Optimizatsiya vysotno-skorostnogo profilya kreyserskogo poleta vozdushnogo sudna v real'noy atmosfere

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

This paper considers subsonic turbojet aircraft fuel consumption minimization problem during cruise phase, assuming fixed time of arrival. The problem takes into account real atmosphere data. We utilize tailwind/headwind component values at various flight levels, as well as air temperatures and atmospheric pressures at various altitudes. The solution to the altitude and speed flight profile optimization problem is through constrained coordinate descent method. The paper considers optimizing the fuel consumption of a medium-haul aircraft during the cruise phase using sample data set on temperature, pressure, and wind speed. The proposed approach achieves a decrease in fuel consumption of 1.2% when optimizing with regard to real atmosphere.

Авторлар туралы

V. Aleksandrov

Trapeznikov Institute of Control Sciences, Russian Academy of Sciences

Email: va.alexandrov@yandex.ru
Moscow, Russia

E. Zybin

State Research Institute of Aviation Systems

Email: zybin@mail.ru
Moscow, Russia

V. Kos'yanchuk

State Research Institute of Aviation Systems

Email: kos.vl.v@gmail.com
Moscow, Russia

N. Sel'vesyuk

State Research Institute of Aviation Systems

Email: nis@gosniias.ru
Moscow, Russia

E. Stefanyuk

Trapeznikov Institute of Control Sciences, Russian Academy of Sciences; Moscow Institute of Physics and Technology (National Research University)

Email: stefa@ipu.ru
Moscow, Russia; Dolgoprudny, Russia

A. Tremba

Trapeznikov Institute of Control Sciences, Russian Academy of Sciences; Moscow Institute of Physics and Technology (National Research University)

Email: atremba@ipu.ru
Moscow, Russia; Dolgoprudny, Russia

M. Khlebnikov

Trapeznikov Institute of Control Sciences, Russian Academy of Sciences; Moscow Institute of Physics and Technology (National Research University)

Хат алмасуға жауапты Автор.
Email: khlebnik@ipu.ru
Moscow, Russia; Dolgoprudny, Russia

Әдебиет тізімі

  1. Александров В.А., Зыбин Е.Ю., Косьянчук В.В., Сельвесюк Н.И., Тремба А.А., Хлебников М.В. Оптимизация высотно-скоростного профиля крейсерского полета воздушного судна при фиксированном времени прибытия // АиТ. 2021. № 7. С. 69-85.
  2. Губарева Е.А., Мозжорина Т.Ю. Оптимизация программы полета дозвукового пассажирского самолета на участке крейсерского полета // Инженерный журнал: наука и инновации. 2014. Вып. 12(36).
  3. Голубева А.А., Григоров П.Ю., Куланов Н.В. Современная методология решения задачи вертикальной навигации самолетов гражданской и военно-транспортной авиации // XII мультиконференция по проблемам управления (МКПУ-2019). 2019. С. 32-35.
  4. Сагалаков А.Э., Филатьев А.С. К оптимизации траекторий летательных аппаратов в реальной атмосфере // Ученые записки ЦАГИ. 2019. Т. 50. № 4. С. 31-52.
  5. Saucier A., Maazoun W., Soumis F. Optimal speed-profile determination for aircraft trajectories // Aerosp. Sci. Technol. 2017. V. 67. P. 327-342.
  6. Franco A., Rivas D. Optimization of Multiphase Aircraft Trajectories Using Hybrid Optimal Control // Journal of Guidance, Control, and Dynamics. 2015. Vol. 38. No. 3. P. 452-467.
  7. Valenzuela A., Rivas D. Analysis of along-track variable wind effects on optimal aircraft trajectory generation // Journal of Guidance, Control, and Dynamics. 2016. Vol. 39. No. 9. P. 2148-2155.
  8. Мозжорина Т.Ю., Губарева Е.А. Моделирование влияния атмосферных условий на результаты оптимизации программы полета дозвукового пассажирского самолета // Математическое моделирование и численные методы. 2014. № 3. С. 74-88.
  9. Dancila R.I., Botez R.M. New atmospheric data model for constant altitude accelerated flight performance prediction calculations and flight trajectory optimization algorithms // Proc. of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering. 2021. 235(4). P. 405-426.
  10. Takeichi N. Adaptive prediction of flight time uncertainty for ground-based 4D trajectory management // Transportation Research Part C: Emerging Technologies. 2018. Vol. 95. P. 335-345.
  11. Bartel M., Young T.M. Simplified Thrust and Fuel Consumption Models for Modern Two-Shaft Turbofan Engines // Journal of Aircraft. 2008. No. 45(4). P. 1450-1456.
  12. Григоров П.Ю., Куланов Н.В. Применение концепции обратных задач динамики в задачах вертикальной навигации // Известия РАН. Теория и системы управления. 2016. № 3. С. 130-140.
  13. Hull D.G. Fundamentals of Airplane Flight Mechanics. Berlin Heidelberg: Springer-Verlag, 2007.
  14. Поляк Б.Т. Введение в оптимизацию. 2-е издание, исправленное и дополненное. М.: ЛЕНАНД, 2014.
  15. ГОСТ 4401-81. Атмосфера стандартная. Параметры. М.: Изд-во стандартов, 2004.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

© The Russian Academy of Sciences, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».