大规模场景下多航空器飞行冲突检测与解脱算法研究

来源 :中国科学院研究生院 中国科学院大学 | 被引量 : 0次 | 上传用户:yueyangmm22
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着航空技术的不断进步,以及国际形势的发展变化,全球空中交通日趋繁忙和复杂,空域管理面临越来越大的挑战,尤其是在覆盖众多类型航空器的军事应用中。因此,大规模场景下多航空器之间的冲突检测与解脱是涉及未来空域管理发展与国防安全的一项关键技术。传统的基于两两检测的冲突检测方法效率较低,为满足大规模场景下高可靠性、高性能的要求,本文提出了多级空间哈希冲突检测方法。该方法基于动态空间划分以及航线分割,使用四层空间哈希表,能够快速定位潜在冲突区域。与以往基于离散点检测的方法不同,本方法采用连续模型距离检测,准确性更高。   本文针对检测到的冲突,提出基于优先级序列的解脱方法。该方法在不改变计划路径和速率的情况下,按照优先级依次调整航空器到达各关键点的时间来避免飞行冲突。与在检测与解脱间迭代的传统模式相比,该算法仅需一遍就能给出正确的调整方案。仿真结果表明,本文设计的算法在大规模场景下能够更加高效地发现飞行冲突,并快速解脱。此外,提出了基于A*算法搜索合理时间序列的最优化解脱方法。实验示例表明利用A*算法的启发函数,并考虑冲突数量和要调整的航空器数量,该算法能非常有效地指导结点选择,快速到达总调整时间最小的目标最优解。最后,应用上述算法,本文设计并实现了基于C/S架构的三维空域管理系统。该系统可作为空域管理辅助决策工具,帮助用户管理和控制各类飞行事务,有效防止空中交通事故的发生。
其他文献
动态场景中真实感软影的实时绘制一直是计算机图形学中的研究热点。其中,反投影软影绘制技术是实时软影绘制的重要方法之一,它能精确的模拟物理过程,产生高度真实的绘制效果。但
P2P网络(Peer-to-Peer Network)是当前开放、自由网络的典型代表,它改变了用户资源共享和信息交互的使用模式及其层次,并获得了商业界和学术界的广泛关注和重视。然而在自由
机器人足球是近年来人工智能领域发展较快的一个分支。主要分为FIRA和ROBOCUP两大赛事。本文的研究对象为FIRA机器人足球赛中的Androsot项目。本文对人形机器人比赛Androsot
随着无线通信技术的不断发展,不可或缺的无线频谱资源已成为限制信息社会无线通信与服务应用发展的瓶颈。认知无线电这一解决无线频谱资源紧缺问题的方法成为国内外研究的热点
普通数码相机所拍摄的图像具有大视场图像分辨率低、分辨率高的图像视场小的特点。为了解决视场和分辨率的矛盾,人们提出了图像拼接技术,将反映同一场景的多幅有重叠区域的图像
自主导航能力是移动机器人在”智能”和”自主性”上的重要体现,拥有这种能力的机器人能够在不依赖人类控制的条件下,执行定位和认知活动,从而能够穿越未知的环境而到达目的地。
当今社会很多实际问题都可以归结为大规模的模式识别问题,比如对网页信息的数据挖掘、交通系统客流分析等等。然而对于大规模问题,即使像SVM等高效算法依然难以真正突破这个
随着信息技术的广泛应用和Intenet的飞速发展,网络上的Web服务资源数量急剧增多。基于功能性匹配的服务选择算法在服务资源有限的情况下能比较准确的选择服务请求者满意的服
本文对基于可执行文件的漏洞挖掘和利用技术进行了深入的研究和探讨。安全漏洞(Vulnerability)是网络攻防的关键。先进的漏洞挖掘和利用技术有助于研究者先于攻击者发现安全
本文设计了一个面向实时网络安全处理的密钥系统,该系统能高速地产生高性能的密钥,密钥产生的速度很好地满足了网络实时加密流加密的需求,并且产生的密钥随机性高,能通过FIPS