民机纵向静稳定性试飞方法研究

目前国内民用运输机执行纵向静稳定性试飞时主要采用稳态法,而此方法存在试验时因飞行高度变化过大过快而难以采集足够试飞数据的缺点。针对FAA 咨询通告AC25-7C 中提出的两种关于纵向静稳定性的试飞方法进行对比分析,从而考察平飞加减速法的可执行性,分析传统的稳态法和新的平飞加减速法的优缺点和实际飞行试验时的可行性,得出初步结论为平飞加减速法有其独特的优点,主要适用于能平飞配平的试验点,而对于飞机发动机设置于最大推力和慢车推力试验点的适用性,还需通过试验进一步考察确定。     

基于BP神经网络的试飞训练安全性量化模型

为提升试飞员在航空试验飞行过程中的飞行安全、降低试验飞行的风险等级,研究基于BP神经网络的试验飞行训练安全性分级量化分析模型。以人因工程的人、机、环为切入,分析试验飞行训练过程中影响试飞安全的因素,并选取人、试飞训练科目及环境三部分重要因素,建立试验飞行训练过程中的安全性分级量化分析指标体系。经人因工程指标量化处理后,由于融合的数据类型相似度较低,因此采用BP神经网络构建试验飞行训练安全性分级量化分析模型,经模型训练、测试后,输出试验飞行训练的安全性分级量化等级。利用定制的接触式采集设备和非接触式面部识别系统,采集试飞员执行试飞科目训练时身体节律数据,分析训练过程中科目复杂度和难度对试飞员心理特征和生理特征的影响,从而建立量化指标和预警指标,以此优化试验飞行训练课程、提高训练品质,保障试飞安全。试验表明,该模型所得试验飞行训练过程中的安全性分级量化模型输出偏差小于2%,模型预测结果与训练过程中实际风险等级基本吻合,可有效地用于试飞训练过程中风险预警,提高试飞员训练品质,为实际试飞安全提供保障。