大型民机进近着陆段异常能量风险判据研究

根据大型民机事故统计，进近着陆阶段事故率最高，而其中大部分事故首先表现出异常能量状态，并演变成失控、重着陆、擦尾、冲出跑道等事故类型，或者呈现复飞失败。在归纳上述五类终端事故类型作为重点关注对象基础上，建立典型大型民机飞行数值仿真平台，使用随机模拟和相关性分析方法研究能量状态参数偏离导致进近着陆风险的影响规律。在此基础上，根据仿真结果给出了由关键能量参数确定的能量状态安全边界，可建立不同风场条件及可能的复飞油门下由空速-下滑角参数构成的异常能量预警判据，对于异常能量导致的进近着陆风险预警具有准确性和非保守性。研究结果可为大型民机进近着陆过程的风险预警以及相关飞行控制功能设计提供方法基础。     

民用飞机连续下降技术初探

为了提高民用飞机燃油的经济性和环保性,国外的研究机构提出了连续下降进近程序(CDA),该进近程序能有效减小民用飞机在着陆阶段对地面噪声的影响,减少着陆过程中氮氧化物的排放。介绍了CDA着陆技术的产生背景和国外研究发展情况,并设计了CDA着陆下滑轨迹,同时采用蒙特卡罗方法对飞机着陆过程的轨迹进行仿真。     

做好着陆决断

HowtoMakeLandingDecision在飞行中有80％的事故发生于飞机的起飞和着陆阶段，而发生在着陆阶段的事故数量又远远大于发生在起飞阶段的事故数量。为了防范飞机在着陆阶段发生事故，特别是减少人为因素造成的着陆事故，提高飞机着陆质量和运行的安全，民航有关当局、航空公司根据国际民航组织公约附件和本国的民用航空规章及飞机运行区域、飞行运行特点都制定了各机型、各机场、各类进近的着陆标准，并且提出了稳定进近的要求，以帮助飞行机组做出正确的着陆决断。一、着陆决断的分类依据做出着陆决断的时机，着陆决断可以分为三类：第一类…     

近十年全球商用喷气机冲出跑道事故统计分析

过去10多年,在世界民航运输业不断发展、年飞行量不断增长的环境下,由于航空技术的不断进步和安全管理方法方式的逐步改进,全球商用飞机事故率呈持续下降趋势。尽管航空安全水平总体有所改善,但进近和着陆事故（ALAs）仍在商用喷气机事故中居首位。虽然最终进近和着陆阶段只占飞行平均时间的4％,但是1998—2007年间,超过一半的事故,和33％的致命事故、22％的死亡人数,发生在最终进近和着陆阶段。     

空中交通管制对稳定进近的影响

进近与着陆是飞行过程中最重要和最关键的阶段。近40年的统计表明,约30％-50％的喷气式运输机的空难事故发生在这一阶段,而其中涉及机组人为因素的事故高于65％。通常,人们将这最后的进近与着陆称为“最后2分钟”,“危险飞行期”。事实上,进近着陆是机动飞行较多的阶段,影响飞行的可变因素较多,尤其是在复杂的气象条件,终端航路要求及空管限制等因素的影响     

基于BP神经网络和飞行参数的航段风险评价

飞行运行风险的定量评估对于民航安全保障具有重要意义。设计并实现了一种基于BP神经网络算法的航段风险评价系统。该系统将大量飞行情景参数直接作为飞行风险评估的基础,通过飞行能力评价体系获得飞行运行风险度经验数据,并使用神经网络实现了任意飞行情景的风险度拟合运算。经过真实航班飞行数据的测试和飞行品质监控系统的验证表明,该系统可为进近着陆阶段任意时刻的飞行运行风险评估提供可靠的结果。     

复飞点复飞，保证安全的最后时机

前言 “保证安全第一、改善服务工作、争取飞行正常”是民航的中心任务，当然最关键的问题是飞行安全。国际民航组织及世界各国制定出了许多切实可行的规章、安全条例和防范措施，并取得了一定的成效，但每年仍有飞行事故和事故征候发生。经统计，发生在进近着陆阶段的事故可以占到事故总数的27％以上，进近着陆阶段是事故的绝对多发阶段。在飞机到达飞行终端区向着陆跑道进近过程中，有时因为主客观的各种原因，飞机难以安全着陆。     

1980—1996年世界重大进近着陆事故分析

AnAnalysisof＊theysis砌tdlAoor0ach互ng－ana·L6hdthgACCtd6htStfota1980to1996从1980年至1996年，全世界最大起飞重量57O0公斤以上的喷气式和涡轮螺旋桨运输机共发生重大死亡事故621起，其中发生在进近着陆阶段的重大死亡事故287起，占46％。287起重大进近着陆事故共造成7185人死亡，平均每起事故死亡万人。平均占机载人员的63％。从统计数字看，西方制造的飞机在进近着陆阶段发生的重大死亡事故和死亡人数呈上升趋势。如果这种上升趋势继续发展下去，到ZOIO年，西方制造的飞机在进近着陆阶段将发生重大死亡事故万起，死亡人数将…     

着陆阶段飞行事故的心理学分析

国际民航组织1959～1994年飞行事故调查统计表明,着陆阶段是飞行事故的多发阶段。按不同飞行阶段的统计,加载、滑行、减载阶段的事故率只占2％;起飞阶段的事故率占14.4％;初始爬升段占10.4％;爬升段占6.9％;巡航段占4.4％;下降段占7.2％;起始进近段占11.3％;五边进近阶段的事故率占24.2％;接地段占19.2％。其中五边进近和接地阶段的时间只有     

飞机事故及其原因统计分析

用图表的形式统计显示了美国三军飞机及世界民用飞机数１０年来的灾难性事故率的演变情况。随着技术和管理的进步与提高,飞机事故率呈逐渐下降趋势。飞机事故率因飞机用途（军用或民用）、机种、所装发动机台数、飞行经历不同而异。对军用飞机事故原因分驾驶类和后勤类两类作了统计分析。统计表明,民用飞机事故的主要原因是驾驶员问题,其中起飞、开始爬升、最终进场着陆阶段（约占每次飞行时间的１／１７）占了事故总数的６７％。应进一步加强飞机安全性设计与分析,开展人为因素研究,以继续减少飞机事故的发生     

甲板运动对舰载机人工着舰的影响和补偿

分析了甲板各自由度运动对舰载飞机准确着舰造成的影响,提出根据主要的影响因素,由降落指挥官发出补偿引导指令,对甲板运动进行补偿。在此基础上,采用神经网络预测甲板运动并结合模糊控制,建立了补偿指令和控制模型,并通过数值仿真分析了所建立的模型的合理性。     

利用模态编码进行结构损伤位置识别的自联想储存器神经网络方法

 提出了一种基于自联想储存器神经网络的结构损伤识别方法,该网络的训练数据为经编码后的结构模态向量。和传统BP网络相比,这种方法收敛性能较好且不易陷入局部极小值。另外,为判断识别结果的正确性,提出了一种基于向量间距离的可靠性分析方法。最后,以一个悬臂梁为算例验证了该方法的有效性和可行性。     

基于神经网络预测模型的歼击机结构故障检测方法

提出了一种基于预测神经网络的歼击机结构故障检测新方法 ,与传统的基于模型的非线性系统的故障检测方法相比 ,神经网络方法有着非线性逼近能力强和故障检测实时性好等优点。给出了基于预测神经网络的故障检测方案 ,以及多步直接预测算法和阈值选取原则 ,最后以某型歼击机为例进行了仿真验证 ,仿真结果表明本方法能有效地检测出歼击机的各种结构故障。     

A hybrid deep neural network based on multi-time window convolutional bidirectional LSTM for civil aircraft APU hazard identification

Safety is one of the important topics in the field of civil aviation. Auxiliary Power Unit(APU) is one of important components in aircraft, which provides electrical power and compressed air for aircraft. The hazards in APU are prone to cause economic losses and even casualties. So,actively identifying the hazards in APU before an accident occurs is necessary. In this paper, a Hybrid Deep Neural Network(HDNN) based on multi-time window convolutional neural network-Bidirectional Long Short-Term M...     

基于综合应力工作态试验和神经网络的CMG失效边界域预测

本文设计了一种可同时模拟真空热环境和CMG与航天器角动量交换工况的试验设备,提出了模拟在轨真空环境下温度、CMG框架转速、航天器转速3种应力的工作态试验方法,给出了适用于神经网络的CMG运行状态定量表达方法,利用少量试验数据和神经网络方法对工作极限转速矩阵、失效边界、失效边界域进行预测,分析了经验样本对预测结果的影响,以及各应力对其他应力工作域的耦合影响,并给出了预测结果的可信度分析方法。研究结果表明,所提出的方法可以更真实模拟CMG在轨工作状态的同时显著节省试验经费和时间,并具有较高的预测准确性和多应力工作场景适应性,对I和Ⅱ两类训练数据集分别获得100%和98.8%的预测正确率,给出了仅凭试验数据无法得到的55℃下的转速失效边界,并且可以内化试验数据背后的工程经验。     

基于人工神经网络的磁航向误差校正方法

介绍了前馈神经网络的特点和基于递推预报误差(RPE)的训练算法,利用前馈神经网络对某航向同步传输系统的磁航向误差进行了校正,并给出了实验结果.     

不确定航迹自适应预测模型

针对现有航迹预测技术中，存在无模技术缺乏理论分析支持、能力有限、适用范围窄、有模技术先验假设过多、前提条件严苛、通用性差等问题，通过理论推导，利用循环和多层神经网络结构，研究提出了具有理论严谨、先验假设少、适用范围广、通用性强等优点的不确定航迹自适应预测模型，同时给出了典型的实现方法。该模型克服了现有航迹预测方法的缺点与不足，并具有无模与有模两类技术的优点与长处，仿真和实测实验验证表明：该模型能很好地提取识别出数据中存在的模式，并基于模式，进行正确有效地预测，能有效解决不同实际环境中的航迹预测问题，效果明显。     

超声速湍流密度脉动预测的神经网络方法

针对气动光学效应对湍流密度脉动预测的需求,发展了超声速湍流密度脉动预测的神经网络方法,从直接数值模拟（DNS）的超声速湍流边界层的流场数据中挖掘规律,建立了包含5个隐含层的密度脉动模型。实验结果表明,所发展的神经网络方法可以很好地预测密度脉动均方值,它不仅能很好地预测训练样本,对测试样本预测的精度和稳定性也显著高于传统模型,且具有一定的泛化能力。通过特征选择和加入先验信息,确定了密度脉动模型的7个输入参数特征量,进一步提高了模型的泛化能力和实用性。