一种融合神经网络与熵权法的多用户飞行程序评价体系

飞行程序人员主要依据国际民航组织（International Civil Aviation Organization, ICAO）第8168号规章从飞行安全考虑,兼顾部分经济性指标进行程序设计。目前,飞行程序设计鲜有考虑所涉及的不同用户的需求。同时,对飞行程序的评价主要依据专家经验打分,缺少对客观因素的分析。本文面向飞行程序涉及的4个用户,提出了一种融合神经网络与熵权法的飞行程序评价体系。首先,分析了飞行员、民航管制员、军航管制员、机场和城市规划部门4个飞行程序用户对飞行程序的需求,从而基于多用户需求建立了飞行程序的三级评价体系。再次,通过利用基于神经网络计算的主观权重以及基于熵权法的客观权重,利用博弈论框架得到了一种综合性主客观权重的评价体系。最后,基于中国西部某军民航合用机场的离场程序,对评估体系进行了实例验证,并对程序中的改进方向提出了建议。综合多用户需求的飞行程序将在空域资源受限条件下进一步提升空中飞行效率,降低延误。     

基于信息熵的危险天气下终端区管制风险评估

终端区结构复杂、飞机事故多,其中危险天气对航空器的安全运行影响极大,因此有必要对危险天气下终端区管制风险进行评估。针对终端区管制系统运行风险性大、易发不安全事件的问题,提出基于风险信息熵的危险天气条件下终端区管制系统风险评估模型。首先,通过分析危险天气条件下管制系统的运行过程,建立管制系统运行中的熵流模型,然后建立危险天气下终端区管制风险评估指标体系,给出评估指标灰色关联度属性的计算方法,利用其反映出的信息熵确定指标权重,最终建立危险天气下终端区管制风险评估模型,并通过算例验证了模型的可用性和有效性。     

基于K-means聚类的无人机飞行风险评估（英文）

为量化评估低空空域无人机飞行风险,从飞行冲突、飞行环境和交通特性3个方面分析了无人机飞行风险影响因素,分别构建了无人机空中风险指标和地面风险指标,建立指标筛选模型和无人机飞行风险评估模型,提出了基于K-means聚类的无人机飞行风险评估方法。数值仿真表明本文提出的方法既能有效地评估无人机飞行风险,又能为无人机风险管控提供技术支撑。     

基于灰色聚类的民航不安全事件风险评价

为提高民航运行安全水平,以2007-2016年民航不安全事件为数据源,选取事故和典型事故征候事件作为民航不安全事件风险评价指标,构建了基于灰色白化权聚类的民航不安全事件风险评价模型,采用最大离差化原理确定指标权重,以实际运行数据对这10年的民航不安全事件的风险进行了评价。结果表明:基于灰色聚类的风险评价结果与民航实际运行情况基本相符,验证了以事故和典型事故征候为指标的民航不安全事件风险评价体系的合理性,对提高民航安全生产能力有积极意义。     

基于Copula的民航发动机性能参数阶段可靠性评估

民用航空发动机的性能参数状态呈现多阶段变化特性,目前性能参数状态的评估方法不能有效利用状态监控大数据准确识别其对民航发动机性能的影响,据此提出一种新的考虑民航发动机性能参数状态动态演变阶段相关性的可靠性评估模型。模型根据变点分阶段的特性利用动态Wiener过程对民航发动机性能参数状态进行表征,利用Copula函数建立阶段性动态Wiener过程的联合概率分布函数模型,同时结合民航发动机性能参数状态演变的首达阈值的数学性质,利用蒙特卡洛仿真抽样法进行可靠性评估。利用航空公司实际的状态监测数据验证所提模型的优越性,结果表明,相较于不考虑演变阶段间相关性的模型,所提模型对评估民航发动机性能参数的状态可靠性的平均误差降低了约12.9%。     

一种在轨卫星控制分系统风险等级预测方法

使用2009至2020年某卫星控制分系统质量案例数据,提出一种基于BP神经网络的在轨卫星控制分系统技术风险等级预测模型。挖掘历史相关数据,建立在轨卫星控制分系统风险评价体系。排除风险源中的冗余信息,将重要信息数据离散化后,以BP神经网络进行训练,最终得到在轨卫星控制分系统风险等级预测模型。通过试验验证该模型可准确有效预测在轨卫星控制分系统风险等级,为卫星在轨风险控制提供支持。     

基于BSO-BP神经网络的赤潮预测模型

针对天牛须(BAS)算法在处理高维数据时容易陷入局部最优的缺陷,在BAS算法的基础上结合粒子群(PSO)群体信息共享的机制,提出一种倒S型函数的BSO-BP模型。通过建立BSO算法优化BP神经网络的复合模型对夜光藻密度进行预测,从而实现赤潮灾害预测。首先,采用核主成分分析法(KPCA)对输入变量进行降维处理,加快网络的收敛速度。接着,利用BSO优化BP神经网络初始权值、阈值。为了更好地平衡BSO算法的全局搜索以及局部搜索能力,引入倒S型函数来调整惯性权重。相对于BP、PSO-BP、BAS-BP等模型,BSO-BP具有更好的预测精度以及非线性拟合效果。     

基于物元分析法的民航系统安全评价

为了对民航系统进行安全性评估,建立了评估指标体系和评估方法。采用物元分析法计算由飞行、航空保障、维护与维修、管理4个子系统组成的人-机-环-管的民航系统安全关联度。文中以评价民航系统安全为目标,在建立民航系统安全评价指标体系的基础上,应用物元分析法量化这些评价指标,把民航系统作为一个待评的多维物元,建立物元分析与评价模型进行分析,并通过实例说明该方法的应用过程,由此验证该方法的可行性和有效性。     

基于ADS-B最小安全间隔评估研究

本文以广播自动监视技术(ADS-B)为主导,从监视系统的监视精度、作用范围和安全间隔入手,采用改进型Reich模型为基础,建立碰撞区和临近区、模型的延迟误差区、航迹固有偏差区的综合模型,结合国际民航组织的飞行安全指标,进行综合概率评估.进一步缩小ADS-B的碰撞最小飞行安全间隔,最后整合尾流安全区,进行航路流量预测.     

基于地面安全约束的无人机航路规划研究（英文）

随着无人机数量和飞行时间的快速增长,由无人机飞行风险引起的安全事故也逐渐增多。安全航路规划是在战略层面降低无人机运行风险的有效手段。考虑无人机航路的安全代价,基于地面风险评估提出了一种无人机安全航路规划模型。将航路下方区域栅格化处理,以每飞行小时地面人员伤亡率为量化指标,定义各栅格安全系数,并根据栅格安全系数构造航路安全代价函数。建立了兼顾航路安全性和飞行距离的总代价函数,并通过改进蚁群算法进行航路规划。模型的有效性通过城市空域物流无人机航路规划进行验证。结果表明,考虑地面安全约束的航路规划模型在无人机总飞行时间增加不大的情况下,能显著提高航路的整体安全性。     

基于等级全息建模的特殊机动动作风险识别

本文基于等级全息建模的思想，建立HHM风险识别框架，构建一套单发飞机特殊机动重点科目训练风险体系。对单发飞机特殊机动中存在的风险点进行深入分析，有助于提升特殊科目飞行训练风险识别的准确性及全面性，为后续风险评估提供依据，并且用于飞行训练安全风险前移和提前介入，保证飞行训练安全。     

一种基于故障统计数据的发动机风险预测

给出了发动机故障危险等级划分 、危险系数确定、风险因子与飞行风险的计算方法,建立了基于蒙特卡罗仿真的发动机多故 障模式风险评估流程,预测发动机故障发生情况,评估发动机使用阶段的故障风险。在已有 航空发动机历史故障数据的基础上,对多种故障模式进行了风险预测,制定了两种可降低风 险的方案,分析了维修周期对风险因子的影响,给出了合理的降低风险方案。     

面向飞行训练模拟器的航空发动机建模研究

建立精确的民航发动机性能模型有利于高逼真度的飞行仿真。基于Matlab/Simulink平台,依照CCAR-60对发动机的建模要求,分别建立了针对CFM-56发动机的推力、低压/高压转子转速、排气温度等模型。提出推力等级预设法,通过预设6个典型推力等级,更贴合民航飞行的实际情况,在保证动态性能的同时提高了模型的逼真度。最后,运用飞机着陆的真实环境和操纵数据对模型进行了验证,效果良好。     

一种使用BP神经网络加速的蒙特卡洛拉格朗日水滴求解器（英文）

结冰可能威胁飞行安全。拉格朗日方法被广泛应用于求解结冰过程中的水收集系数,但是其发展受到鲁棒性问题和高计算成本限制。为了弥补拉格朗日方法的缺陷,使用蒙特卡洛积分法和反向传播(Backpropagation, BP)神经网络分别用于解决鲁棒性问题和降低计算成本。基于蒙特卡洛方法的拉格朗日求解器可实现对任意模型或计算条件的无条件稳定。构建了BP神经网络用于预测水滴撞击概率,通过筛除非撞击水滴减少计算量。BP神经网络不针对特定模型提前训练,使用异步并行策略使BP神经网络训练和水滴运动同时求解,建立了广泛适用的异步拉格朗日求解器。使用GLC-305后掠三维翼型和某型发动机短舱模型对求解器进行验证,结果显示BP神经网络可以有效提升计算效率,对比没有神经网络辅助最多节省27%运行时间,同时保有同等计算精确度。本文研究为首次尝试神经网络技术与结冰数值模拟融合,为进一步发展拉格朗日方法提供有力支撑。     

基于贝叶斯网络的航空公司安全风险评估研究

本文参考人、机、环境和管理理论,并根据民航相关标准和规则建立航空公司风险评估指标体系。对航空公司实际调查数据进行有效性、归一化处理,用GeNIe软件构建相应的贝叶斯网络模型,对参数进行学习,获取了各节点的CPT,据此对模型进行正向推理和反向推理,找出了风险致因较大的因素即人的因素和管理及信息因素。最终对该航空公司风险评估的结果为76.6%。实验结果证明该方法是可行有效的。     

基于关键词的低空风切变事件风险分析研究

为有效分析民航不安全事件中隐藏的安全风险,以2015年民航某地区收集的风切变事件为样本,对风切变发生的飞行高度、飞行阶段、飞行员的应对等方面进行关键词提取,采用TFIDF算法计算关键词权重,验证关键词选取准确性;采用风险矩阵分析法,以原因类关键词和后果类关键词统计结果分别表示风险发生的可能性和严重程度,得出风险分析结果:当飞机进近阶段低高度遭遇强风切变时属于高风险;当飞机进近阶段低高度遭遇弱风切变时属于中等风险;当飞机进近阶段高高度遭遇强风切变时属于低风险。结论:关键词分析法可以有效提取事件报告类信息的基本情况,结合风险矩阵分析法可以快速分析某类事件诱发原因可能产生的安全风险,为以数据驱动的安全风险管理提供支持。     

基于BP神经网络的含褶皱复合材料强度预测

利用BP(Back propagation)神经网络处理多参数问题具有的非线性映射及泛化能力,构建了具有3层隐藏层的神经网络,对含纤维褶皱复合材料层合板的压缩强度进行预测。基于LaRC失效准则建立三维损伤模型,对含褶皱复合材料的压缩失效进行数值分析。将数值分析结果作为数据样本对神经网络进行训练。采用黄金分割法快速确定最佳隐藏层神经元数量区间范围,并通过分析对比不同数量神经元模型的强度预测结果及评价指标,确定具有高预测精度的隐藏层神经元数量。结果表明,所构建的神经网络预测最大褶皱角为5.6°、9.9°和11.4°的3种层合板失效强度误差分别为3.4%、4.6%和-0.01%。本文所发展的基于BP神经网络对复合材料强度进行预测的方法,为工程应用中复合材料强度评估提供了一种有效的途径。     

基于神经网络的垂尾飞行载荷模型研究

针对现代飞机结构设计复杂、传力路径多和大载荷结构变形大等因素,提出用神经网络方法建立载荷模型.利用垂尾载荷校准试验数据建立基于神经网络的垂尾根部剪力和弯矩的载荷模型,并对多点进行载荷预测.通过与多元线性回归载荷预测结果进行对比分析,结果表明,在大载荷下神经网络预测精度优于多元线性回归,从而为测量垂尾飞行载荷提供了一种可...     

民用航空信息安全研究

民航信息系统安全是民航安全工作中不可分割的重要组成部分,信息安全风险评估是风险管理的基础,是组织确定安全要求的主要途径。只有通过风险评估识别组织所面临的安全风险,并确定风险控制的优先权,才能对其实施有效的控制,从而将风险控制在组织可以接收的范围内。为制定信息安全方针,选择适当的控制目标与控制方式提供决策依据,有的放矢,将有限的信息安全预算应用到最需要的地方,确保控制费用与安全风险之间的平衡,以带来可持续的发展。     

适用于全包线的航空发动机BP网络模型的动态辨识

为克服传统的发动机动态模糊辨识中存在的辨识精度低，辨识模型应用范围窄等不足，把对非线性系统具有高度逼近能力的神经网络应用于航空发动机动态特性的辨识，从而为发动机动态辨识开辟更为广阔的道路，采用均方差归一法的处理方法和BP算法的改进算法－输出端动量BP地，以某型发动机在飞行包线内某一飞行条件下的数据作为学习样本，辨识了发同的神经网络模型，在全包线范围内对该模型进行检验，结果表明，所得的发动机动态模型在全包线内都有很高的逼近精度，而且对噪声有很强的抑制能力。