面向终端区航空器飞行状态识别的HMM方法

为了准确掌握和预测终端区航空器飞行状态及其时序,为管制指挥提供参考,提出了一种基于隐马尔可夫模型的终端区飞行状态识别模型。通过对终端区雷达数据的一致化处理,形成符合隐马尔可夫模型的雷达航迹特征表示;采用雷达特征航迹训练隐马尔可夫模型,建立航空器飞行状态及其时序识别模型。实验表明:对于常规进场的航空器,方法快速有效,平均识别率高达91.53%;模型充分体现了管制意图信息与飞行意图信息;可以帮助管制员及时准确判断航空器的飞行状态。     

机载设备研制阶段的适航性分析与验证

机载设备适航性就是将机载设备安装在军用航空器上时要保证航空器能够适合飞行、保证航空器飞行安全性的能力,是验证机载设备确保航空器具有安全飞行能力的检验准则。     

坊止货物隐载 确保飞行安全

货物隐载是一直是配载工作的隐痛，也是业内非常敏感的话题。仅2008年2月份，中国民航共发生的54起不安全事件中隐载事件就有3起：2月5日东航山西分公司B737／2682号机执行温州一香港航班，飞机正常滑出后，温州现场通知货物装载有问题，机组经请示后滑回检查，发现二舱货物（272KG）和三舱货物（525KG）装错位置，地面人员重新修正舱单，航班延误1小时。     

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.     

航空器空中近距离接近原因分析及措施探讨

航空器在空中飞行时，航空器之间必须拥有不小于规定距离的垂直间隔、纵向间隔和侧向间隔，这是确保安全飞行的条件之一。本文通过器小于规定间隔后的近距离接近飞行，产生的原因进行分析，试图找出防止航空器近距离接近，防止航空器之间相撞，确保空中航空器安全顺畅飞行的理想办法。     

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。     

进近程序计算机辅助设计系统

一、前言进近程序是航空器根据飞行仪表,对障碍物保持规定的超障余度所进行的一系列预定机动飞行。这种飞行程序是从规定的进场航路或起始进近定位点开始,经过进场、起始进近、中间进近和最后进近,到能够完成自视着陆的一点为止,包括失误进近的复飞程序。所有的民用航空器使用的可供仪表飞行的机场,都必须设计仪表飞行程序,制定机场运行最低标准。建立机场仪表飞行的自的,是保证航空器在机场区域内按规定程序安全有秩序地飞行,以避免在起飞离场和过近着陆的过程中,航空器与地面障碍物,肮空器与航空器之间相撞。确保飞行安全、经济…     

飞行程序设计对机场运行的影响

<正>飞行程序是一个机场能够提供航空器正常起降,保障航空器安全、有序运行的基本条件,是机场组织实施飞行、提供空中交通服务、建设导航设施的基本依据。飞行程序设计的优劣直接关系到航空器运行的安全和效益,同时也影响到机场的使用效率。一、飞行程序设计飞行程序是根据飞行仪表和对障碍物保持规定的超障余度所进行的一系列预定的机动飞行。这种机动飞行是从起始进近定位点或从规定的进场航路开始,至能完成着陆的一点为止,如果不能完成着陆,则飞至等待或航路飞行的超障准则的位置。     

Ⅱ类特许飞行证及其应用研究

本文对Ⅱ类特许飞行在民用航空器运行中的应用、申请以及主机厂对航空器运营人申请特许飞行时的技术支持进行了详细阐述,同时对航空器受损后,航空公司在申请特许飞行时如何对航空器技术状态进行评估给出了一定的评估建议,为航空公司提供了一定的基础理论知识和建议。     

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。