通用航空器适航审定浅论

对通用航空器进行分类,归纳了通用航空器的适航审定政策,分析了航空器的不同等级、不同种类适航证件的相互关系,重点阐述了通用航空器的适航审定途径.     

中国民航跑道侵入事件严重程度等级计算及预防措施

<正>随着全世界民航空中交通量的增长,跑道侵入的不安全事件数量急剧增加,严重威胁着航空安全。根据国际民航组织(ICAO)《防止跑道侵入手册》(Doc9870 AN/463)中的定义,跑道侵入是指在机场发生的任何航空器、车辆或人员误入指定用于航空器着陆和起飞的地面保护区的情况。该手册还根据事件严重程度将跑道侵入划分为A至E共5个等级,同时该手册还包含了一个跑道侵入严重等级计算器(RISC),它能够为跑道侵入事件严重等级划分提供快速简便及标准统一的方法。本文利用RISC计算器,通过对近10年我国民航发生的跑道侵入事故征候进行定量测算和分析,给出了跑道侵入不安全事件的相关预防措施和建议。一、计算工具RISC简介RISC软件由ICAO提供,受软件著作     

智能化航空飞行控制技术的发展

随着航空器飞行环境的日益复杂,对航空器的任务性能需求也不断提升。为了应对飞行安全压力增大、驾驶员操纵负荷增加等问题,从航空飞行控制所面临的问题着手,对人工智能、航空飞行控制的发展历程和后续发展趋势进行初步的探讨。首先,对国内外人工智能技术以及智能化航空飞行控制技术的发展进行简要介绍及分析;然后,结合技术发展趋势对未来智能化航空飞行控制技术的发展趋势进行初步分析;最后,提出了目前航空飞行控制技术智能化发展的初步思路,为后续该领域技术的发展提供参考。     

航空器飞行状态预测的混合模型研究

航空器的飞行状态预测是飞行冲突探测的核心问题,也是保障飞行安全的关键所在.为了准确、高效地预测航空器的飞行状态,提出了一种HMM-BP混合模型.首先深入分析了航空器的飞行特点,从不同角度定义飞行状态并建立几何判定方法;然后通过HMM模型分别对航空器的飞行高度、航向以及速度特征进行时序建模;最后利用BP神经网络对航空器的飞行状态进行了推理预测.研究结果表明,该方法通过分析航空器在扇区内最初5min的雷达航迹数据,能够准确地预测其在扇区剩余时间的飞行状态,且计算速度快、预测效率高,可以有效协助管制员正确掌握航空器的飞行状态.     

频谱分析在飞机排故中的应用

飞机机电系统正在向综合化和智能化发展,对故障的诊断技术提出了新的挑战。本文首先介绍倒频谱分析的原理与方法,然后就该方法在空客A320飞机增压系统故障诊断中的应用进行了深入分析,包括提取增压系统相关的故障特征和对相关故障模式进行识别,最后讨论了航空器故障诊断技术的发展。本文可为航空器故障诊断提供新的思路。     

基于改进层次分析法的无人机自主能力评价方法

针对无人机系统自主能力评估需求,通过分析已有无人机自主能力评价标准,基于OODA环(Observation-Orientation-Decision-Action Loop)理论,从感知能力、分析能力、决策能力和行为能力等4个方面构建了无人机自主能力评价指标模型,给出了无人机自主能力等级划分建议。应用改进层次分析法,提出了一种适用于大中型无人机的自主能力定量评价准则,把系统评价问题归结为指标模型最底层因素对于最高层因素的相对重要性权值的排序问题。该方法能够直观、全面地反映无人机的自主能力水平,具有较强的可操作性和实用性,可为大中型无人机自主能力定量评价提供理论支持。     

JAR-66对维修人员的颁证新特点

ＪＡＲ－６６是欧洲ＪＡＡ针对航空器维修人员的资格认证而颁布的条例，新条例于２００１年６月１日生效。条例的特点是增加执照等级规定、减少执照的专业划分、提高对维修人员全面能力的要求并且更加重视维修人员的思想素质     

无人航空器系统适航与地面碰撞模型

无人航空器系统在军事、民用领域快速发展,但适航理论研究发展缓慢,这带来了公众生命、财产安全方面的风险,也限制了无人航空器系统行业的发展。对无人航空器的适航理论及体系进行了分析和研究,引入舆情因子和区域因子,提出一种改进的无人航空器系统适航地面碰撞模型。该模型能够综合反映安全、舆论以及区域特殊性对无人航空器系统适航的影响,可以为其适航管理提供依据,也能作为无人航空器系统行业适航申请的参照。该模型的提出有助于加快无人航空器系统适航研究基础理论的发展。     

迎接无人驾驶航空器系统时代的到来

<正>一、相关概念无人驾驶航空器系统(UAS),在国内常被称为无人机系统。根据国际民航组织328号通告《无人驾驶航空器系统》,没有机载驾驶员操纵的航空器及其相关要素统称为无人驾驶航空器系统。UAS可按运行操作的方式分为遥控航空器(Remotely-Piloted Aircraft)系统和自主航空器(Autonomous Aircraft)系统。其中,遥控航空器系统是指飞行驾驶员不在航空器上的航空器系统,自主航空器系统是没有驾驶员介入飞行管理的无人驾驶航空器系统。     

基于层级网络的多无人机自主编队策略

为了研究任意几何形态的无人机自主编队方法,综合运用虚拟结构原理和智能体模型,提出了一种较为通用的基于层级网络的自主编队策略。首先,引入了虚拟领航员结构和无人机智能体模型,并建立了划分等级次序的层级网络;其次,针对假设条件,研究了虚拟领航员的运动规律,并给出了入列及防撞的具体策略;最后,通过系列仿真试验对自主编队策略进行了验证。结果表明,多无人机能够进行固定形态的自主编队并保持稳定,通过合理调整层级关系,无人机还可进行编队重构。     

智能化民用飞机概述

提出了智能飞机的定义以及智能飞机所具备的状态感知、记忆学习、自主控制和规划、行为决策、自然人机交互以及空地一体化维护管理六项特征。基于智能飞机的特征,提出了面向飞行机组的智能驾驶技术、面向乘客的智能客舱技术以及面向机务的智能维护技术,并分别对智能驾驶技术、智能客舱技术以及智能维护技术进行了介绍,重点介绍了实现智能驾驶所依托的PBN、ADS-B等关键技术。本文的研究对未来智能飞机的设计具有重要的指引作用和研究意义。     

机载电子设备集成智能故障诊断系统

现有智能故障诊断方法主要有基于模型推理、基于规则、基于神经网络和基于案例的诊断方法,它们各有独特之处,又有各自的局限性。集成这些诊断方法能综合各诊断方法的特点,克服各诊断方法的局限性,从而提高诊断系统的智能性和诊断效率。本文根据飞机外场维护和内场大修的现状,设计了机载电子设备集成智能故障诊断系统。系统运用集成智能诊断策略,弥补单一推理方法存在的缺陷,增强了系统的故障诊断能力。实践表明,该集成智能故障诊断系统在机载电子设备的故障诊断与维修中发挥了积极有效的作用。     

飞机战伤抢修评估与设计方法综述

飞机战伤抢修（ABDR）是提高飞机生存力与作战能力的重要手段之一，开展战伤抢修技术研究覆盖飞机全寿命阶段。回顾了战伤抢修研究的历史和现状，分别从战伤评估、战伤抢修设计、战场维修与保障等3方面总结了战伤抢修体系要点，重点综述了战伤抢修预评估技术、战伤现场评估技术、战伤抢修设计准则与原则、战伤抢修设计与评价方法、战场快速维修技术、战场保障方法等方面的理论与研究进展。在此基础上，针对未来体系对抗与智能化作战环境，结合目前战伤抢修需求，提出了包括先进材料结构飞机战伤抢修技术、直升机战伤抢修技术、飞机战伤评估智能技术等战伤抢修技术研究需要关注和解决的问题。     

一种机载平台动态测姿精度检验方法

机载惯导平台目前只在实验室转台上进行过测试,实际动态情况下对较高姿态测量精度无法测试。本文针对这种情况,提出一种利用机载实况记录系统输出的测角数据、飞机和靶机位置数据等信息,对机载平台动态测姿精度进行检验的方法。     

飞行器智能设计愿景与关键问题

未来飞行器正朝着多元化、无人化和智能化的方向发展，高超声速、超隐身和变体等新型飞行器不断涌现。而传统飞行器解耦分拆的设计方法越来越难以满足未来飞行器综合性能全面提升的要求，只有通过整体化设计才能充分发掘飞行器的潜能。通过分析传统飞行器设计中存在的问题，提出满足全生命周期要求的飞行器智能设计体系理念，利用知识库的构建将智能赋予飞行器平台系统设计、制造生产和运维这3个阶段，并通过数字孪生技术进行飞行器全生命周期的仿真、分析和预测，以对飞行器设计、运行等数据进行更新，使该体系形成闭环。就飞行器智能设计体系中需要的关键技术及涉及的科学问题等进行了讨论，并给出了未来发展方向以供参考。     

无人机自主进场着陆控制系统功能结构研究

从无人机自主进场着陆的功能需求分析出发。探讨了无人机自主进场着陆控制系统的智能递阶控制结构的组成，并对系统的各关键功能模块进行了较详细的分析，提出了精确4D航迹规划及跟踪控制的一种新方法。     

数据采集在环保工程中的研究与应用

人类生存环境日益恶化的今天,建立完善的环境监测系统非常必要。随着市民环保意识增强,越来越多人关心所处环境质量好坏,要求环保工作透明化。如何建立实用性强、覆盖面广、灵活性好的环保数据采集系统满足需求,是需解决的问题。针对环保工程提出一种数据采集系统,分析了其结构和功能。     

飞机高度能力计算与研究

主要对民航飞机巡航时的高度能力的计算方法进行介绍。对高度能力的计算原理进行分析,并推导出一系列计算公式,建立数学模型,绘制软件处理计算流程图。最后通过绘制飞机高度能力分析曲线,得到了各因素对飞机高度能力的影响。     

航空器预测性维修技术研发应用态势分析

以航空器实时数据采集、传输和分析为基础的预测性维修技术已成为业界的发展趋势之一。本文从航空器维修的技术内涵和系统定位出发,以论文和专利数据为表征,提取预测性维修研究热点,系统梳理预测性维修技术的发展现状和趋势,分析人工智能、维修自动化、无人机、工业机器人、智能供应链等新一代信息技术在航空器预测性维修中的应用。在归纳预测性维修框架和关键技术的基础上,给出航空器预测性维修技术自主化策略建议。     

Transfer learning: A new aerodynamic force identification network based on adaptive EMD and soft thresholding in hypersonic wind tunnel

The aerodynamic test in the pulse combustion wind tunnel is very important for the design, evaluation and optimization of aerodynamic characteristics of the hypersonic aircraft. The test accuracy even affects the success or failure of hypersonic aircraft development. In the aerodynamic test of pulse combustion wind tunnel, the aerodynamic signal is disturbed by the inertial force signal, which seriously affects the test accuracy of aerodynamic force. Aiming at the above problems, this paper innovatively proposes an aerodynamic intelligent identification method, that is the transfer learning network based on adaptive Empirical Modal Decomposition (EMD) and Soft Thresholding (TLN-AE&ST). Compared with the existing aerodynamic intelligent identification model based on deep learning technology, this study introduces the transfer learning idea into the aerodynamic intelligent identification model for the first time. The TLN-AE&ST effectively alleviates the problem of scarcity of training samples for intelligent models due to the high cost of wind tunnel tests, and provides a new idea for further implementation of deep learning technology in the field of wind tunnel aerodynamic testing. And this study designed residual attention block with soft threshold and dense block with adaptive EMD in TLN-AE&ST model. Residual attention block with soft threshold module can more effectively suppress the influence of instrument noise signal on model training effect. Dense block with adaptive EMD makes the deep learning model no longer a black box to a certain extent, and has certain physical significance. Finally, a series of wind tunnel tests were carried out in the Φ = 2.4 m pulse combustion wind tunnel of China Aerodynamic Research and Development Center to verify the effectiveness of TLN-AE&ST.