基于智能跑道光栅阵列传感器的机型辨识方法.pdf

文章编号：1002-2082(2024)02-0453-08基于智能跑道光栅阵列传感器的机型辨识方法李盛1，刘安2，郭金鼎2（1.武汉理工大学光纤传感技术与网络国家工程研究中心，湖北武汉430070；2.武汉理工大学信息工程学院，湖北武汉430070）摘摘 要：要：针对当前机型辨识方法易受环境影响的不足，提出了一种新的基于智能跑道光栅阵列传感器的机型辨识方法。利用光栅阵列横向布置光缆采集飞机滑跑通过时的分布式振动响应，通过分析多测区时程脉冲响应特征，确定主辅起落架通过光缆的时差。通过光栅阵列纵向布置光缆感知飞机的滑行轨迹，采用多项式拟合确定飞机滑行速度。基于飞机主辅起落架的测试值与理论值的匹配关系对飞机型号进行辨识，利用某机场试飞及开航 2 个月内的航班信息进行方法检验。结果显示，提出的机型辨识方法识别准确率可达 98.44，可以对 B757、B738、A320 和 A321 机型进行有效辨识。关键词：关键词：机型辨识；智能跑道；光栅阵列；机场中图分类号：TN253;TP212文献标志码：ADOI：10.5768/JAO202445.0208002Aircraft type identification method based on FBG sensing array of smart runwayLISheng1，LIUAn2，GUOJinding2（1.NationalEngineeringResearchCenterofFiberOpticSensingTechnologyandNetworks,WuhanUniversityofTechnology,Wuhan430070,China；2.SchoolofInformationEngineering,WuhanUniversityofTechnology,Wuhan430070,China）Abstract：Aimingattheshortcomingsthatthecurrentaircrafttypeidentificationmethodiseasilyaffectedtoenvironmentalinfluences,anovelaircrafttypeidentificationmethodbasedonfiberopticBragggrating(FBG)sensingarrayofsmartrunwaywasproposed.Thedistributedvibrationresponseoftheaircrafttaxiingwascollected by using the FBG array buried horizontally under the pavement.By analyzing the time-historyimpulseresponsefeaturesofmultiplemeasurementareas,thetimedifferencesbetweenthemainandauxiliarylandinggearspassingthroughtheopticalcableweredetermined.ThetaxiingtrajectoryoftheaircraftwassensedbytheFBGarrayburiedlongitudinallyunderthepavement,throughwhichthetaxiingspeedoftheaircraftwasdeterminedbypolynomialfitting.Theaircrafttypewasidentifiedbasedonmatchingrelationshipbetweenthetestvalueandthetheoreticalvalueofthemainandauxiliarylandinggearsoftheaircraft.Theaircraftinformationinthetestflightandtheinitialtwo-monthoperationofacertainairportwereusedformethodverification.Theresultsshowthattheidentificationaccuracyoftheproposedidentificationmethodcanreach98.44%,whichcaneffectivelydistinguishtheB757,B738,A320andA321models.Key words：aircrafttypeidentification；smartrunway；fiberopticBragggratingarray；airport引言随着机场起降飞机日趋大型化、航班密度增加、机场运行时间延长，机场道面运维压力日益增大。为了有效延长道面的使用寿命，保障飞机安收稿日期：2023-04-19；修回日期：2023-08-21基金项目：国家自然科学基金（61875155，52108472）；湖北省自然科学基金（2020CFB144）作者简介：李盛（1980），男，博士，研究员，主要从事基于光纤传感监测大数据的机器学习/深度学习模型、结构状态监测与评价、结构计算与数值仿真、光纤智能材料与结构方面的研究。E-mail：第45卷第2期应用光学Vol.45No.22024年3月JournalofAppliedOpticsMar.2024全运行，国内外相继开展了基于跑道各类信息监测1-3的智能跑道4研究及实践。凌建明5等系统梳理了智能跑道的主要功能与实现路径，并指出机型辨识是实现飞机滑跑轨迹精细推演的必要监测指标。目前，机型辨识的方法中，卫星遥感图像识别技术6主要通过高分辨率图像捕捉飞机边缘轮廓特征实现飞机静态下的机型识别7。该方法在天气状态不佳时，卫星图像分辨率无法确保机型辨识的准确性，且无法对运动状态的飞机开展机型辨识。激光或红外测距仪8-9能够直接读取距离，由于所需要的设备数量少、布设简单，因此将测距反馈的轮迹几何关系与飞机轮组信息进行匹配，是机型辨识及评价轮迹横向偏移的常用方法。SCHOLZFW10-11针对波音 747 机型报导了采取该方式在约翰肯尼迪机场和安克雷奇机场的应用效果。国内基于测距原理的机型辨识工作也已被相继用于成都天府机场3、上海虹桥机场12。然而，基于上述原理开展机型辨识受光线及环境影响大13，且相对长距离跑道起降范围，测距仪仅能辨识通过监测断面的飞机机型。光纤传感器因具有体积小、灵敏度高、不易受环境影响等优势，近年来被广泛应用于土木工程结构的监测14。其中，光栅阵列传感技术已在地铁15和桥梁16监测中得到应用，但在机场领域中还未有基于光栅阵列传感监测的相关报导。为弥补上述方法的不足，并拓展光栅阵列技术在机场领域的应用，本文基于某刚性道面下方已布设有全域光栅阵列传感器17-18的智能跑道，开展机型辨识新方法的研究。研究中利用光栅阵列可识别并跟踪运动物体轨迹19的优势，求解飞机的滑跑速度，通过传感探头的脉冲响应捕捉飞机鼻轮和主起落架依次通过传感探头的时差，并基于实测的主辅起落架间距和飞机轮组已知信息之间的匹配策略来开展机型辨识。1 基于振动信号感知的机型辨识方法1.1 检测光栅阵列振动信号原理基于光栅阵列振动传感可获取用于支持机型辨识的原始信号。图 1 给出了光栅阵列的振动检测原理。激光器发射的激光光源经过脉冲调制器调制成脉宽固定的脉冲光信号，然后经过掺铒光纤放大器（erbium-dopedopticalfiberamplifier，EDFA）对脉冲光信号进行增强，通过环形器 1 进入光栅阵列，阵列中的光栅作为反射镜反射具有特定中心波长的窄带光，相邻 2 个光栅的反射光再通过环形器进入 33 耦合器，经过迈克尔逊干涉仪的长臂和短 臂 后 被 法 拉 第 旋 转 镜（Faradayrotatormirror，FRM)反射为 4 束。当干涉仪两臂差与相邻两光纤光栅间距相等时，时序上位于中间的 2 束光在耦合器相遇并产生干涉现象。使用 3 个光电探测器将 33 耦合器的 3 路输出干涉光信号转换成电信号，高速数据采集卡会采集该电信号，最后上传至上位系统进行信号的分析处理。当光纤因外部振动而变形时，反射光的干涉相位会发生变化。使上位机高速数据采集卡FPGA信号发生器延迟模块SOA脉冲调制器激光器L法拉第旋转镜法拉第旋转镜33耦合器探测器2环形器2环形器1LEDFAFBG1探测器1探测器3FBG2FBG3FBGn光栅阵列图 1 光栅阵列振动检测原理Fig.1 Vibration detection principle of grating array454应用光学第45卷第2期用 33 耦合器解调相位差20，重建振动信号的时域波形。其中，参数 L 表示 2 个相邻光栅探头之间的物理距离，即测量时测点间的空间分辨率。法拉第旋转镜则用于抑制解调过程中反射光的偏振效应。此外，光时域反射技术21用于确定光纤中的振动位置。1.2 机型辨识方法如图 2 所示，开展机型辨识的光栅阵列振动信号主要来自于沿跑道纵向和横向布置的振动传感光缆。基于该种传感器布置模式下的机型辨识流程如图 3 所示。当飞机滑跑通过道面时，纵向传感光缆上的分布式光栅传感器用于识别跟踪飞机的运行轨迹，通过对轨迹进行拟合可以计算得到飞机的滑跑速度。横向光缆上的传感器探头则用于提取飞机滑跑通过时鼻轮和主起落架依次通过的时间差。根据飞机滑跑通过横向传感光缆时的速度 v 和前后轮组通过的时间差 t 可以计算得到鼻轮和主起落架的间距 Lt，将其与已知鼻轮和主起落架间距 Lr进行匹配即可开展机型的辨识。由于联络道一般对称于跑道中间分布，将横向传感光缆布置于跑道中部可以兼顾跑道两端着陆飞机的机型辨识。纵向传感光缆横向传感光缆传感探头机场跑道图 2 机型辨识光栅阵列传感光缆布设示意Fig.2 Schematic layout of grating array sensing optical cable for aircraft type identification获取飞机滑跑通过道面的振动响应提取纵向光缆连续测区的振动时空响应提取横向光缆多测区的振动时程响应拟合飞机滑跑轨迹计算飞机滑跑通过横向光缆的截面速度v分析多测区时程脉冲的响应特征确定飞机鼻轮和主起落架通过横向光缆的时差t计算基于实测信息的鼻轮和主起落架间距Lt=vt基于Lt与己知飞机鼻轮和主起落架间距Lr的匹配度辨识机型图 3 机型辨识流程Fig.3 Flow chart of aircraft type identification2 现场试验2.1 工程背景如图 4 所示，某机场智能跑道系统在建设过程中，在上水稳面层开槽，在跑道面积为 45m3600m的区域内，布设了 10 根直径为 13.5mm 的层绞松套铠装光栅阵列振动传感光缆。埋设过程中，光栅阵列振动传感光缆分别由跑道的南北两侧向中间敷设，并在跑道中部向跑道东侧依次引出两端尾缆进行光缆对焊。其中，每根振动光缆内的传感器探头间距为 3m，以保证组成跑道全域范围内每块 4.5m5m 的道面板块下方均至少有一个振动探头。该布设方式可满足对飞机在跑道上任意位置滑跑通过时的运动轨迹跟踪。其中，振动光缆基于武汉理工大学拉丝塔在线动态刻栅平台制备。振动信号的采集选用武汉烽理光电有限公司FBG-DAS-3000 型光栅阵列振动解调仪进行信号解调。跑道南侧45 m1 800 m范围10根间距4.5 m振动光缆跑道北侧45 m1 800 m范围10根间距4.5 m振动光缆南北两侧纵向振动光缆垂直跑道引出尾缆南北纵向光缆聚集点图 4 某机场智能跑道系统西跑道道面下方振动光缆布设示意Fig.4 Schematic layout of vibrating optical cables under west runway of airport smart runway system应用光学2024，45（2）李盛，等：基于智能跑道光栅阵列传感器的机型辨识方法4552.2 试验设计机型辨识试验主要围绕机场实际起降的飞机来开展。开航前，机型为 B757 的某编号飞机在2.1 介绍的某机场两条跑道分别完成了两起两降的试飞任务。其中，着陆于图 4 西跑道的一趟试飞滑跑数据相对完整，被用于参与方法的预试验研究。预试验的主要目的在于筛选跑道中部横向布置的光缆上可以准确反映飞机鼻轮和主起落架依次通过时间差的有效测区。开航后，由于初期起降机场的航线有限，试验主要对开航两月内 3 种机型共计 64 趟飞机着陆滑跑信息开展机型辨识效果的检验。表 1 给出了试飞及开航后参与方法研究和检验的飞机已知几何参数。由于飞机在跑道上通过时主要沿跑道中心线滑行，因此 45m 宽跑道中间两仓道面下方的 3.6km长振动光缆上的信号响应更为显著。因此，试验主要选择了如图 5 中第 5 根纵向光缆的振动信号来捕捉飞机的运动轨迹，并计算飞机滑跑速度。由于跑道南北侧的 10 根纵向光缆在进行信号对接时，引出信号的方向由西向东，且考虑到飞机沿跑道中心线滑跑，因此，飞机鼻轮和主起落架通过跑道中部时，横向布设光缆感知的时域脉冲主要参考 1#4#光缆中部区域的传感探头时程响应。试飞阶段预实验以表 1 内已知的 B757 飞机几何信息为验证目标，在图 5 时域脉冲关注区域内，分析并确定能有效反馈鼻轮和主起落架通过中间横向布置光缆区域时间差的传感测区。这些确定的测区为开航后的机型辨识流程提供图 3 中的 t信息。表 1 参与试验飞机机型及已知几何参数Table 1 Aircraft types involved in test and knowngeometric parametersm阶段试飞开航飞机机型B757A320A321B738飞机主辅起落架间距Lr-a18.2912.6416.9015.60南传感光缆时域脉冲关注区域北跑道中心线东侧光缆接续点传感探头3 m10#9#8#7#6#5#4#3#2#1#0.2 m45 m图 5 道面下方振动传感光缆布设细节示意Fig.5 Detailed layout of vibration sensing optical cable under pavement2.3 试验结果预试验阶段及开航后参与方法验证中的 4 种主要机型飞机在沿跑道中心线运动时的轨迹图如图 6 所示，从轨迹可以看出飞机接地运动时的变速滑行过程。对于飞机滑跑通过中部横向布置光缆区域的速度求解以图 6（a）的轨迹为例，选取跑道中部左右各 15m 区域 11 个测区最大幅值响应作为各测区的位置，基于多项式拟合可以得到飞机在跑道上滑跑通过该区域的时间与位置的拟合方程（1）。对（1）式进行求导可得该区域如式（2）的时间与位置关系：t=1.23105x34.382104x2+3.648102x+62.03（1）v1=dtdx=3.69105x28.764104x+3.648102（2）x 0,30tx式中：，对应跑道里程 1785m1815m的 30m 范围；为与 对应的拟合时间。x=15 mvB757=31.6 m/s将 30m 范围的中间位置代入式(2)，并计算其倒数，即可得到飞机通过跑道中部的速度值。456应用光学第45卷第2期vB757以表 1 中已知的 B757 鼻轮与主起落架间距离为检验目标，经筛选分析，图 7 给出了图 5 跑道中部时域脉冲关注区域内，可以表征机型辨识流程中 t 信息的 6 个有效振动测区。可以观察到 6 个测区的波形特征基本一致，在推测 t 范围内的左、右侧脉冲分别对应鼻轮和主起落架通过时刻前提下，6 个测区 t 的均值 0.582s 与的乘积结果已与表 1 中 B757 的已知信息十分接近。vB738=27.2 m/s以开航后如图 6（b）的某趟 B738 轨迹为例，采取相同的方式可以得到飞机通过跑道中部的速度，用于确定该趟航班 t 均值的有效6001 2001 8002 4003 0003 600里程/m200406080100120时间/s00.10.20.30.40.50.60.70.80.91.0(a)B7576001 2001 8002 4003 0003 600里程/m200406080100120时间/s00.10.20.30.40.50.60.70.80.91.0(b)A3206000001 2001 8002 4003 0003 600里程/m200406080100120时间/s00.10.20.30.40.50.60.70.80.91.0(c)A32160001 2001 8002 4003 0003 600里程/m(d)B738200406080100120时间/s00.10.20.30.40.50.60.70.80.91.0图 6 4 种典型机型着陆滑跑轨迹瀑布图Fig.6 Detailed layout of vibration sensing optical cableunder pavement0123456时间/s15105051015幅值/(a)1 仓 616 测区t=0.587 s0123456时间/s15105051015幅值/(b)2 仓 616 测区t=0.577 s0123456时间/s15105051015幅值/(c)3 仓 617 测区 t=0.585 s应用光学2024，45（2）李盛，等：基于智能跑道光栅阵列传感器的机型辨识方法457测区脉冲响应波形如图 8。与图 7 相比，图 8 中整体脉冲响应幅值略低，这与 B738 相比 B757 重量更轻相符。开航阶段共有 64 趟航班参与方法验证，机型辨识结果如表 2 所示。本文提出的机型辨识方法具有 98.44%的机型识别准确率，基于轴距匹配的平均误差率为 1.63%。选择的 6 个有效振动测区可以准确提供识别机型所需的 t 信息。其中，一0123456时间/s15105051015幅值/(d)2 仓 649 测区 t=0.577 s0123456时间/s15105051015幅值/(e)3 仓 648 测区 t=0.585 s0123456时间/s(f)4 仓 648 测区15105051015幅值/t=0.581 s图 7 可反馈 t 信息有效测区脉冲响应Fig.7 Effective measurement area impulse response thatcan feed back t information0123456时间/s1050510幅值/(b)2 仓 616 测区 t=0.553 s0123456时间/s1050510幅值/(c)3 仓 617 测区 t=0.573 s0123456时间/s1050510幅值/(d)2 仓 649 测区 t=0.571 s0123456时间/s1050510幅值/(a)1 仓 616 测区 t=0.563 s458应用光学第45卷第2期趟 B738 被误识别为 A321，出现概率为 1.56%。误识别的原因可能在于飞机滑行通过跑道中部出现了微小的横偏，造成图 5 横向缆中的 6 个选定测区不能正确表征飞机前后轮组通过的时间差 t。为了改善该现象，后期将继续积累此类小概率事件样本，并对算法进一步优化。表 2 运营阶段机型辨识结果Table 2 Identification results of aircraft types during oper-ational stage飞机机型 实际架数 识别架数 识别准确率/%轴距误差率/%A32017171001.77A32124241001.66B738232295.651.473 结论本文提出了通过光栅阵列传感器采集飞机滑跑时的分布式振动响应以辨识飞机机型的方法。某机场开航 2 个月内的试验结果表明，提出的机型辨识方法不受环境气候影响，计算简单高效，时效性强，具有 98.44%的辨识准确率。由于目前机场处于开航阶段，航班机型及数量有限，后续将积累更多样本对识别策略进行进一步验证和完善。参考文献：CHOU C P,CHENG H J.Analysis of concrete jointmovementsandseasonalthermalstressesattheChiangKai-ShekinternationalairportJ.JournaloftheEasternSocietyforTransportationStudies，2005，6：1217-1230.1AIQADIIL,PORTASS,CONIM,etal.Runwayinstru-mentationandresponsemeasurementsJ.TransportationResearchRecord，2010，2153（1）：162-169.2凌建明,张瑞菊,方意心.成都天府国际机场智能跑道管理系统J.四川建筑，2022，42（增刊1）：209-212.LINGJianming,ZHANGRuiju,FANGYixin.IntelligentrunwaymanagementsystemofChengduTianfuInterna-tional AirportJ.Sichuan Architecture，2022，42（S1）：209-212.3赵鸿铎,李琛琛,刘诗福,等.机场智慧飞行区内涵、分级与评价J.同济大学学报(自然科学版)，2019，47（8）：1137-1142.ZHAOHongduo,LlChenchen,LIUShifu,etal.Concept,intelligencerating,andevaluationofsmartairfieldinair-portJ.Journal of Tongji University(Natural Science)，2019，47（8）：1137-1142.4凌建明,方意心,张家科,等.机场智能跑道体系架构与关键技术J.土木工程学报，2022，55（2）：120-128.LING Jianming,FANG Yixin,ZHANG Jiake,et al.Frameworkand key technologies of airport smart run-wayJ.China Civil Engineering Journal，2022，55（2）：120-128.5ZHIZW,SHOUHW,XIAOFW,etal.AbenchmarkdatasetforaircrafttyperecognitionfromremotesensingimagesJ.AppliedSoftComputing，2020，89：106132.6欧阳欢,范大昭,郭静,等.结合显著性检测与特征匹配的飞机目标识别J.测绘通报，2020（3）：1-6.OUYANGhuan,FANDazhao,GUOJing,etal.AircrafttargetrecognitionbasedonsaliencydetectionandfeaturematchingJ.BulletinofSurveyingandMapping，2020（3）：1-6.7柳鸣,张国玉,安志勇,等.大量程脉冲激光测距仪性能检测方法J.红外与激光工程，2015，44（9）：2679-2683.80123456时间/s1050510幅值/(e)3 仓 648 测区 t=0.582 s0123456时间/s(f)4 仓 648 测区1050510幅值/t=0.570 s图 8 B738 通过时有效测区 t 信息Fig.8 t information derived from effective measurementarea during passage of B738应用光学2024，45（2）李盛，等：基于智能跑道光栅阵列传感器的机型辨识方法459LIUMing,ZHANGGuoyu,ANZhiyong,etal.Detectionmethod for ranging performance of pulsed laser rangefinderwithwidemeasuringrangeJ.InfraredandLaserEngineering，2015，44（9）：2679-2683.RIEMENSBERGERJ,LUKASHCHUKA,KARPOVM,et al.Massively parallel coherent laser ranging using asoliton microcombJ.Nature，2020，581（7807）：164-170.9SCHOLZ F.Statistical extreme value analysis of ANCtaxiwaycenterlinedeviationsfor747aircraftR.S.l.:FAAandTheBoeingCompany,2003.10SCHOLZ F.Statistical extreme value analysis of JFKtaxiwaycenterlinedeviationsfor747aircraftR.S.l.:FAAandTheBoeingCompany,2003.11袁捷,史恩辉,雷电,等.上海虹桥国际机场飞机轮迹横向偏移规律研究J.中国民航大学学报，2015，33（2）：1-6.YUANJie,SHlEnhui,LEIDian,etal.Lateraldeviationpattern and model of aircraft wheel path on ShanghaiHongqiaoInternationalAirportJ.JournalofCivilAvi-ationUniversityofChina，2015，33（2）：1-6.12郭豪,邱琪,马娜,等.不同能见度下激光测距仪最大测程的数值算法J.红外与激光工程，2013（12）：3330-3334.GUOHao,QIUQi,MANa,etal.Numericalalgorithmformaximumrangeoflaserrangefinderindifferentvisib-ilityJ.InfraredandLaserEngineering，2013（12）：3330-3334.13JAYAWICKREMAUMN,HERATHHMCM,HET-TIARACHCHI N K,et al.Fibre-optic sensor and deeplearning-based structural health monitoring systems forcivil structures:a reviewJ.Measurement，2022，199：111543.14李盛,邱阳,南秋明,等.基于超弱光栅传感阵列的钻机违法入侵地铁线路识别定位方法J.振动与冲击，152022，41（20）：202-207.LlSheng,QIUYang,NANQiuming,etal.Amethodforidentifying and locating illegally invading subway linesbydrillingrigsbasedonultra-weakBraggfiberopticgrat-ing sensing arrayJ.Journal of Vibration and Shock，2022，41（20）：202-207.陈考奎,李院峰,周次明,等.基于弱光纤布拉格光栅阵列的桥梁应变测量J.激光与光电子学进展，2022，59（7）：87-96.CHENKaokui,LIYuanfeng,ZHOUCiming,etal.BridgestrainmeasurementbasedonweakfiberBragggratingar-rayJ.Laser&OptoelectronicsProgress，2022，59（7）：87-96.16YANGMH,BAIW,GUOHY,etal.Hugecapacityfiber-optic sensing network based on ultra-weak drawtowergratingsJ.PhotonicSensors，2016，6：26-41.17NANQM,LIS,YAOYQ,etal.Anovelmonitoringap-proachfortraintrackingandincursiondetectioninunder-groundstructures based on ultra-weak FBG sensing ar-rayJ.Sensors，2019，19（12）：2666.18朱东飞,王永皎,杨烨,等.基于光栅阵列的城市轨道列车定位与测速方法J.光子学报，2019，48（11）：159-166.ZHUDongfei,WANGYongjiao,YANGYe,etal.UrbanrailtrainpositioningandspeedmeasuringmethodbasedongratingarrayJ.ActaPhotonicaSinica，2019，48（11）：159-166.19TIANL,WANGJH,ZHENGY,etal.Realizationoftheasymmetrical 33 optical interferometer accelerometerdemodulation algorithmC/2010International Confer-enceonIntelligentComputationTechnologyandAutoma-tion.Changsha,China:IEEE,2010:972.20BAIQ,WANGQL,WANGD,etal.RecentadvancesinBrillouinopticaltimedomainreflectometryJ.Sensors，2019，19（8）：1862.21460应用光学第45卷第2期