3. 项目亮点

（1）成果简介

飞机在空中飞行时产生的尾涡流场是尾随后机飞行安全的重要威胁，已成为前后机之间所需最小安全间隔的计算依据，影响到繁忙空域的通行能力。基于激光雷达的飞机尾涡实时反演软件系统，能通过与激光雷达的连接，实时反演出飞机尾涡的位置和强度环量，可用于机场的飞机尾涡风险监测、以及空中交通尾流间隔的精细化动态缩减，提高机场空管运行安全与效率。

（2）目标客户

本成果的主要目标客户包括：

① 激光测风雷达的设计与生产企业。本成果有助于拓宽激光测风雷达的的应用场景。使其不但能用于监测风廓信息、低空风切变，还可以用在机场开展飞机尾涡探测。按照国内起降架次前30名机场、每个跑道方向部署1~2部尾涡雷达来测算，可带来约200台激光雷达的需求量，连同解决方案预计带来超过5个亿的产值。

② 航空机载湍流探测装备研发企业。本成果有助于加快新一代机载设备的研制与应用步伐。与传统气象雷达相比，机载激光雷达具有探测精度高、对晴空湍流、尾涡识别效果好的优势。本项目成果可用于机载端的湍流监测与尾涡探测识别，支撑湍流自适应飞行控制、机载自主编队飞行、机载自主间隔管理等技术研究与实现，提高国产民机和J用运输机的竞争力。

（3）解决的主要问题

本项目成果已经突破的关键技术与竞争优势主要包括以下三方面：

① 背景风场中侧风影响的估计与剔除方法。提出通过“四步法”，即 “基于梯度法的涡核位置初步估计”—>“尾涡区域外背景风估计” —>“雷达回波中背景风剥离” —>“尾涡位置重新估计”，有效剔除了背景风对回波数据的影响，提高了涡核位置与强度环量估算精度。

② 基于改进梯度法的尾涡特性参数定量反演。通过大量的激光雷达观测实验，优选出更合理的尾涡判定准测，同时降低了尾涡识别中的虚警率和漏警率，使得识别精度从目前的40~50%提升到了90%以上，涡核位置估算偏差在1米以内。本软件系统在普通个人电脑上对尾涡的识别耗时控制在1秒钟之内，远小于激光雷达扫描出一个扇面的时长（目前为10~20秒钟）。

③ 构建基于AI的尾涡识别与预测的融合算法。针对传统飞机尾涡参数反演方法计算复杂度高、抗干扰能力弱，以及现有深度学习模型参数量大、功能单一的问题，提出一种基于残差卷积神经网络（ResNet18）的尾涡识别与参数反演方法。通过构建尾涡演化模型与激光雷达仿真系统生成数据集，结合残差网络结构降低模型复杂度，并采用迁移学习策略提升模型对实测数据的泛化能力。

（4）竞争优势

针对当期激光雷达在尾涡探测实验中存在的漏警与虚警率偏高、难以定量反演、无法剔除背景风场干扰等痛点问题，本团队研究解决了基于激光雷达测风数据的背景复杂风场剥离与剔除、尾涡强度环量与位置参数定量反演、基于卷积神经网络的尾涡智能识别等难题，主要竞争优势包括：

① 实现尾涡特性参数的高精度定量识别。项目团队不仅实现了尾涡定性反演，而且实现了尾涡强度环量和涡核位置的定量反演计算。本技术成果已应用广州机场尾涡监测，通过大量数据的测试验证，模型可靠性和识别精度不断提高，从最初的40~50%以提升到90%以上（与有经验的人工识别结果相比），超过国外同类技术和产品；

② 识别效率高，支持实时反演尾涡参数。目前国外某公司的软件可以针对该公司的激光雷达探测数据，识别出飞机尾涡信息。但该软件的识别模式是事后离线反演，即需要将激光雷达探测风场数据（每天几G到几十G）上传到境外服务器，经过处理后再下载尾涡识别信息，可用于分析尾涡演化规律特征，但不能用来实时监测尾涡风险。本技术实现了尾涡参数的实时反演，响应时间小于1秒钟，不仅可用于研究分析尾涡演化规律特征，更可以用来进行机场飞机尾涡的实时风险监测预警；

③ 掌握核心技术，便于与其他系统集成。国外公司的识别软件不对外公开其核心技术，也不提供与其第三方系统的集成接口。国内用户即使购买了该公司的激光雷达，也无法满足飞机尾涡实时识别需要。