[论文解读] Flight Trajectory Planning for Fixed-Wing Aircraft in Loss of Thrust Emergencies

Saswata Paul, Frederick Hole+2 more|arXiv (Cornell University)|Oct 31, 2017

Air Traffic Management and Optimization参考文献 12被引用 13

一句话总结

本文提出了一种用于固定翼飞机在完全或部分推力丧失紧急情况下的实时飞行轨迹规划的动态数据驱动航空电子软件（DDDAS）框架。通过从机载传感器数据中动态推断基准滑翔比，系统实时更新几何性能模型，利用滑翔比和转弯半径约束生成并排序安全、数据驱动的飞行轨迹，优于传统的杜比斯路径方法。在全美航空1549号航班的模拟中，该方法将可到达着陆时间延长了最多36秒，从而提升了紧急情况下的决策支持能力。

ABSTRACT

Loss of thrust emergencies-e.g., induced by bird/drone strikes or fuel exhaustion-create the need for dynamic data-driven flight trajectory planning to advise pilots or control UAVs. While total loss of thrust trajectories to nearby airports can be pre-computed for all initial points in a 3D flight plan, dynamic aspects such as partial power and airplane surface damage must be considered for accuracy. In this paper, we propose a new Dynamic Data-Driven Avionics Software (DDDAS) approach which during flight updates a damaged aircraft performance model, used in turn to generate plausible flight trajectories to a safe landing site. Our damaged aircraft model is parameterized on a baseline glide ratio for a clean aircraft configuration assuming best gliding airspeed on straight flight. The model predicts purely geometric criteria for flight trajectory generation, namely, glide ratio and turn radius for different bank angles and drag configurations. Given actual aircraft performance data, we dynamically infer the baseline glide ratio to update the damaged aircraft model. Our new flight trajectory generation algorithm thus can significantly improve upon prior Dubins based trajectory generation work by considering these data-driven geometric criteria. We further introduce a trajectory utility function to rank trajectories for safety. As a use case, we consider the Hudson River ditching of US Airways 1549 in January 2009 using a flight simulator to evaluate our trajectories and to get sensor data. In this case, a baseline glide ratio of 17.25:1 enabled us to generate trajectories up to 28 seconds after the birds strike, whereas, a 19:1 baseline glide ratio enabled us to generate trajectories up to 36 seconds after the birds strike. DDDAS can significantly improve the accuracy of generated flight trajectories thereby enabling better decision support systems for pilots in emergency conditions.

研究动机与目标

• 解决在推力丧失紧急情况下静态、基于模型的轨迹规划的局限性，其中实时因素如风力、部分动力和损伤会影响飞机性能。
• 开发一种动态、数据驱动的方法，利用飞行中的传感器测量值实时更新飞机性能模型，以反映实际飞行能力。
• 基于几何准则（滑翔比和转弯半径）在不同坡度角和阻力构型下生成并排序安全、可飞行的轨迹。
• 通过提供优先级排序、准确的轨迹选项，提升飞行员在紧急情况下的决策能力，以反映实时飞机状态。
• 使用全美航空1549号航班哈德逊河迫降案例进行系统评估，模拟传感器数据并验证轨迹可行性。

提出的方法

• 系统使用一个由基准滑翔比 $g_0$ 参数化的受损飞机性能模型，$g_0$ 表示在清洁构型下的最佳滑翔速度。
• 利用飞行中的传感器数据（空速、GPS、气压高度）动态推断实际 $g_0$，实时更新性能模型。
• 轨迹生成基于几何约束：不同坡度角和阻力设置下的滑翔比和转弯半径，由 $g_0$ 衍生得出。
• 轨迹效用函数根据安全指标对轨迹进行排序：到着陆点的距离、总长度、时间、平均高度、跑道段延伸长度和平均坡度角。
• 系统在高保真X-Plane飞行模拟器中将生成的轨迹与模拟飞行数据进行对比，以验证准确性和可行性。
• 反馈回路实现模型优化：若传感器数据偏离预测性能，则重新估计 $g_0$ 并重新运行轨迹生成过程。

实验结果

研究问题

• RQ1 通过适应实时飞机性能，动态数据驱动方法是否能提升推力丧失紧急情况下的飞行轨迹规划准确性？
• RQ2 从传感器数据中动态推断基准滑翔比如何提升生成轨迹的可行性和安全性？
• RQ3 与静态模型相比，该系统在多大程度上扩展了到达安全着陆点的时间窗口？
• RQ4 不同的轨迹排序指标（如到跑道的接近度、坡度角）如何影响最优紧急着陆路径的选择？
• RQ5 该系统能否在高保真度的真实世界紧急情况模拟（如全美航空1549号航班）中生成并验证现实可行的可飞行轨迹？

主要发现

• 使用17.25:1的基准滑翔比，系统在全美航空1549号航班模拟中，可在鸟击后最多28秒内生成通往拉瓜迪亚机场跑道的可行轨迹。
• 采用更保守的基准滑翔比19:1时，系统将可到达窗口延长至36秒，表明在部分推力情况下性能有所提升。
• 系统成功使用Precision Flight Controls CAT III模拟器生成并验证了轨迹，确认了生成轨迹与模拟飞行路径之间的一致性。
• 在撞击后t+36秒，仅有一条跑道（LGA13）仍可通过45°坡度角实现可达，表明系统能够准确追踪随时间推移而减少的可达范围。
• 通过安全指标对轨迹进行排序，使飞行员能在时间压力下快速选择最优路径，显著降低紧急情况下的决策延迟。
• DDDAS框架通过持续使用实时数据更新性能模型，成功排除了过时或不可行的轨迹，显著提升了系统的可靠性。