一种航空发动机运行可靠性评估方法

航空发动机运行过程中,可靠性评估是航空发动机可靠性评估领域的关键问题之一,而合理的评估方法能够提高可靠性分析的效率和精度,因此本文提出一种支持评估飞机任务过程中航空发动机运行可靠性的方法。结合飞行任务特点和航空发动机工作特性,以快速存取记录器信息为分析数据,考虑当前运行环境、飞机瞬时状态、发动机当前工作状态 3 类因素对运行可靠性进行分析;将随机森林算法与分层抽样法结合对数据进行拟合、预测并计算特征重要度;以 B737-800 机型一次北京—乌鲁木齐的飞行任务为例,对方法的有效性和可行性进行验证。结果表明：本文提出的可靠性评估方法解决了航空发动机运行过程中数据量大、维度高导致的数据处理困难问题。     

失速尾旋试飞动力装置可靠性分析

失速尾旋试飞是高难度、极危险的特技飞行科目,飞机动力装置的工作特性和可靠程度显得非常重要。本文通过对动力装置可靠性分析,对飞机失速尾旋飞行试验提供了可靠性结论。     

特殊机场PBN运行的扰动风场估计及关联分析

高原特殊机场的民航PBN运行受到地形复杂、导航干扰、程序设计缺陷及大气扰动等多重复杂因素的影响.大气扰动是导致PBN运行的飞行技术误差乃至飞行事故的重要诱因.分析了扰动风对飞行的影响机理,建立了气流系下含扰动风动力学模型.基于QAR数据的解析冗余,计算获得实时扰动风场.在此基础上,运用灰色关联分析方法,分析扰动风对若干飞行状态的影响.灰色关联分析结果既是对扰动风影响机理的验证,也可进一步用于QAR数据分析,从而深入研究扰动风对PBN运行的飞行技术误差的影响.     

失速尾旋度飞动力装置可靠性分析

失速尾旋式飞是高难度、极危险的特技飞行科目，飞机动力装置的工作特性和可靠程度显得非常重要。本文通过对动力装置可靠性分析，对飞机失速尾旋飞行试验提供了可靠性结论。     

基于深度学习的航空器异常飞行状态识别

飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。     

基于机器学习的航空器进近飞行时间预测

为了准确预测航空器的落地时间，提高空管部门间的协作效率，采用机器学习的方法对航空器进近阶段飞行时间进行了预测。从实际运行出发，分析航空器在进近管制空域飞行时间产生差异的原因，提出了影响航空器在进近空域飞行的8类因素和17个重要特征。以航空器在进近飞行时间为标签，基于提出的重要特征，采用岭回归、支持向量机、随机森林和神经网络算法，建立了4种基于机器学习的航空器进近飞行时间预测模型。以南京进近为实例，对4种机器学习模型进行训练、验证和测试，对模型的性能指标、特征重要性和影响因素展开分析。研究结果表明，对于航空器进近飞行时间的预测，基于随机森林的模型表现出了最高的预测性能，模型的泛化能力最好、精确度高，回归效果越显著；进场状态是影响航空器进近飞行时间的最重要因素，而进场点和进场高度特征则对结果的贡献度最大。     

基于全航段QAR数据和卷积神经网络的航空发动机状态辨识

为了充分挖掘全航段飞行数据中蕴含的丰富信息以提高发动机状态辨识的准确率,提出一种基于全航段快速存取记录器（QAR）数据和卷积神经网络的发动机状态辨识方法。该方法将每次飞行循环的全航段QAR数据变换为一个红绿蓝（RGB）多通道样本实现全航段数据图像化处理,根据发动机维修记录中的水洗时间,将发动机划分为不同的衰退状态,采用卷积神经网络对不同衰退状态进行分类和辨识。该方法经某航空公司飞机QAR数据验证,结果表明：基于全航段QAR数据的衰退状态辨识算法的精确度相比于仅使用巡航段数据的精确度提升超过13%,辨识准确率达到98%。     

QAR译码技术研究与自动译码系统的建立

针对目前国内航空公司使用的译码软件每次只能手动译码一个QAR原始数据文件问题,从分析飞行数据储存方式入手,研究QAR数据译码原理。在此基础上,设计出一套QAR自动译码系统,并通过人工译码验证工程值转换逻辑设定的准确性,以及通过将系统自动译码后数据与现有译码软件运行结果比对的方式验证该系统的可靠性,为航空公司日常运营中基于QAR数据的飞机性能监控提供了保障。     

基于QAR数据的飞机系统故障预测与故障诊断支持系统研究

本文介绍了基于QAR数据的飞机系统故障预测与故障诊断支持系统模型的构成和实现技术。文章中提出的基于动态链表的QAR数据译码技术为译码各种机型QAR原始数据提供了一种高效的方法。另外,系统将各种诊断知识组成知识库,以译码后的QAR数据为分析对象,以知识库中的知识为判据,最后智能地根据飞行性能,给出故障预测与故障诊断信息。     

基于BP神经网络的飞机油耗与轨迹匹配模型研究

研究了基于与QAR记录相匹配的飞行轨迹数据建立的BP神经网络油耗模型,利用飞行轨迹数据输入模型求得油耗估算值,通过与QAR真实燃油数据对比,进行模拟分析.以某些航班的雷达记录数据为例进行油耗计算,结果表明本实验模型在燃油方面的估算误差不超过2％,满足空管方面对燃油消耗的计算.研究结果可以用于定量分析空管运行对民航节能减排的影响,从而在确保飞行安全、管制容量的前提下更好地兼顾绿色运行的要求,提升空中交通运行质量.     

冲偏出跑道事件风险影响指标分析

目前对冲偏出跑道风险的研究多基于事故统计数据,较少从飞行数据及飞行操作特征的角度进行分析。基于飞行数据,对冲偏出跑道事件开展风险分析。将飞行数据分为飞行状态、操作指令、信息3 类,以此研究飞机在起飞滑跑、着陆、着陆滑跑3 个阶段的状况及风险影响指标;通过数据所反映的操作特征,结合标准操作程序,推导出飞机偏离正常数据、与标准操作不相符的操作,得到影响正常飞行的风险因素;基于行为安全2-4 模型,建立冲偏出跑道风险评价指标体系,对实际案例的事故致因机理进行研究,着重分析操作特征及人为因素,并提出冲偏出跑道风险防控措施。结果表明：通过对飞行操作特征及飞行参数的分析,从操作类、数据类以及环境类3 个维度建立风险影响指标体系,可以降低指标因素对冲偏出跑道事件的影响;从人、机、环、管方面提出改进措施,可有效降低冲偏出跑道事件发生的概率。     

A320驾驶舱人为错误的管理

防止驾驶舱人为错误是保障飞行安全的有效措施。根据Helmreich操作类型分类法,统计分析了国航浙江公司A320飞机QAR三级超限事件连续三年的数据,并结合问题调查等数据,对该公司的人为错误进行研究,并给出了可操作性的人为错误管理策略,探索了利用QAR数据开展航空公司人为错误研究的方法,为国航浙江公司A320飞机的人为错误管理提出了建议。对提高飞行安全减小人为错误具有积极意义。     

QAR数据处理在气动力矩参数辨识中的应用

长期飞行引起的结构疲劳损伤和复杂环境下的腐蚀损伤等因素导致飞机的气动模型会随时间略有变动,而飞机气动模型的辨识对于分析飞机当前的运行状况具有重要意义.为了完成飞机气动模型的再次辨识,通过分析、处理飞机自带的快速存取记录器(QAR)数据,根据动力学原理建立气动力矩数学模型,最后运用极大似然法辨识出各气动导数.经验证,辨识结果满足仿真要求,可应用于模拟飞行、机务维修信息指导和事故预警与重现等.     

基于机器视觉技术的飞机绕机外观检查方法研究

大型民用飞机试飞和航线运营期间,对其外观表面进行绕机外观检查是适航性安全检查的必要工作.目前飞机的绕机检查主要采用人工绕机方式,该方式,且成本高、效率低,易出现漏检、误检等人为因素,因此智能外观表面检查方法的研究是一项迫切的任务.相比于其他工业检测任务,飞机外观检查智能识别目前无公开数据集,且飞机真实外观损伤类型多样....