基于卡尔曼滤波的飞行管理系统建模用于空中交通（AAM）飞机

先进的空中交通（AAM）运营计划利用战略飞行规划服务，预测时间不确定性以验证飞行计划是否符合危险区域，如天气细胞、受限空域和CNS中断区域。本文提出了一种基于卡尔曼滤波的不确定性传播方法，通过sigmoid混合测量噪声协方差来建模飞行管理系统（FMS）的校正行为。sigmoid公式将现有的离散FMS激活阈值泛化为一个连续、可调的函数，根据接近每个航路点的进度平滑地调整滤波器的测量噪声。当测量噪声较高时，由于反向关系，卡尔曼增益较小，因此不确定性增加；当飞机接近航路点时，测量噪声随进度减少，卡尔曼增益增加，状态协方差收缩，从而建模FMS逐步校正至计划轨迹的行为。该方法计算效率高（比蒙特卡洛方法快两个数量级），可随控制输入扩展，并可参数化调整以适应不同类型的飞机。测量噪声协方差通过来自商用仪表飞行规则（IFR）航班的真实自动相关监视广播（ADS-B）数据进行校准，这些航班作为未来AAM运营的替代品，实现了在验证数据集（N = 36）上相对于理论高斯预测的保守覆盖率概率，1-σ置信水平。跨多个飞行路线的参数敏感性分析展示了其稳健性，与蒙特卡洛和线性传播方法的比较评估则为该方法的计算和准确性权衡提供了背景。

这里展示来源摘要及其中文翻译，完整内容请阅读原文。