航线能效指标数值特征分析方法研究
发布时间：2022-12-23 18:23
随着民航运输业的快速发展以及能源消耗量的不断增长,节能减排和绿色航线逐渐成为研究热点。积极开展航线能效相关分析工作,了解航线能效情况,精细化能源管理有利于提高能效水平,对节约能源减少民航碳排放具有重大意义。基于此,本文着重研究航线能效指标数值特征的分析方法,通过构建航线能效指标体系,分析航线全程和各飞行阶段能效指标的统计特性及分布规律,研究能效指标与飞行参数以及飞行方式间的关系,从而为促进节能优化、提高能源效率提供一定的理论支持。论文的主要工作有:第一,选取航线能效衡量指标,构建航线能效指标体系。选取吨公里油耗作为衡量航线能效的综合性指标,并针对吨公里油耗的不同表示方式定义了三种新的能效指标;从总体分析与阶段分析相结合的角度出发,建立航线能效指标体系作为后续分析框架。第二,根据航线能效指标体系的分析框架,对航线全程与各飞行阶段的能效指标数值特征进行全面分析。首先,通过统计分析发现航线全程以及各飞行阶段部分航班能效指标的数值差异。其次,为找到产生数值差异的原因,通过对比分析的方法分析飞机机型和飞行方式对航线能效指标的影响,并为航线优选机型和飞行方式提供理论支持。最后,利用灰色关联分析法筛...
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题背景及意义
1.2 国内外研究现状
1.3 论文主要内容及安排
第二章 航线能效指标数值特征分析方法理论基础
2.1 航线能效衡量指标
2.1.1 航线能效指标选取
2.1.2 航线能效指标体系
2.2 航线能效指标数值特征及分析方法概述
2.2.1 航线能效指标数值特征
2.2.2 分析方法概述
2.3 航线能效数据
2.3.1 数据来源
2.3.2 数据处理
2.4 小结
第三章 航线全程与各飞行阶段能效指标数值特征分析
3.1 航线全程能效指标数值特征分析
3.1.1 全程能效指标数值特征
3.1.2 全程能效指标与飞机机型
3.2 爬升段能效指标数值特征分析
3.2.1 爬升段能效指标数值特征
3.2.2 爬升段能效指标影响因素
3.2.3 爬升方式与爬升段能效指标
3.2.4 起飞重量与爬升段能效指标
3.3 巡航段能效指标数值特征分析
3.3.1 巡航段能效指标数值特征
3.3.2 巡航段能效指标影响因素
3.3.3 巡航速度与巡航段能效指标
3.3.4 巡航高度与巡航段能效指标
3.4 下降段能效指标数值特征分析
3.4.1 下降段能效指标数值特征
3.4.2 下降段能效指标影响因素
3.4.3 下降方式与下降段能效指标
3.4.4 下降距离与下降段能效指标
3.5 小结
第四章 基于改进DBN的航线能效指标多因素建模分析
4.1 航线能效指标多因素建模分析方法选取
4.2 改进深度信念网络
4.2.1 受限玻尔兹曼机
4.2.2 高斯-伯努利受限玻尔兹曼机
4.2.3 改进深度信念网络结构
4.2.4 CD-K训练算法中的自适应步长
4.3 基于改进DBN的能效指标多因素建模
4.3.1 GBRBM-DBN能效指标多因素模型构建
4.3.2 GBRBM-DBN能效指标多因素模型训练
4.3.3 航线能效优化措施分析
4.4 实例验证与分析
4.4.1 模型输入选取
4.4.2 实验设置
4.4.3 模型性能指标
4.4.4 实验结果及比较分析
4.5 小结
第五章 航线能效分析系统工具
5.1 航线能效分析系统工具的需求分析
5.2 航线能效分析系统工具的结构设计
5.3 航线能效分析系统工具的功能设计与实现
5.3.1 软件主要功能
5.3.2 软件框架搭建
5.3.3 数据读取与存储
5.3.4 数据处理与分析
5.3.5 交互界面实现
5.4 小结
第六章 结论与展望
致谢
参考文献
作者简介
【参考文献】：
期刊论文
[1]基于深度学习和模糊C均值的心电信号分类方法[J]. 吴志勇,丁香乾,许晓伟,鞠传香. 自动化学报. 2018(10)
[2]基于多视角深度信念网络的肺结节识别方法[J]. 张婷,赵涓涓,罗嘉滢,强彦,肖小娇. 科学技术与工程. 2018(05)
[3]深度置信网络的Spark并行化在微博情感分类中的应用研究[J]. 张翔,石力,尚勃,董丽丽. 计算机应用与软件. 2018(02)
[4]基于AGA-BP强预测的爬升段油耗估计[J]. 陈静杰,张永平. 计算机工程与设计. 2017(10)
[5]气象因素对飞机进近飞行燃油效率的影响[J]. 胡荣,吴文洁,陈琳,张菲菲. 北京航空航天大学学报. 2018(04)
[6]一种基于深度网络的多环境因素降水量预报模型[J]. 张鹏程,张雷,王继民. 计算机应用与软件. 2017(09)
[7]基于运行数据的绿色航空公司节能减排现状分析[J]. 刘炳成,褚双磊,刘蕾,熊锦鸿,陈月. 长沙航空职业技术学院学报. 2017(01)
[8]基于BP神经网络的飞机油耗与轨迹匹配模型研究[J]. 魏志强,张文秀. 飞行力学. 2016(06)
[9]基于层次分析法和灰色关联分析的产品界面视觉评价模型构建方法[J]. 金涛. 东华大学学报(自然科学版). 2016(04)
[10]基于动态Gibbs采样的RBM训练算法研究[J]. 李飞,高晓光,万开方. 自动化学报. 2016(06)
硕士论文
[1]运输航空公司能耗监测方法研究与框架设计[D]. 周鑫.中国民航大学 2017
[2]民航企业能效评价与动态监控方法研究[D]. 杨胜林.中国民航大学 2017
[3]飞行小时的数值特征分析及应用研究[D]. 李波.中国民航大学 2017
[4]基于神经网络的A330多因素油耗模型研究[D]. 颜艳.中国民航大学 2015
[5]基于数据挖掘的民航节能减排决策支持系统的研究[D]. 田乾乾.中国民航大学 2012
[6]材料力学设计许用值统计方法研究及软件开发[D]. 马国宇.东北大学 2010
[7]基于飞行数据分析的飞机燃油估计模型[D]. 刘婧.南京航空航天大学 2010
本文编号：3725203
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题背景及意义
1.2 国内外研究现状
1.3 论文主要内容及安排
第二章 航线能效指标数值特征分析方法理论基础
2.1 航线能效衡量指标
2.1.1 航线能效指标选取
2.1.2 航线能效指标体系
2.2 航线能效指标数值特征及分析方法概述
2.2.1 航线能效指标数值特征
2.2.2 分析方法概述
2.3 航线能效数据
2.3.1 数据来源
2.3.2 数据处理
2.4 小结
第三章 航线全程与各飞行阶段能效指标数值特征分析
3.1 航线全程能效指标数值特征分析
3.1.1 全程能效指标数值特征
3.1.2 全程能效指标与飞机机型
3.2 爬升段能效指标数值特征分析
3.2.1 爬升段能效指标数值特征
3.2.2 爬升段能效指标影响因素
3.2.3 爬升方式与爬升段能效指标
3.2.4 起飞重量与爬升段能效指标
3.3 巡航段能效指标数值特征分析
3.3.1 巡航段能效指标数值特征
3.3.2 巡航段能效指标影响因素
3.3.3 巡航速度与巡航段能效指标
3.3.4 巡航高度与巡航段能效指标
3.4 下降段能效指标数值特征分析
3.4.1 下降段能效指标数值特征
3.4.2 下降段能效指标影响因素
3.4.3 下降方式与下降段能效指标
3.4.4 下降距离与下降段能效指标
3.5 小结
第四章 基于改进DBN的航线能效指标多因素建模分析
4.1 航线能效指标多因素建模分析方法选取
4.2 改进深度信念网络
4.2.1 受限玻尔兹曼机
4.2.2 高斯-伯努利受限玻尔兹曼机
4.2.3 改进深度信念网络结构
4.2.4 CD-K训练算法中的自适应步长
4.3 基于改进DBN的能效指标多因素建模
4.3.1 GBRBM-DBN能效指标多因素模型构建
4.3.2 GBRBM-DBN能效指标多因素模型训练
4.3.3 航线能效优化措施分析
4.4 实例验证与分析
4.4.1 模型输入选取
4.4.2 实验设置
4.4.3 模型性能指标
4.4.4 实验结果及比较分析
4.5 小结
第五章 航线能效分析系统工具
5.1 航线能效分析系统工具的需求分析
5.2 航线能效分析系统工具的结构设计
5.3 航线能效分析系统工具的功能设计与实现
5.3.1 软件主要功能
5.3.2 软件框架搭建
5.3.3 数据读取与存储
5.3.4 数据处理与分析
5.3.5 交互界面实现
5.4 小结
第六章 结论与展望
致谢
参考文献
作者简介
【参考文献】：
期刊论文
[1]基于深度学习和模糊C均值的心电信号分类方法[J]. 吴志勇,丁香乾,许晓伟,鞠传香. 自动化学报. 2018(10)
[2]基于多视角深度信念网络的肺结节识别方法[J]. 张婷,赵涓涓,罗嘉滢,强彦,肖小娇. 科学技术与工程. 2018(05)
[3]深度置信网络的Spark并行化在微博情感分类中的应用研究[J]. 张翔,石力,尚勃,董丽丽. 计算机应用与软件. 2018(02)
[4]基于AGA-BP强预测的爬升段油耗估计[J]. 陈静杰,张永平. 计算机工程与设计. 2017(10)
[5]气象因素对飞机进近飞行燃油效率的影响[J]. 胡荣,吴文洁,陈琳,张菲菲. 北京航空航天大学学报. 2018(04)
[6]一种基于深度网络的多环境因素降水量预报模型[J]. 张鹏程,张雷,王继民. 计算机应用与软件. 2017(09)
[7]基于运行数据的绿色航空公司节能减排现状分析[J]. 刘炳成,褚双磊,刘蕾,熊锦鸿,陈月. 长沙航空职业技术学院学报. 2017(01)
[8]基于BP神经网络的飞机油耗与轨迹匹配模型研究[J]. 魏志强,张文秀. 飞行力学. 2016(06)
[9]基于层次分析法和灰色关联分析的产品界面视觉评价模型构建方法[J]. 金涛. 东华大学学报(自然科学版). 2016(04)
[10]基于动态Gibbs采样的RBM训练算法研究[J]. 李飞,高晓光,万开方. 自动化学报. 2016(06)
硕士论文
[1]运输航空公司能耗监测方法研究与框架设计[D]. 周鑫.中国民航大学 2017
[2]民航企业能效评价与动态监控方法研究[D]. 杨胜林.中国民航大学 2017
[3]飞行小时的数值特征分析及应用研究[D]. 李波.中国民航大学 2017
[4]基于神经网络的A330多因素油耗模型研究[D]. 颜艳.中国民航大学 2015
[5]基于数据挖掘的民航节能减排决策支持系统的研究[D]. 田乾乾.中国民航大学 2012
[6]材料力学设计许用值统计方法研究及软件开发[D]. 马国宇.东北大学 2010
[7]基于飞行数据分析的飞机燃油估计模型[D]. 刘婧.南京航空航天大学 2010
本文编号：3725203
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3725203.html
