基于物理信息机器学习方法的飞机下降概率仿真
系统与控制
2025-10-09 v3 系统与控制
摘要
本文提出了一种用于生成真实空域中飞机下降轨迹的概率方法。使用来自英国空域 Mode S 雷达返回数据收集的 116,066 条轨迹用于训练和测试模型。研究了具有不同性能特征的十三种飞机类型。结果表明，本方法对预测到达下降底部时间的平均误差小于基于飞机数据基本模型 (BADA) 的误差，其效果提高了约一个数量级。此外，该方法能够生成与保留的测试数据集在分布上相似的轨迹序列。该方法具有混合特性，飞机阻力和校准空速函数以概率方式生成，用于参数化 BADA 方程，确保生成轨迹的物理可行性。
引用
@article{arxiv.2504.02529,
title = {Probabilistic Simulation of Aircraft Descent via a Physics-Informed Machine Learning Approach},
author = {Amy Hodgkin and Nick Pepper and Marc Thomas},
journal= {arXiv preprint arXiv:2504.02529},
year = {2025}
}