中国民用航空飞行学院空中交通管理学院, 四川 广汉 618307
为明确ARJ21飞机近地阶段的尾涡观测效率及演化过程, 基于在双流机场开展的尾涡实地探测, 提出一种基于相关多普勒激光雷达径向风速的尾涡快速识别方法, 并基于此方法分析ARJ21飞机起降阶段的尾涡演化过程。结果显示, ARJ21飞机的尾涡在近地面处产生, 然后向下、向外扩散, 尾涡环量随时间变化逐渐减小, 但在特定的近地效应影响下, 会发生二次涡诱导主涡反弹现象, 涡核高度由13 m处上升至18 m处。同时, 侧风条件会加速ARJ21飞机的尾涡耗散, 并使其平移至跑道外, 尾涡持续时间由非侧向风下的约70 s缩减至侧风条件下的约42 s。
相关多普勒激光雷达 尾涡识别 近地效应 尾涡耗散 coherent doppler lidar wake vortex detection ARJ21 ARJ21 near-ground effect wake vortex dissipation
中国民用航空飞行学院 空中交通管理学院，广汉 618307
为了对脉冲多普勒激光雷达探测径向速度场进行识别，建立了基于k最近邻(KNN)方法的分类模型。结合飞机尾涡Hallock-Burnham模型和脉冲多普勒激光雷达特性，提取脉冲多普勒激光雷达探测径向速度场的特征参量。基于现有测试数据，在非均匀背景风场下利用KNN方法对飞机尾涡进行识别。结果表明，以准确率(ACC)和ROC曲线下的面积(AUC)作为评估标准，所提出的方法对尾流识别所获得的ACC和AUC分别为0.772和0.855。该方法可有效地识别飞机尾涡并具备较好的鲁棒性。
激光技术 多普勒激光雷达 k最近邻 特征提取 尾涡识别 laser technique Doppler LiDAR k-nearest neighbor feature extraction wake vortex identification
中国民用航空飞行学院空中交通管理学院，四川广汉 618307
为解决飞机尾涡威胁后机飞行安全问题，保障空中交通安全，提高机场和空域容量，提出了一种基于 AlexNet卷积神经网络模型的算法，实现飞机尾涡的准确识别。结合多普勒激光雷达探测原理和 Hallck-Burnham尾涡速度经典模型，构建了 AlexNet神经网络模型提取大气风场中的尾涡速度云图的图像特征，识别飞机尾涡。研究表明，该模型能够准确识别目标空域中的飞机尾涡，网络模型收敛后对尾涡识别的准确率高达 91.30%，并具有低虚警率，能有效地实现对飞机尾涡的识别和预警，达到尾涡监测的目的。
尾涡识别 AlexNet卷积神经网络 目标识别 多普勒激光雷达 wake vortex identification AlexNet convolution neural network target recognition Doppler LiDAR
中国民用航空飞行学院 空中交通管理学院, 广汉 618307
为了提高民航安全和飞行效率, 实现对尾涡的准确识别, 对飞机尾涡的空气动力学理论, 特别是经典的Hallock-Burnham尾涡速度数学模型进行了分析研究。结合多普勒激光雷达探测涡流风场径向速度的原理, 建立了雷达飞机尾涡探测的径向速度标准模型,引入滑动窗口思想, 提出一种基于波形相似度匹配的方法, 对尾涡进行自动识别, 并给出了详细的算法流程;利用实测的激光雷达风场及雷达底层数据和假设检验方法对该识别方法进行了理论分析和实验验证。结果表明, 该算法对飞机尾涡的有效识别率为90%。研究结果对进一步的尾涡监测具有一定参考价值。
信号处理 多普V328.3 TN958.98勒激光雷达 尾涡识别 Hallock-Burnham速度模型 滑动窗口 波形匹配 signal processing Doppler lidar wake vortex identification Hallock-Burnham velocity model sliding window waveform matching
