓扑结构为：ENN(i)＝(X,Z,Y(i),ENi,EWi,1,fi,1,Ebi,1,EWi,2,fi,2,Ebi,2)，X＝{h,v,d}，Z＝TFFR，Y＝{O1,O2...OENi}，其中，X为输入层；Z为输出层；Y为隐含层；ENi为进化隐含层神经元数目；EWi,1、fi,1、Ebi,1分别表示输入层到隐含层的进化权重、激活函数和进化阈值；EWi,2、fi,2、Ebi,2分别表示隐含层到输出层的进化权重、激活函数和进化阈值，h为巡航高度，v为巡航速度，d为航向，TFFR为总燃油流量，OENi为隐含层神经元。进一步的，所述神经网络ACENN模型的建立方法包括：获取巡航阶段的运行数据形成样本集；将所述样本集输入至自动分类器中进行分类；对各个分类下的每组样本数据进行标准化处理；对标准化处理后的每组样本数据进行训练，得到神经网络ACENN模型。进一步的，所述运行数据包括巡航高度、巡航速度、航向、左发燃油流量和右发燃油流量；所述样本数据包括：巡航高度、巡航速度、航向和总燃油流量。进一步的，所述标准化处理公式如下：其中，R表示样本中同一参数下的所有数据的集合，r表示待归一化的集合R内的单个数据，r′为标准化处理后的r。进一步的，所述温室效应计算模型为：其中，ΔT(H)为总温变潜势；H为温室效应度量的时间水平；和APGTPNOx(H)分别为气体CO2和NOX在时间水平H下的绝对脉冲全球温变潜势；为CO2的排放指数；S为巡航总时长；TFCR(t)为t时刻的总燃油流量；为t时刻的NOX实际排放指数。进一步的，所述绝对脉冲全球温变潜势的计算公式为：其中，APGTPX(H)为气体X在时间水平H下的绝对脉冲全球温变潜势；AX为单位质量温室气体浓度改变的辐射强迫；a0为耦合系数、ak为第一系列计算系数、αk为第二系列计算系数、cj为第三系列计算系数、dj为第四系列计算系数，α为NOX寿命长度，e为自然常数。进一步的，所述NOX实际排放指数的计算公式为：其中，为NOX的实际排放指数；为外界大气相对湿度；pv为饱和蒸气压，为NOX基准排放指数，δ为外界大气压强与标准海平面大气压强的比值；θ为外界大气温度与标准海平面大气温度的比值。进一步的，所述NOX基准排放指数的计算公式为：其中，为NOX基准排放指数，p1、p2、p3、p4分别为第一拟合系数、第二拟合系数、第三拟合系数和第四拟合系数，FCR*为基准单发燃油流量，M为巡航马赫数，FCR为实际单发燃油流量。一种航空器巡航温室效应计算系统，所述系统包括：获取模块：用于获取航空器巡航轨迹数据；神经网络ACENN模型建立模块：用于建立航空器巡航燃油流量估算的神经网络ACENN模型；总燃油流量计算模块：用于将所述航空器巡航轨迹数据代入神经网络ACENN模型，计算得到总燃油流量；总温变潜势计算模块：用于将所述总燃油流量代入温室效应计算模型计算得到总温变潜势。一种航空器巡航温室效应计算系统，所述系统包括处理器和存储介质；所述存储介质用于存储指令；所述处理器用于根据所述指令进行操作以执行上述所述方法的步骤。计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述方法的步骤。与现有技术相比，本专利技术所达到的有益效果是：本专利技术根据航空器巡航轨迹数据定量评估其巡航阶段的温室效应，可以直观度量航空器运行的环境影响程度；通过ACENN模型利用航空器巡航轨迹数据，引入进化操作，解决了现有油耗估算模型对飞行参数依赖程度较高的技术问题，具备精确度高、实用性强的优点；本专利技术为实际应用中的燃油消耗计算和环境影响评价提供了更科学、更系统的模型和方法基础，可用于定量评价航空器巡航轨迹绿色绩效，为航空器绿色巡航轨迹规划工作奠定基础。附图说明图1为本专利技术的总流程图；图2为本专利技术提出的航空器巡航燃油流量估算ACENN模型示意图；图3为本专利技术设计的ACENN模型训练算法流程图；图4为本专利技术提出的NOX排放指数修正方法流程图。具体实施方式：下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。<本文档来自技高网...

【技术保护点】
1.一种航空器巡航温室效应计算方法，其特征在于，所述方法包括：/n获取航空器巡航轨迹数据；/n建立航空器巡航燃油流量估算的神经网络ACENN模型；/n将所述航空器巡航轨迹数据代入神经网络ACENN模型，计算得到总燃油流量；/n将所述总燃油流量代入温室效应计算模型计算得到总温变潜势。/n

【技术特征摘要】
1.一种航空器巡航温室效应计算方法，其特征在于，所述方法包括：
获取航空器巡航轨迹数据；
建立航空器巡航燃油流量估算的神经网络ACENN模型；
将所述航空器巡航轨迹数据代入神经网络ACENN模型，计算得到总燃油流量；
将所述总燃油流量代入温室效应计算模型计算得到总温变潜势。


2.根据权利要求1所述的一种航空器巡航温室效应计算方法，其特征在于，所述神经网络ACENN模型的公式为：
ACENN＝(AC,ENN(i))，
其中，AC为自动分类器，ENN为进化神经网络，i为所在类别。


3.根据权利要求2所述的一种航空器巡航温室效应计算方法，其特征在于，所述进化神经网络的拓扑结构为：
ENN(i)＝(X,Z,Y(i),ENi,EWi,1,fi,1,Ebi,1,EWi,2,fi,2,Ebi,2)，
X＝{h,v,d}，
Z＝TFFR，
Y＝{O1,O2...OENi}，
其中，X为输入层；Z为输出层；Y为隐含层；ENi为进化隐含层神经元数目；EWi,1、fi,1、Ebi,1分别表示输入层到隐含层的进化权重、激活函数和进化阈值；EWi,2、fi,2、Ebi,2分别表示隐含层到输出层的进化权重、激活函数和进化阈值，h为巡航高度，v为巡航速度，d为航向，TFFR为总燃油流量，OENi为隐含层神经元。


4.根据权利要求1所述的一种航空器巡航温室效应计算方法，其特征在于，所述神经网络ACENN模型的建立方法包括：
获取巡航阶段的运行数据形成样本集；
将所述样本集输入至自动分类器中进行分类；
对各个分类下的每组样本数据进行标准化处理；
对标准化处理后的每组样本数据进行训练，得到神经网络ACENN模型。


5.根据权利要求4所述的一种航空器巡航温室效应计算方法，其特征在于，所述运行数据包括巡航高度、巡航速度、航向、左发燃油流量和右发燃油流量；所述样本数据包括：巡航高度、巡航速度、航向和总燃油流量。...

【专利技术属性】
技术研发人员：马丽娜，田勇，王倩，万莉莉，孙梦圆，叶博嘉，徐灿，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32