[發(fā)明專利]基于飛行軌跡預測的通用航空AIP文件智能匹配方法

有效

• 申請?zhí)枺?/td>: 201510089009.9
• 申請日: 2015-02-27
• 公開（公告）號: CN104808679B
• 公開（公告）日: 2017-06-23
• 發(fā)明（設計）人: 吳恩森;陳鐘玉;屈景怡;劉海濤;吳仁彪
• 申請（專利權(quán)）人: 中國民航大學
• 主分類號: G05D1/10
• 分類號: G05D1/10
• 代理公司: 天津才智專利商標代理有限公司12108
• 代理人: 龐學欣

1.一種基于飛行軌跡預測的通用航空AIP文件智能匹配方法，其特征在于：其包括按順序執(zhí)行的下列步驟：

步驟(1)建立航行資料匯編文件與地理信息的映射關系及生成XML配置文件的S01階段：在初始的航行資料匯編文件中，包括航線、導航臺、機場文件在內(nèi)的目錄是按照字母順序排列的，依次整理這些文件，并自定義兩個XML配置文件來描述航行資料匯編文件與地理信息間的映射關系；

步驟(2)記錄航跡信息的S02階段：在飛行過程中，飛行器實時記錄當前最新的5個航跡點信息，包括速度、經(jīng)緯度、方向角，并將這些數(shù)據(jù)存儲在本地的數(shù)據(jù)庫中；

步驟(3)基于多項式預測方法對飛行器的運動趨勢進行預測的S03階段：設t_i，i＝1,2,3,…,n，時刻目標方向角s(t_i)可用一組正交多項式時間函數(shù)表示，再根據(jù)t_i，i＝1,2,3,…,n，時刻目標方向角的測量值x_i采用最小二乘法對系數(shù)a_j進行最小二乘估計得到最后根據(jù)系數(shù)對(t_n+dt)時刻目標方向角進行預測；

步驟(4)篩選POI興趣點的S04階段：根據(jù)預測的目標方向角定義一個方向角裕度θ，遍歷XML配置文件中的地理信息，利用地理信息與航行資料匯編文件之間的映射關系，將這些具有航行資料匯編文件屬性的點定義為POI興趣點，之后根據(jù)飛行器的經(jīng)緯度坐標計算POI興趣點與預測的目標方向角之間的差角α，并判斷差角α是否小于方向角裕度θ，如果差角α在方向角裕度θ之內(nèi)則繼續(xù)計算該POI興趣點與飛行器之間的距離，距離最小的點就是匹配度最高的點；

步驟(5)反向查找航行資料匯編文件的S05階段：通過解析XML配置文件獲得航行資料匯編文件與地理信息之間的映射關系，即能夠根據(jù)匹配的POI興趣點的地理信息反向查找到所對應的航行資料匯編文件，從而實現(xiàn)航行資料匯編文件的智能匹配。

2.根據(jù)權(quán)利要求1所述的基于飛行軌跡預測的通用航空AIP文件智能匹配方法，其特征在于：在步驟(3)中，所述的基于多項式預測方法對飛行器的運動趨勢進行預測的方法包括按順序執(zhí)行的下列步驟：

1)設t_i，i＝1,2,3,…,n，時刻目標方向角s(t_i)可用一個正交多項式時間函數(shù)表示，其中t_i＝i·T，T為軌跡的采樣間隔：

2)根據(jù)t_i，i＝1,2,3,…,n，時刻目標方向角的測量值x_i采用最小二乘法對系數(shù)a_j進行最小二乘估計,可由下式求解：

A＝(P^T·P)^-1P^TX (2)

式中：

因此目標方向角s(t_i)的最優(yōu)估計為：

這樣就可以利用式(3)對(t_n+dt)時刻的目標方向角進行預測，即：

在上述公式中，n＝5，n代表歷史軌跡采樣點，x_i是S02階段中數(shù)據(jù)庫輸出的5組方向角數(shù)據(jù)，t時刻的方向角就是則目標方向角的多項式函數(shù)為：

再利用最新的5組方向角數(shù)據(jù)，采用式(2)來確定系數(shù)a_i的最小二乘估計這樣就能夠根據(jù)對t_n時刻的目標方向角進行預測，即：

。

3.根據(jù)權(quán)利要求1所述的基于飛行軌跡預測的通用航空AIP文件智能匹配方法，其特征在于：在步驟(4)中，所述的篩選POI興趣點的方法包括按順序執(zhí)行的下列步驟：

1)根據(jù)預測的目標方向角定義一個方向角裕度θ，該方向角裕度θ必須在0°-180°之間，根據(jù)通航飛機的機動參數(shù)，將方向角裕度θ取為60°；

2)解析XML配置文件，獲取航行資料匯編文件和地理信息，根據(jù)地理信息定義具有航行資料匯編文件屬性的POI興趣點；

3)根據(jù)飛行器的經(jīng)緯度坐標(x₀,y₀)，POI興趣點的經(jīng)緯度坐標(x₁,y₁)，以及預測的目標方向角計算POI興趣點與預測的目標方向角之間的差角α，具體公式如下：

4)判斷差角α是否小于方向角裕度θ，如果差角在方向角裕度θ之內(nèi)，則計算該POI興趣點與飛行器之間的距離，然后按距離對這些POI興趣點進行排序，距離最小的點就是匹配度最高的點。