CN111816005A - 基于ads-b的远程驾驶飞机环境监视优化方法 - Google Patents

Abstract

一种基于ADS‑B的远程驾驶飞机环境监视优化方法，利用统计模型进行卡尔曼滤波，将ADS‑B导航数据与TCAS数据分别进行局部优化后，按矩阵加权线性最小方差准则进行最优信息融合得到融合航迹，并通过融合航迹提升飞行安全性和飞行品质，对飞行环境监视进行优化，然后从ADS‑B信号中解析交通环境信息，依据飞行管理系统的飞行计划和当前飞行阶段确定交通态势组织模式，通过舱内显示系统显示和构建相应的飞行交通态势，实现空中防撞增强监视和碰撞态势感知与监视。本发明通过融合ADS‑B与TCAS的数据，有效降低TCAS的虚警率/漏警率，并基于ADS‑B技术，针对不同飞行场景和飞行阶段提出监视能力提升方案，用以提高远程驾驶的交通态势感知能力，从而提高远程驾驶情形下的飞行安全性。

Description

基于ADS-B的远程驾驶飞机环境监视优化方法

技术领域

本发明涉及的是一种航空控制领域的技术，具体是一种基于广播式自动相关监视(ADS-B)的远程驾驶飞机环境监视优化方法。

背景技术

现有的自动相关监视(ADS)包括ADS-Addressing选址式(ADS-A)和ADS-Contract合约式(ADS-C)等几种模式，其中的ADS-B(ADS-Broadcast广播式)，即广播式自动相关监视，由机载导航设备和GNSS定位系统生成的精确定位信息，地面设备和其他航空器通过航空数据链接收此信息，飞机以及地面系统通过高速数据链进行空对空、空对地以及地面的一体化协同监视。ADS-B与ADS-A/C最大的不同在于它不是采用点对点的通信方式，而是采用广播的方式。如此，不仅可以实现地面对飞机的监视，同时也可以实现飞机与飞机之间的互相监视。ADS-B是一种可应用的较为精确的空域监视技术，被FAA认为是未来实现自由飞行的重要组成部分。它可以被用在防撞、监视和辅助进近方面，并发挥较大作用，与一次监视雷达、二次监视雷达系统相比，它在实时性、准确性和经济性上具有明显的优势。ADS-B及其相关技术是未来发展空域态势监视的必然方向，它的实施与包括自由飞行在内的未来空中交通方式相契合，也对民用飞机制造有着良好的借鉴作用。

ADS-B系统数据可以提升空中防撞系统(TCAS)的预测精度，提高远距离真实告警的概率，降低虚警率和漏警率。TCAS II系统与ADS-B系统结合后会在空中告警准确性和飞行安全性方面有很大的收益。采用航迹融合与决策优化后，系统的精度得到提升，而且即使出现TCAS或者ADS-B单方某个关键信息丢失，依然可以保证系统正常运行，告警系统发生失效的概率降低。

发明内容

本发明针对现有监视系统仍主要依靠TCAS、TAWS、WXR等传统监视设备的不足，提出一种基于ADS-B的远程驾驶飞机环境监视优化方法，通过融合ADS-B与TCAS的数据，有效降低TCAS的虚警率/漏警率，并基于ADS-B技术，针对不同飞行场景和飞行阶段提出监视能力提升方案，用以提高远程驾驶的交通态势感知能力，从而提高远程驾驶情形下的飞行安全性。

本发明是通过以下技术方案实现的：

本发明涉及一种基于ADS-B的远程驾驶飞机环境监视优化方法，利用统计模型进行卡尔曼滤波，将ADS-B导航数据与TCAS数据分别进行局部优化后，按矩阵加权线性最小方差准则进行最优信息融合得到融合航迹，并通过融合航迹提升飞行安全性和飞行品质，对飞行环境监视进行优化，然后从ADS-B信号中解析交通环境信息，依据飞行管理系统(FMS)的飞行计划和当前飞行阶段确定交通态势组织模式，通过舱内显示系统(CDIT)显示和构建相应的飞行交通态势，实现空中防撞增强监视和碰撞态势感知与监视。

所述的卡尔曼滤波，采用反馈控制的方法估计过程状态，时间更新方程用于及时向前推算当前状态变量和误差协方差估计的值，测量更新方程用于进行反馈。

所述的时间更新方程为：

Q(k)＝2aσ_a ²Q*f(x，y，σ)，

其中：T为采样周期，a为机动频率，A(k)为状态转移矩阵，B(k)为输入矩阵，Q(k)为过程噪声矩阵，σ_a ²为机动加速度方差，

为状态估计，

为状态协方差。

所述的测量更新方程为：

其中：K_k为过程参数，

为状态估计，P_k为状态协方差。

所述的融合航迹是指：P_f(k)＝(P_ADS-B(k)^-1+P_TCAS(k)^-1)^-1，X_f(k)＝P_f(k)(P_TCAS(k)^{- 1}X_TCAS(k)+P_ADS-B(k)^-1X_ADS-B(k))，其中：P_f(k)为融合系统误差协方差，P_ADS-B(k)为ADS-B系统误差协方差，P_TCAS(k)为TCAS系统误差协方差；X_f(k)为融合系统状态矩阵，X_TCAS(k)为TCAS系统状态矩阵，X_ADS-B(k)为ADS-B系统状态矩阵。

已知L个传感器的无偏估计

且已知估计误差协方差阵P_ij，i，j＝1，...L，按矩阵加权线性最小方差无偏融合估计

最优加权阵为[A₁，...，A_L]＝(e^TP^-1e)^-1e^TP^-1，最优融合估计误差方差阵P₀＝(e^TP^-1e)^-1。

本发明中L＝2。

所述的ADS-B信号包括来自发射机向空域中发送的ADS-B信号或空域中民航或通航飞机实际飞行产生的ADS-B信号，其中包括飞机的飞行识别号，水平位置，高度，水平速度，垂直速度；航向等。

所述的空中防撞增强监视是指：ADS-B信号在设备端进行必要的数据解码、数据转换等处理后，可以在CDIT中实时显示并发送作为TCAS子系统的输入，再通过上述方法将ADS-B导航数据与TCAS数据分别进行局部优化，然后按矩阵加权线性最小方差准则进行最优信息融合，再依据飞行阶段状态和飞行间隔定义，建立显示与告警监视模式。

所述的碰撞态势感知与监视是指：根据ADS-B获取到的交通环境信息，基于地面监视雷达的空管系统空域信息通信，依据飞行阶段的飞行间隔定义，支持TCAS计算临近飞行的轨迹，通过FMS系统飞行计划航路，预测飞行交通冲突，提供包括飞行交通冲突咨询(TA)和空中决断咨询(RA)的显示和咨询。

技术效果

与现有技术相比，本发明在引入航迹跟踪模型，卡尔曼滤波和最优信息融合的基础上，对TCAS、ADS-B两类监视系统融合，通过飞行器空间运动模型生成航迹，利用经度、纬度、高度三维信息分析TCAS，ADS-B以及融合系统的数据精度，由空中交通防撞系统的核心处理模型解算出到达两机最接近点的时间(CPA)，分析数据融合对于改善虚警、漏警的收益，在RA决策时入侵机模拟人在回路进行机动规避。信息融合的正收益和负收益，采用航迹融合与决策优化后，系统的精度得到提升，从而改善系统虚警、漏警情况，提升系统安全性，对远程驾驶的飞机环境监视进行优化。

附图说明

图1为空域飞行器航迹示意图；

图2为分系统与融合系统均方误差比较示意图；

图3为TCAS与融合系统均方误差比较示意图；

图4为ADS-B与融合系统均方误差比较示意图；

图5为CPA(最接近点)时间解算图；

图6为TCAS算法流程图；

图7为各系统虚警、漏警统计图；

图8为监视能力提升方案框架图。

图9为决策时模拟人在回路机动规避航迹图。

图10为RA决策区间CPA累计偏差图。

图11为注入阶跃故障的幅值100m时的CPA统计图。

图12为注入阶跃故障的幅值100m时的各系统虚警、漏警统计图。

图13为注入斜坡故障以100m累加时的CPA统计图。

图14注入斜坡故障的以100m累加时的各系统虚警、漏警统计图。

具体实施方式

本实施例由飞行器空间运动模型生成航迹，基于当前统计模型对ADS-B和TCAS系统的经度、纬度、高度三维信息进行局部卡尔曼滤波，并分析TCAS系统，ADS-B系统以及融合后系统的数据精度，结合空中交通防撞系统的核心处理模型，计算到达两机最接近点的时间，统计各系统的虚警、漏警情况，分析数据融合给组合监视系统带来的收益。

仿真条件：飞行过程经历3000s，采样周期T＝1s，本机初始位置：东经98度，北纬29度，高度4502米；入侵机初始位置东经106度，北纬29度，高度3000米，TCAS观测噪声标准差20，ADS-B观测噪声标准差10。两机在空间中的航迹如图1所示。这里图1航迹是飞机从300m逐渐往上爬升，然后定高巡航，因为XY坐标分别以经度、纬度的度为单位，高度4000m相对于XY轴变化量很小，所以其实上升段为一条斜线。

以下为进行200次实验得到的统计结果，结合图2～图4进行分析，融合后系统的均方误差小于TCAS、ADS-B分系统的均方误差，即融合后的航迹信息优于分系统进行局部卡尔曼滤波得到的信息。

如图5所示，为将局部卡尔曼滤波以及融合后的航迹分别加入到TCAS核心解算模型进行CPA值解算得到的CPA曲线图。

如图6所示，为TCAS算法流程图，通过飞行解算模型生成航迹信息，融合系统核心处理程序进行数据接收，并经大地坐标系与地心坐标系转换之后进入CPA算法，计算本机、他机相对位置，估计相遇时间，完成冲突预判后进入RA决策。

本实施例中进行200次独立重复实验，统计在TA(CPA处于35-45s)、RA(CPA<35s)告警时段内各系统提前告警与滞后告警的次数。虚警统计为实际系统告警时刻提前理论告警时刻超过阈值(1s)，漏警实际系统告警滞后理论告警时刻超过阈值(1s)。如图7和表1所示，可以进行定性以及定量分析，得出融合系统在TA告警和RA告警区间内均能减少发生虚警、漏警的次数。漏警及延迟告警压缩了系统与飞行员的规避反应时间，严重影响飞行安全性，因此更精确的告警时间可以提升系统安全性，带来正向收益。

	TCAS	ADS-B	融合系统
				虚警(TA时)/次	1089	534	380
漏警(TA时)/次	877	504	365
				虚警(RA时)/次	1036	329	170
漏警(RA时)/次	999	379	193

如图8所示的子方案可以在不同飞行阶段针对不同监视场景提升远程驾驶的环境监视能力，例如常规飞行过程、场面滑行过程、进近飞行过程、洋区飞行过程、飞行间隔保持这五个过程，同时还可细分到不同监视场景。

接下来针对某典型飞行阶段和场景对本发明做进一步说明。该部分选取的是TCAS得出RA告警的情形。

TCAS核心处理系统对空域态势进行评估，得出RA告警决策。通过入侵机以1500英尺每分钟的爬升率爬升进行机动规避，模拟人在回路的动态响应，包括飞行员实际操作的响应延迟，机械电气系统的响应延迟均可以考虑在内，此处计算机仿真将上述延迟假定为一常数。

对RA决策机动区间内的偏差数据进行累计，从图10可以得出融合系统可以改善CPA的累计偏差，确保飞行员在机动规避时更精确的响应，保障飞行安全。

若融合系统中ADS-B信息丢失，ADS-B本身局部滤波航迹出现混沌，融合系统若不采取措施会发生原先故障库中可能没有的不可预知的故障。而通过当前时刻以及前几个时刻的数据信息计算局部变化率平方和侦测这种数据畸变，自适应调整融合权值，将单一系统的故障淡化，虽然精度较发生故障前有所降低，降级为TCAS的精度与虚警、漏警情况，但依然可以保证系统稳定运行，带来融合收益。

对ADS-B的纬度信息分别注入不同幅值的阶跃，不同速度的斜坡故障得到的系统响应，分析TCAS与融合系统的虚警、漏警统计结果，证明融合系统在上述故障模式下可以保证系统稳定运行，并且优于单一TCAS系统的安全性。

如图11和图12所示，分别展示了注入阶跃故障的幅值100m时的CPA统计图和各系统虚警、漏警统计图。

如图13和图14所示，分别展示了注入斜坡故障的以100m累加时的CPA统计图和各系统虚警、漏警统计图。

上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。

Claims (8)

1.一种基于ADS-B的远程驾驶飞机环境监视优化方法，利用统计模型进行卡尔曼滤波，将ADS-B导航数据与TCAS数据分别进行局部优化后，按矩阵加权线性最小方差准则进行最优信息融合得到融合航迹，并通过融合航迹提升飞行安全性和飞行品质，对飞行环境监视进行优化，然后从ADS-B信号中解析交通环境信息，依据飞行管理系统的飞行计划和当前飞行阶段确定交通态势组织模式，通过舱内显示系统显示和构建相应的飞行交通态势，实现空中防撞增强监视和碰撞态势感知与监视。

2.根据权利要求1所述的方法，其特征是，所述的卡尔曼滤波，采用反馈控制的方法估计过程状态，时间更新方程用于及时向前推算当前状态变量和误差协方差估计的值，测量更新方程用于进行反馈。

3.根据权利要求1所述的方法，其特征是，所述的时间更新方程为：

Q(k)＝2aσ_a ²Q*f(x,y,σ)，

其中：T为采样周期，a为机动频率，A(k)为状态转移矩阵，B(k)为输入矩阵，Q(k)为过程噪声矩阵，σ_a ²为机动加速度方差，为状态估计，

为状态协方差。

4.根据权利要求1所述的方法，其特征是，所述的测量更新方程为：

其中：K_k为过程参数，

为状态估计，P_k为状态协方差。

5.根据权利要求1所述的方法，其特征是，所述的融合航迹是指：P_f(k)＝(P_ADS-B(k)^-1+P_TCAS(k)^-1)^-1，X_f(k)＝P_f(k)(P_TCAS(l)^-1X_TCAS(k)+P_ADS-B(k)^-1X_ADS-B(k))，其中：P_f(k)为融合系统误差协方差，P_ADS-B(k)为ADS-B系统误差协方差，P_TCAS(k)为TCAS系统误差协方差；X_f(k)为融合系统状态矩阵，X_TCAS(k)为TCAS系统状态矩阵，X_ADS-B(k)为ADS-B系统状态矩阵；

已知L个传感器的无偏估计

且已知估计误差协方差阵P_ij,i,j＝1,…L，按矩阵加权线性最小方差无偏融合估计

最优加权阵为[A₁,…,A_L]＝(e^TP^-1e)^{- 1}e^TP^-1，最优融合估计误差方差阵P₀＝(e^TP^-1e)^-1。

6.根据权利要求1所述的方法，其特征是，所述的ADS-B信号包括来自发射机向空域中发送的ADS-B信号或空域中民航或通航飞机实际飞行产生的ADS-B信号，其中包括飞机的飞行识别号，水平位置，高度，水平速度，垂直速度；航向。

7.根据权利要求1或6所述的方法，其特征是，所述的空中防撞增强监视是指：ADS-B信号在设备端进行必要的数据解码、数据转换等处理后，可以在CDIT中实时显示并发送作为TCAS子系统的输入，再通过上述方法将ADS-B导航数据与TCAS数据分别进行局部优化，然后按矩阵加权线性最小方差准则进行最优信息融合，再依据飞行阶段状态和飞行间隔定义，建立显示与告警监视模式。

8.根据权利要求1或6所述的方法，其特征是，所述的碰撞态势感知与监视是指：根据ADS-B获取到的交通环境信息，基于地面监视雷达的空管系统空域信息通信，依据飞行阶段的飞行间隔定义，支持TCAS计算临近飞行的轨迹，通过FMS飞行计划航路，预测飞行交通冲突，提供包括飞行交通冲突咨询和空中决断咨询的显示和咨询。

Images