陳 斌 焦琳青 楊亞磊張 洋王立文

(1.中國民航大學(xué)航空地面特種設(shè)備研究基地,天津 300300;2.中國民航大學(xué)電子信息與自動化學(xué)院,天津 300300)

1 引言

冰雪等惡劣天氣對飛行安全和航班延誤帶來嚴重隱患,飛機地面除冰雪是緩解上述問題的有效方法.隨著我國民航運輸業(yè)迅猛發(fā)展,機隊規(guī)模快速增長對冰雪天飛機地面除冰雪的高效、節(jié)能技術(shù)提出嚴峻挑戰(zhàn).如何提高航班除冰雪效率、減少除冰資源消耗成為飛機地面除冰面臨的難點.面向機場除冰實際運行,研究除冰效率及其影響因素、不同雪情下除冰航班延誤機理和除冰資源的調(diào)度優(yōu)化,對提高機場除冰運行效率,保障冰雪天航班運行安全與正點具有重要意義[1].

國內(nèi)外學(xué)者已經(jīng)從除冰延誤機理和除冰資源優(yōu)化配置方面進行研究,并取得了一定的研究成果.在理論研究層面,Norin 等[2]以除冰航班延誤最小、除冰車行走路徑最短為目標采用啟發(fā)式算法進行除冰車調(diào)度.Lichliter等[3]從成本角度對機場的除冰資源配置效果進行評估.崔婷等[4]構(gòu)建除冰航空器分配模型,研究了除冰資源投入量在使用受限約束時對除冰保障能力的影響問題.郭慶等[5]建立以除冰延誤架次及除冰不滿意度最小的多目標的除冰資源優(yōu)化分配模型.邢志偉等[6–7]提出基于博弈論及非合作博弈的除冰資源分配模型,促使除冰資源的合理利用.周薔[8]建立飛機除冰作業(yè)線性調(diào)度規(guī)劃模型,對除冰坪機位分配進行優(yōu)化.在技術(shù)研發(fā)層面,Mogford等[9]開發(fā)了航班意識協(xié)作工具(flight awareness collaboration tool,FACT),用以減少因除冰導(dǎo)致的航班延誤和取消.Howell等[10]通過研究除冰運行數(shù)據(jù)共享技術(shù)及其對除冰效率的影響,實現(xiàn)了對飛機地面除冰雪信息的收集.Bertino等[11]基于SIMMOD開發(fā)了機場地面運行監(jiān)視系統(tǒng),對除冰資源利用情況進行監(jiān)控.Deroo等[12]開發(fā)了基于多部門協(xié)同決策(collaborative decision making,CDM)的除冰管理系統(tǒng),實現(xiàn)了飛機除冰過程的排序及除冰資源分配的控制.陳斌等[13–14]提出一種基于無線數(shù)據(jù)的多信息集成飛機地面除冰監(jiān)控系統(tǒng),促使了除冰效率的提高.

上述研究主要集中在單條件、確定情況下的除冰延誤問題,缺乏考慮天氣狀況、離港信息等復(fù)雜情況下除冰資源的動態(tài)分析,也未將除冰效率、除冰延誤和除冰資源優(yōu)化配置等因素進行綜合考慮及系統(tǒng)研究,存在以下不足:其一,對多除冰參數(shù)與除冰效率的復(fù)雜數(shù)學(xué)關(guān)系及考慮航班離港動態(tài)的除冰延誤形成機理缺乏深入研究;其二,優(yōu)化目標主要集中在最小化除冰延誤、最小化除冰車行駛路徑等,忽略了除冰液粗放使用引起的環(huán)境污染和成本增加,未考慮面向機場除冰運行的效率和資源合理利用等問題,多采用單目標優(yōu)化算法;其三,飛機地面除冰運行過程存在諸多不確定性,除冰延誤分析與除冰資源優(yōu)化配置是一個復(fù)雜的大型、動態(tài)、多約束的混合非線性規(guī)劃問題,當(dāng)前普遍采用的線性模型及方法難以適應(yīng)復(fù)雜多變的機場除冰運行環(huán)境.

本文立足飛機地面除冰運行實際,研究了除冰效率、除冰飛機延誤及除冰資源利用等機理,考慮航班動態(tài)及雪情,提出了復(fù)雜多約束條件、多因素綜合考慮的除冰資源多目標優(yōu)化配置方案.為日益嚴重的航班除冰延誤、除冰資源利用率低及環(huán)境污染等問題提供了新的研究思路.

2 問題描述

圖1為航班除冰運行過程抽象,冰雪天氣下離港飛機向塔臺提出除冰申請,塔臺依據(jù)天氣狀況、空域及除冰資源占用情況,將除冰飛機動態(tài)分配至各除冰坪.各除冰坪除冰效率與除冰液參數(shù)、射流參數(shù)及環(huán)境參數(shù)密切相關(guān).若除冰效率不能滿足除冰需求則形成除冰隊列.航班除冰運行調(diào)度針對特定的機場布局、天氣狀況及預(yù)期航班除冰需求,對航班除冰排隊延誤狀況進行分析,尋求最優(yōu)的除冰參數(shù)及除冰資源配置方案.這就涉及到航班除冰運行保障的兩個核心問題:一是如何合理配置除冰參數(shù),最大限度提高除冰效率,減小由除冰導(dǎo)致的航班延誤;二是如何根據(jù)航班動態(tài)、天氣狀況合理分配除冰資源,最大限度提高資源利用率.

圖1 航班除冰運行過程抽象Fig.1 The abstraction of flight deicing operation process

面向機場除冰資源優(yōu)化調(diào)度主要涉及多因素綜合作用的除冰效率、航班動態(tài)變化時的除冰延誤機理和除冰資源多目標優(yōu)化配置問題.除冰效率受除冰液參數(shù)、射流參數(shù)、環(huán)境參數(shù)和除冰裝備等條件綜合約束;將除冰坪、除冰機位、除冰車和除冰液等除冰資源看做多服務(wù)臺系統(tǒng),航班除冰運行過程可被抽象為隨機環(huán)境下多服務(wù)臺多隊列并聯(lián)排隊問題;除冰資源配置問題可將飛機與除冰坪分別看做“工件”和“機器”,則航班除冰運行調(diào)度可視為加工效率受多參數(shù)耦合控制的車間作業(yè)調(diào)度問題,是典型的NP–Hard復(fù)合多目標優(yōu)化控制問題.

3 模型建立

3.1 飛機除冰效率模型

飛機除冰過程涉及多個除冰參數(shù)、除冰效率與除冰液參數(shù)(流量、溫度)、射流參數(shù)(高度、角度)、環(huán)境參數(shù)(溫度、風(fēng)速)、除冰裝備參數(shù)(不同機型除冰車配置量)密切相關(guān),形成復(fù)雜耦合控制問題,可借助除冰熱力學(xué)機理建立其數(shù)學(xué)模型.除冰液噴射到機翼表面之前的空氣段為湍流自由射流,在機翼表面轉(zhuǎn)化為沖擊壁面流,高溫除冰液使得積冰發(fā)生固液相變,該過程為典型的熱量傳遞和守恒過程,除冰液、積冰構(gòu)成了一個熱力學(xué)系統(tǒng),如圖2為除冰傳熱模型.其中:Qin為系統(tǒng)總的能量輸入,Ice為除冰車噴嘴噴出的除冰液包含的能量;Qcr為除冰液與周圍環(huán)境熱對流和熱輻射損失的能量;Qfc為除冰液傳遞給積冰的能量;Qsh為積冰融化顯熱;Qlh為積冰融化潛熱.

積冰融化涉及熱對流、熱傳導(dǎo)、熱輻射熱損失等過程,假設(shè)除冰液中的熱能都用于融冰消耗以及通過熱對流和熱輻射損失到周圍環(huán)境中,由能量守恒定律可得系統(tǒng)各部分能量滿足式(1).其中,積冰融化的顯熱與潛熱來源于除冰液與積冰之間通過黏性層流底層傳導(dǎo)的熱量Qfc,滿足式(2).

圖2 除冰傳熱模型Fig.2 Deicing heat transfer model

除冰傳熱模型各部分能量可由文獻[15]計算.模型涉及Tf,Ts,Tair分別為空氣段產(chǎn)生熱量損失后及機翼表面除冰液溫度與環(huán)境溫度;Vf=F0t,為t時間內(nèi)噴射除冰液的體積;F0為噴射流量;A與D為機翼面積及融化積冰厚度;hc?air,hc?rad分別為除冰液與空氣對流及輻射換熱系數(shù);hlh為融冰潛熱系數(shù);hc?ice為除冰液與積冰對流換熱系數(shù);umi為機翼表面除冰液流動速度[16].各參數(shù)由式(3)–(6)計算.

其中i=1,2.將式(1)–(2),分別對時間求微分有

假設(shè)積冰從除冰液吸收的熱量除顯熱消耗外均用于冰的相變,則融冰時間即為潛熱釋放消耗的時間,由牛頓冷卻定律可得

聯(lián)立式(7)–(8)得到融冰時間滿足式(9),即:以融冰時間為評價指標,多除冰參數(shù)耦合控制的飛機除冰效率模型.

3.2 飛機除冰排隊延誤模型

機場通常具備多塊除冰坪,每個除冰坪有多個除冰機位,若除冰機位空閑則除冰車編隊開始除冰服務(wù),否則除冰飛機在特定區(qū)域排隊等待.除冰飛機排隊延誤狀況與除冰服務(wù)率及除冰飛機到達率參數(shù)密切相關(guān).除冰航班離港率動態(tài)變化,導(dǎo)致除冰排隊模型參數(shù)存在多層次、多相位的動態(tài)變化,采用定常參數(shù)排隊模型不能反映不同時段除冰排隊延誤狀況,除冰延誤屬于隨機環(huán)境下的排隊模型問題.

3.2.1 除冰服務(wù)率

除冰服務(wù)率指單位時間內(nèi)完成除冰保障的航班架次.每架飛機的除冰時間ˉT與除冰車準備時間ˉTs及除冰車編隊工作時間ˉTd有關(guān).假設(shè)除冰車一次滿載可完成ˉa架次除冰保障,除冰坪與加液站距離為L,除冰車行駛速度為v,則對機型比例為σω,除冰車配置量為τω的航班有

3.2.2 除冰飛機到達率

除冰飛機到達率指單位時間內(nèi)到達除冰排隊系統(tǒng)的航班架次.假設(shè)冰雪天氣下所有航班均進行除冰作業(yè),則航班離港率即為除冰飛機到達率,兩類機場不同雪情下除冰飛機到達率動態(tài)分布如圖3所示,05:00～13:00時段存在明顯的高峰到達率,航班除冰延誤主要分布在該時段,本文對該時段產(chǎn)生的除冰延誤建模分析.

針對除冰飛機動態(tài)到達特征,引入Markov環(huán)境刻畫除冰飛機到達率的動態(tài)變化,將05:00～13:00時段每隔一小時劃分為8個區(qū)間,每個區(qū)間為一個隨機環(huán)境.由于除冰飛機到達率的峰值效應(yīng)符合Poisson分布特征,到達率動態(tài)變化時轉(zhuǎn)移概率矩陣P的元素pi?1,i=1,轉(zhuǎn)移概率矩陣P與隨機環(huán)境最小生成元矩陣Q如式(14)所示:

圖3 除冰飛機到達率動態(tài)分布Fig.3 Dynamic distribution of the arrival rate of deicing aircrafts

3.2.3 除冰飛機延誤模型建立

針對除冰飛機排隊系統(tǒng)參數(shù)動態(tài)隨機變化特征,可采用二維Markov動態(tài)系統(tǒng)中的擬生滅過程(quasi birth and death process,QBD)與矩陣解析法建立其數(shù)學(xué)模型[17].以L(t),J(t)分別表示t時刻系統(tǒng)中的飛機數(shù)及所處隨機環(huán)境狀態(tài),那么QBD過程{L(t),J(t);t0}的狀態(tài)空間為?={(k,j);k0,1jm},QBD過程生成元矩陣可表示為

式中:

引入A,B,C3個參數(shù)如式(16).

C,B,A分別表示除冰排隊系統(tǒng)中飛機數(shù)增加、減少一個和不變情況下系統(tǒng)狀態(tài)變化的描述,且A+B+C=Q,則隨機環(huán)境生成元Q及QBD過程生成元的穩(wěn)態(tài)概率向量π及πk為

式(17)–(18)中:π=(π1π2… πj … πm),其元素πj為系統(tǒng)處于隨機環(huán)境j的概率;

其元素πkj為隨機環(huán)境狀態(tài)j上,系統(tǒng)有k架飛機的概率;R為矩陣方程+RA+C=0的最小非負解,且滿足sp(R)<1,R可由式(19)迭代直到

求得,eps為設(shè)定的任意精度,取10?7.

求解模型相關(guān)指標,得到離港高峰平均隊長,即平均除冰延誤架次為

3.3 飛機除冰資源多目標優(yōu)化模型

多目標優(yōu)化問題需要優(yōu)化多個目標,且目標之間通常無法直接比較,甚至相互對立.“?”是多目標優(yōu)化模型的解集,f(x?)是多維向量,向量之間的優(yōu)劣比較不能使用簡單的大小關(guān)系.多目標優(yōu)化問題的均衡普遍應(yīng)用Pareto支配關(guān)系的多目標均衡策略.飛機除冰資源優(yōu)化配置的目標是在滿足復(fù)雜多約束條件下,減少航班除冰延誤,降低除冰液、除冰車需求量及除冰機位等除冰資源的消耗.為簡化模型,噴距H取最小安全距離1.5 m,射流壓力P1取0.9 Mpa,射流角度θ取45?均視為已知量.本文將除冰液溫度T0、流量F0以及C,D,E3類飛機除冰車配置量τC,τD,τE確定為決策變量.

3.3.1 目標函數(shù)

1)最小化除冰液消耗:除冰液消耗量與雪情、除冰機型比例、除冰飛機架次、每架飛機除冰車配置數(shù)量及除冰液參數(shù)耦合相關(guān),若除冰飛機總架次為M有

2)最小化除冰車需求:除冰車需求量與除冰機位數(shù)有關(guān),假定不同雪情下除冰機位數(shù)相等且與大雪天氣下一致,由除冰排隊系統(tǒng)平衡條件,除冰機位數(shù)c及單除冰機位除冰車配置數(shù)量分別為其中:為大雪天氣下除冰飛機的平均到達率,T為離港高峰持續(xù)時間,有

3)最小化除冰延誤架次:除冰延誤架次與除冰飛機到達率、除冰機位開放數(shù)量、除冰效率等多因素耦合有關(guān),由飛機除冰排隊延誤模型有

3.3.2 約束條件

1)除冰參數(shù)約束:結(jié)合除冰作業(yè)實際及飛機除冰運行手冊,除冰液溫度、流量及各類飛機除冰車配置量應(yīng)滿足式(24)的除冰參數(shù)取值約束:

2)除冰液保持時間約束:為避免二次結(jié)冰,除冰車編隊需要在除冰液保持時間Thold內(nèi)完成除冰作業(yè),其工作時間滿足式(25)時間約束.本文Thold取相應(yīng)環(huán)境溫度下的均值[18]:

3)除冰排隊系統(tǒng)穩(wěn)態(tài)約束:為避免除冰排隊系統(tǒng)出現(xiàn)無限排隊的情況,QBD過程需存在穩(wěn)態(tài)分布,則除冰排隊系統(tǒng)滿足式(26)的穩(wěn)態(tài)約束:

4 模型求解與決策

4.1 基于AGA–MOPSO的除冰資源優(yōu)化算法

鑒于自適應(yīng)網(wǎng)格多目標粒子群算法(adapt grid algorithm based on multiobjective particle swarm optimization,AGA–MOPSO)在求解復(fù)雜大規(guī)模優(yōu)化問題方面參數(shù)自適應(yīng)調(diào)整、求解效率高的特點[19],本文采用該算法求解模型,算法實現(xiàn)步驟如下:

步驟1初始化算法參數(shù)及模型參數(shù).讀取除冰資源優(yōu)化模型的目標函數(shù)及各約束條件,實現(xiàn)算法權(quán)重、迭代次數(shù)、外部檔案集容量、種群規(guī)模初始化.

步驟2初始化粒子群位置、速度,根據(jù)式(24)–(26)初始化模型非支配解并保存到外部檔案集,基于Pareto支配關(guān)系及輪盤賭法確定pbest與gbest.

步驟3依據(jù)式(21)–(23)計算第iter次迭代不同除冰參數(shù)組合所對應(yīng)的目標函數(shù)解.

步驟4將變異或擾動引入多目標粒子群算法,更新粒子的位置和速度[20].

步驟5根據(jù)Pareto支配關(guān)系更新粒子pbest,并保存到外部檔案集.

步驟6基于3個優(yōu)化目標支配關(guān)系及位置策略,實現(xiàn)除冰資源優(yōu)化配置模型解的評價與存儲,并采用隨機策略更新gbest.

步驟7iter=iter+1,若iter

圖4 模型求解算法流程圖Fig.4 Flow chart of the model solving algorithm

4.2 多優(yōu)化目標約束關(guān)系

圖5為多優(yōu)化目標約束散點圖.

圖5 多優(yōu)化目標約束關(guān)系Fig.5 Constraint relationship of multiple optimization goals

可知,除冰車需求、除冰液消耗和除冰延誤架次3個優(yōu)化目標之間均呈負相關(guān),優(yōu)化得到的多個最優(yōu)解,至少存在一個目標優(yōu)于其他解,單獨追求多優(yōu)化目標中一個或多個獲得最優(yōu)值,勢必造成剩余目標的惡化.因此,在得到最優(yōu)解集后,還需要決策者從中尋找出最后的折中解.

4.3 優(yōu)化配置方案多屬性決策

由于實際除冰運行程,只需要一個最優(yōu)解,可依據(jù)決策者偏好及多目標屬性,考慮主客觀權(quán)重確定各優(yōu)化目標組合權(quán)重,利用逼近理想解的排序方法(technique for order preference by similarity to ideal solution,TOPSIS)對優(yōu)化方案排序優(yōu)選,多屬性決策步驟如下:

步驟1計算客觀權(quán)重Wo.構(gòu)造由Pareto最優(yōu)解組成的決策矩陣G=(gij)m×r,i∈[1,m],j∈[1,r],按式(27)將決策矩陣歸一化為由式(28)–(29)計算優(yōu)化目標j的熵hj與客觀權(quán)重Wo

步驟2由式(30)計算主客觀權(quán)重比重系數(shù)us和uo,其中κ為平衡系數(shù),取0.5.

步驟3計算組合權(quán)重的分量W.若主觀權(quán)重組合權(quán)重W=[w1w2… wj … wr]T各分量滿足

步驟4由 式(27)(31)構(gòu)造規(guī)范化加權(quán)矩陣由式(32)確定正理想解向量S+和負理想解向量S?.

步驟5由式(33)計算各目標函數(shù)值與理想值的歐氏距離

步驟6由式(34)計算各優(yōu)化方案與理想方案的相對貼近程度Ci,選取Ci最大的方案為最優(yōu)方案.

多屬性決策得到的最優(yōu)方案即為考慮算法優(yōu)化結(jié)果與除冰作業(yè)實際的折中,可通過仿真試驗對方案可行性進行驗證.

5 仿真試驗

5.1 試驗建立

本試驗取首都國際機場及烏魯木齊國際機場某年的離港航班動態(tài)及氣象數(shù)據(jù)作為仿真試驗的數(shù)據(jù)基礎(chǔ),模型及算法參數(shù)設(shè)置如下:

1)模型參數(shù)設(shè)置.

本文模型涉及除冰液與積冰物化特性參數(shù)、兩類機場的機型及航班動態(tài)參數(shù)如表1–3所示.

表1 除冰液與積冰物化特性參數(shù)Table 1 Parameters of the deicing fluids and ice

表2 首都機場及烏魯木齊機場機型參數(shù)Table 2 Capital and Urumqi airports aircrafts’model parameters

表3 首都機場及烏魯木齊機場氣象參數(shù)Table 3 Meteorological parameters of the capital and Urumqi airports

選取3種雪情下05:00～13:00離港高峰時段所有離場航班進行除冰排隊延誤建模及除冰資源優(yōu)化配置分析.航班動態(tài)信息可由VariFlight查詢?nèi)鐖D3所示,根據(jù)運行實際除冰車滿載除冰液可完成4架次除冰保障,重裝除冰液準備時間為20 min.

2)算法參數(shù)設(shè)置.

AGA–MOPSO算法參數(shù)設(shè)置如表4.

表4 算法參數(shù)Table 4 Algorithm parameters

5.2 優(yōu)化結(jié)果分析

1)不同天氣狀況除冰資源優(yōu)化結(jié)果.

如圖6為當(dāng)前粒子及非劣粒子(Pareto最優(yōu)解)組成的除冰資源優(yōu)化結(jié)果散點圖.可知,非劣粒子數(shù)量多、分布分散,從不同方面反映除冰資源優(yōu)化方案的多屬性特征.對比中雪、大雪天氣的優(yōu)化結(jié)果可知,除冰液消耗、除冰車需求量以及除冰延誤架次與天氣狀況的惡劣程度呈正相關(guān).表明除冰資源配置應(yīng)當(dāng)依據(jù)天氣狀況動態(tài)調(diào)整.

圖6 不同天氣下的除冰資源優(yōu)化結(jié)果Fig.6 Results of deicing resources optimization under different weather conditions

2)不同機場除冰資源優(yōu)化結(jié)果.

如圖7為小雪天氣兩類不同類型機場除冰資源優(yōu)化結(jié)果散點圖,經(jīng)過500次迭代,算法也可找到多個非劣粒子,且非劣粒子穩(wěn)定在特定區(qū)域飛行,均勻描繪算法收斂效果.結(jié)果表明:首都國際機場航班流量大,除冰液消耗量、除冰車需求及除冰延誤架次均比烏魯木齊國際機場大,符合除冰運行一般規(guī)律.

3)優(yōu)化方案多屬性決策分析.

由圖6–7可知,由非劣粒子構(gòu)成的Pareto最優(yōu)解較多,每個解對應(yīng)一個優(yōu)化方案,選取首都機場大雪天氣下的50個最優(yōu)解如表5,采用多屬性決策技術(shù)構(gòu)建大小為50×3 的決策矩陣,由式(27)–(29)有客觀權(quán)重Wo=(0.2506,0.2828,0.4667),取主觀權(quán)重Ws=(0.1,0.3,0.6),由式(30)–(34)有Pareto最優(yōu)解對應(yīng)相對貼近程度最大值C3=0.9087,即3號方案比較折中.

圖7 兩類機場除冰資源優(yōu)化結(jié)果Fig.7 Results of deicing resources optimization for two types of airports

表5 飛機除冰資源多目標優(yōu)化的Pareto最優(yōu)解Table 5 Pareto optimal solution for multi-objective optimization of aircraft deicing resources

采用同樣方法,得到3種天氣狀況下飛機除冰資源的最佳配置方案如表6.可知,天氣狀況惡劣時應(yīng)適當(dāng)增加每架飛機配置的除冰車數(shù)量,且在除冰車技術(shù)指標范圍內(nèi)使得除冰液保持較高的溫度和噴射流量.

表6 飛機除冰資源多目標優(yōu)化配置方案Table 6 Multi-objective optimization configuration scheme for aircraft de-icing resources

4)優(yōu)化結(jié)果對比.

為進一步驗證優(yōu)化模型和算法的優(yōu)化能力,將大雪天氣下得到的除冰資源優(yōu)化配置方案與實際除冰運行數(shù)據(jù)對比分析,優(yōu)化前后相應(yīng)數(shù)據(jù)如表7所示.可知,大雪天氣狀況除冰資源優(yōu)化配置后,除冰液消耗、除冰車需求、除冰延誤架次指標均降低.實際除冰運行過程中,應(yīng)將除冰液溫度保持在84?C左右,同時適當(dāng)減小噴射流量至200 L/min左右,考慮到C,D類飛機在總的航班量中占比較大,應(yīng)適當(dāng)增加這兩類飛機除冰車配置量.采用優(yōu)化后的除冰參數(shù)在保證除冰效率的同時提高了除冰資源利用率.

表7 優(yōu)化前后除冰參數(shù)對比Table 7 Comparison of deicing parameters before and after optimization

5.3 除冰資源優(yōu)化配置系統(tǒng)設(shè)計

為便于機場除冰運行決策,采用MATLAB GUI設(shè)計工具開發(fā)面向除冰運行實際的飛機除冰資源優(yōu)化配置系統(tǒng),交互界面如圖8.系統(tǒng)包括參數(shù)設(shè)定、控制按鈕、優(yōu)化結(jié)果顯示3個模塊,輸入為模型參數(shù)及算法參數(shù),輸出為除冰車需求、除冰液消耗和除冰延誤架次等除冰資源優(yōu)化配置結(jié)果,該系統(tǒng)為本文模型及算法的工程應(yīng)用打下基礎(chǔ).

圖8 機場除冰資源配置系統(tǒng)Fig.8 The allocation system of airport deicing resource

6 結(jié)論

本文針對不同雪情及航班動態(tài)下如何進行除冰資源配置這一問題,構(gòu)建了考慮射流效應(yīng)多除冰參數(shù)耦合控制的除冰效率模型及隨機環(huán)境下的飛機除冰排隊延誤模型.面向運行進行除冰資源的多目標優(yōu)化配置,選出了兼顧除冰效率與除冰資源利用率的最優(yōu)方案.大雪天氣下的算例表明優(yōu)化后除冰液消耗、除冰車需求、除冰延誤架次指標與實際運行數(shù)據(jù)相比較分別降低了13.9%,12.8%,19.3%,驗證了除冰資源優(yōu)化模型及算法的可行性的和先進性.