基于遗传算法的航空器地面路径规划研究

发布时间：2017-09-08 01:43

  本文关键词：基于遗传算法的航空器地面路径规划研究

  更多相关文章： Petri网 遗传算法 路径规划 建模 机场场面

【摘要】：随着经济全球化的逐步扩展,促进了全球民航运输的快速发展,尤其是对经济新型体国家提供了更强大的发展动力。随着我国加入WTO以来,国际贸易业务地持续增长为国际民航运输业务带来广阔前景。尤其枢纽机场航空器的起降架次明显提升,这就对机场的运行效率提出较高要求。为了满足更多航空器在场面同时滑行,仅依赖管制员人工安排指定滑行路线已经难以满足这需求。采用智能的路径规划为进离港航空器分配滑行路线,确保航空器高效、快速、安全地滑行。 航空器路径规划问题需要从对机场场面建模与选用相应路径规划算法着手。在建模方面,相关学者主要采用有向图建模与Petri网建模,机场场面通过有向图建模方法构建的模型,此模型虽然一定程度反应场面各滑行段的衔接关系,航空器在场面滑行的管制规则约束能力不能够进行体现。有向图建模通常是将机场场面交通系统抽象场节点-线的组成方式,节点一般代表着滑行道交叉口,线代表着滑行路段,同时有加上权重对此滑行路段的属性描述。Petri网建模工具是一种可以表达更复杂的离散事件的动态系统,对场面结构利用Petri网的特性进行分析,进而对机场场面活动区域划分成几个子区域,然后分别对子区域进行Petri网建模,之后对Petri描述重新定义,建立机场场面活动模型。在路径规划算法方面,选用智能算法中的遗传算法,进行路径规划算法的问题求解。基于Petri网模型的基础上,将遗传算法与Petri融合,可以有效地对进离港滑行路径合理的规划安排。本文主要研究部分包括： 1.Petri网建模,对机场场面结构的物理特性,以及场面滑行管制规则约束等要求来定义Petri元素,同时将整个活动区域分割成几个子区域,分别完成子区域的Petri元素定义,最终采用面向对象的建模方式更能形象描述场面活动状态,此Petri网形式化方法更加适合于具有离散性、分布性、并发性等系统的完整建模。 2.路径规划算法,对路径规划方面常用的优化目标综合考虑,建立以总时间最少并且权重冲突的因素的目标函数作为对路径规划问题进行来求解,遗传算法与Petri网构建的机场模型有效结合,通过染色体编码与Petri变迁序列结合对应等方式,最后计算出其最优滑行路径提供给进离港航空器。 3.仿真分析,基于上面的建模与算法研究,利用Matlab平台对南京禄口机场某一时刻航班进行路径规划的研究,验证模型和算法的合理性与有效性。
【关键词】：Petri网 遗传算法 路径规划 建模 机场场面
【学位授予单位】：中国民用航空飞行学院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP18;V355
【目录】：

• 摘要6-8
• Abstract8-13
• 第一章 绪论13-22
• 1.1 本论文研究背景和意义13-15
• 1.1.1 研究背景13-14
• 1.1.2 研究意义14-15
• 1.2 路径规划研究现状及发展趋势15-20
• 1.2.1 针对滑行路径规划的场面活动构建研究15-17
• 1.2.2 针对滑行路径规划的算法设计研究现状17-18
• 1.2.3 路径规划研究的发展趋势18-20
• 1.3 本文研究内容20-22
• 第二章 路径规划问题的模型构建与分析22-40
• 2.1 路径规划的定义22-23
• 2.2 路径规划研究基本问题23-25
• 2.2.1 航空器滑行路径因素分析23-24
• 2.2.2 路径规划的优化目标24-25
• 2.3 PETRI网理论基础25-30
• 2.3.1 Petri网结构26-28
• 2.3.2 赋时Petri网28-29
• 2.3.3 Petri网建模方法29-30
• 2.4 机场场面滑行路径的建模30-36
• 2.4.1 机场场面活动建模30-35
• 2.4.2 航空器滑行路径建模35-36
• 2.5 滑行路径规划方法36-37
• 2.6 航空器滑行路径规划的数学模型37-39
• 2.7 本章小结39-40
• 第三章 遗传算法研究及其与PETRI网结合应用40-49
• 3.1 遗传算法基本原理40-42
• 3.1.1 人工智能算法概述40
• 3.1.2 遗传算法生物学基础40-42
• 3.2 遗传算法的特点42-43
• 3.3 遗传算法的实现步骤与流程43-47
• 3.3.1 编码45
• 3.3.2 初始种群45-46
• 3.3.3 适应度函数46
• 3.3.4 遗传操作46-47
• 3.4 遗传算法的数学模型及该算法与PETRI网结合47-48
• 3.4.1 遗传算法的基本数学模型47
• 3.4.2 遗传算法与Petri网结合47-48
• 3.5 本章小结48-49
• 第四章 基于遗传算法的航空器路径优化问题求解49-54
• 4.1 路径规划的遗传算法具体设计49-52
• 4.1.1 染色体编码49-50
• 4.1.2 初始化群体50
• 4.1.3 适应度函数50-51
• 4.1.4 遗传算子的设计51-52
• 4.2 基于遗传算法的路径求解图52-53
• 4.3 本章小结53-54
• 第五章 基于MATLAB算例仿真与分析54-61
• 5.1 航空器滑行路径规划案例54-56
• 5.2 航空器滑行路径规划求解56-60
• 5.3 本章小结60-61
• 第六章 总结与展望61-63
• 6.1 本文的工作61
• 6.2 论文的创新点61-62
• 6.3 本文的不足与研究展望62-63
• 参考文献63-65
• 附录65-68
• 攻读硕士学位期间取得的学术成果68-69
• 致谢69

【参考文献】

中国期刊全文数据库 前10条

1 苏永涛;仉俊峰;;基于图论方法的路径规划应用[J];电测与仪表;2012年01期

2 刘兆明;葛宏伟;钱锋;;基于遗传算法的机场调度优化算法[J];华东理工大学学报(自然科学版);2008年03期

3 汤新民;钟诗胜;;基于确定时间连续Petri网的航空发动机总装资源调度[J];计算机集成制造系统;2008年09期

4 黄光球;苏海洋;刘冠;;基于蚁群算法的Petri网最优路径序列寻找[J];计算机应用;2007年04期

5 董天圣;彭舰;;基于遗传算法的机场滑行调度优化策略[J];计算机应用;2010年02期

6 丁建立;李晓丽;李全福;;基于改进蚁群协同算法的枢纽机场场面滑行道优化调度模型[J];计算机应用;2010年04期

7 何胜学;范炳全;;动态交通路网中有效路径的确定方法(英文)[J];交通运输工程与信息学报;2006年01期

8 徐肖豪;臧志恒;;基于MILP的飞机滑行排序的优化[J];交通与计算机;2007年02期

9 刘长有;丛晓东;;基于遗传算法的飞机滑行路径优化[J];交通信息与安全;2009年03期

10 孙同江,黄圣国;运输网络最大流的Petri网图仿真算法[J];交通运输工程学报;2002年03期

，

本文编号：811153