1.一种基于改进模拟退火算法的航空器起飞质量估算方法，其特征在于，包括以下步骤：步骤(1)，基于航空器基本性能数据库(Base of Aircraft Data，BADA)，从质点运动学的全能量方程出发，考虑风的影响，构建航空器起飞质量估算模型；步骤(2)，针对步骤1构建的起飞质量估算模型，综合考虑初始爬升阶段的航迹点，提出目标函数和约束条件；步骤(3)，将禁忌搜索算法中的禁忌表功能引入模拟退火算法作为改进算法，应用改进算法对起飞质量估算模型进行求解。
2.如权利要求1所述的基于改进模拟退火算法的航空器起飞质量估算方法，其特征在于，所述步骤(1)中构建航空器起飞质量估算模型包括以下步骤：步骤(11)，基于QAR中各航迹点的气压高度H p 和真空速V TAS 数据，航空器在爬升过程中阻力D和推力Thr的计算过程如下：式中：D为阻力，单位为N；V TAS 为真空速，单位为m/s；S为机翼面积，单位为m 2 ；H p 为气压高度，单位为ft；ρ为气压高度H p 下的大气密度，单位为kg/m 3 ；C D 为阻力系数；C L 为升力系数；m为航空器质量，单位为kg；g为重力加速度，单位为m/s 2 ，取值为9.80665m/s 2 ； 为飞行坡度角，单位为度；Thr为推力，单位为N；ΔT eff 为中间参数，单位为K；ΔT为ISA温度偏差，单位为K；C D0 为寄生阻力系数，C D2 为诱导阻力系数，C D0 为寄生阻力系数，C D2 为诱导阻力系数，C 1 、C 2 、C 3 、C 4 、C 5 为爬升推力系数，均来源于BADA飞行性能数据库；步骤(12)，航空器爬升过程中燃油消耗率η和燃油流率FF的计算公式如下：式中：η为燃油消耗率，单位为kg/(min·kN)；FF为流率，单位为kg/min；C f1 、C f2 为推力比燃油消耗系数，来源于BADA飞行性能数据库；步骤(13)，爬升率ROC是气压高度随时间的变化率，表示为：式中：T为气压高度H p 下的大气温度，单位为K；h为大地测量高度，单位为ft，由气压高度H p 转换得到；t为时间，单位为s；步骤(14)，根据航空器基本性能数据库BADA，通过分析航空器质点受力以及势能和动能转化关系，考虑风的影响，建立全能量模型：式中：V Wind 为风速，单位为m/s；θ为风速与真空速的夹角，单位为度；全能量方程可以表示为如下形式：为阐述方便，取P和Q进行简化：P为推力和阻力产生的功率，单位为W；Q为中间参数，单位为m 2 /s 3 ；步骤(15)，通过动态调整质量m，使得作用于航空器的推力和阻力所产生的功率P接近于航空器所获得的功率mQ；基于全能量方程提出关于航空器质量m的函数f(m)：f(m)＝P-mQ将爬升推力和阻力计算公式代入P和Q，f(m)具体表达形式为：f(m)＝a·m 2 +b·m+c其中 c＝C D0 ρV TAS 2 S-Thr步骤(16)，选取初始爬升阶段n个航迹点，相邻航迹点之间采用均匀的时间间隔Δt，离散化处理航空器质量变化过程，由初始航迹点的质量m 0 推算得到第i个航迹点的质量m i ：m i ＝m 0 -δ i式中，δ i 为初始航迹点至第i个航迹点所消耗的燃油量：各航迹点i均有对应的a i 、b i 、c i ，点i关于起飞质量m 0 的函数为：f i (m 0 )＝a i (m 0 -δ i ) 2 +b i (m 0 -δ i )+c i 。
3.如权利要求2所述的基于改进模拟退火算法的航空器起飞质量估算方法，其特征在于，所述步骤(2)中提出目标函数和约束条件包括以下步骤：步骤(21)，针对初始爬升阶段n个航迹点，对各点关于m 0 的函数f i (m 0 )平方求和，进行最小化求解出航空器起飞质量；航空器起飞质量估算模型的目标函数为：步骤(22)，对于决策变量m 0 要满足质量约束和爬升率约束条件：式中：m max 、m min 为最大操作质量、最小操作质量，单位为kg，来源于BADA飞行性能数据库；fpm表示ft/min。
4.如权利要求3所述的基于改进模拟退火算法的航空器起飞质量估算方法，其特征在于，步骤(3)中应用改进算法对起飞质量估算模型进行求解包括以下步骤：步骤(31)，初始化参数，设定初始温度t 0 、终止温度t f 、冷却系数α、邻域解个数Ca、最大迭代次数N，令当前温度t＝t 0 、当前迭代次数iter＝0；步骤(32)，随机产生初始解M 0 ，令当前解m＝M 0 、最优解m*＝M 0 ；步骤(33)，按照如下方式生成Ca个邻域解：m near ＝m+(2r-1)×(m u -m l )式中：m near 为邻域解；m为当前解；r为(0，1)范围内的随机数；m u 、m l 为解的上下边界；所有邻域解构成了邻域N*(m)，在邻域中选择目标函数值最小的解作为候选解m’；步骤(34)，计算Δ＝F(m’)-F(m*)；若Δ<0且满足质量约束和爬升率约束，则接受m’为当前解，更新禁忌表，转步骤(36)，其中F(m)为目标函数值；否则，转步骤(35)；步骤(35)，若exp(-Δ/t)>rand(0,1)，则接受m’为当前解，更新禁忌表，转步骤(36)；否则，转步骤(33)；步骤(36)，迭代次数增加iter＝iter+1，应用步骤(31)中的冷却系数α，更新温度t＝αt；步骤(37)，若t<t f 或iter＝N，则停止算法并输出最优解m*，否则返回步骤(33)。
