基於ADS-B數據的GNSS PBN飛行技術誤差評估

《基於ADS-B數據的GNSS PBN飛行技術誤差評估》是依託北京航空航天大學，由朱衍波擔任項目負責人的聯合基金項目。

基本介紹

• 中文名：基於ADS-B數據的GNSS PBN飛行技術誤差評估
• 依託單位：北京航空航天大學
• 項目負責人：朱衍波
• 項目類別：聯合基金項目

項目摘要

對飛機的實際導航性能（ANP），特別是飛行技術誤差（FTE）的準確評估是我國民航實施GNSS PBN的關鍵難題之一。由於國外飛機製造商對飛機的飛行控制系統性能向我國嚴格保密，並且使用試驗驗證方式獲得飛機FTE統計特徵所需成本高昂，因此，我國對飛機FTE的評估工作不得不長期依賴國外。本項目面向我國民航GNSS PBN運行中對FTE進行準確評估的迫切需求，利用民航全國ADS-B地面站獲得的飛機航跡監視數據，開展GNSS PBN運行的FTE評估與驗證研究工作，針對ADS-B航跡中FTE與NSE的相互耦合性、所獲得FTE數據的不確定性、FTE統計特徵的非高斯特性等難題，突破ADS-B航跡中NSE與FTE的解耦方法、不確定FTE數據的自適應聚類方法和FTE的可信建模方法等關鍵技術，建立不同機型、不同機載設備、不同飛行階段的FTE統計特徵模型，為我國民航實施基於GNSS的PBN運行提供重要技術支撐。

結題摘要

對飛機的實際導航性能（ANP），特別是飛行技術誤差（FTE）的準確評估是我國民航實施GNSS PBN的關鍵難題之一。由於國外飛機製造商對飛機的飛行控制系統性能向我國嚴格保密，並且使用試驗驗證方式獲得飛機FTE統計特徵所需成本高昂。因此，本項目面向我國民航GNSS PBN運行中對FTE進行準確評估的迫切需求，結合ADS-B的工作原理，分析了ADS-B航跡中NSE與FTE之間通過飛行控制系統相互耦合的原理。利用地基區域完好性監視系統的GNSS導航誤差監測結果，對由ADS-B監視數據獲得的飛機報告航跡中的NSE與FTE進行解耦；採用徑向基函式神經網路（Radial Basis Function Neural Network，RBFNN）實現對實際飛行控制系統輸入輸出關係的準確模擬，並利用均值聚類對RBFNN隱含層節點數量和各節點的數據中心值進行計算。對於FTE統計特徵非高斯特性的難題，提出了基於核平滑的高度數據平滑方法，並結合實際數據比較所提出方法與現行方法的優劣。同時，提出了基於混合高斯分布模型的航空器ASE分布擬合方法。