飞行学员英语学习动力分析

飞行学员英语学习动力分析龚琼兰（中国民航飞行学院四川分院）在外语学习中，学生的年龄、经历、学习态度、能力、动力、文化背景和教师的教学方法及采用的教材等各种因素均可以影响学生的学习效果。在这些困素中，学习动力这一重要的社会／心理因素对外语学习是否取得良...     

基于飞参数据的飞行学员飞行训练质量辅助评估研究

针对军事航空院校飞行学员培养模式变革的现实需要,以及当前飞行训练中飞参数据资源缺乏深度挖掘的现状,深入分析军事航空院校飞行学员飞行训练目标及飞行训练质量评估特点,探讨解析飞参数据辅助评估的早期制约因素、现实矛盾及前景展望,研究构建飞参数据辅助评估流程与基本技术框架。     

基于 Stacking集成学习的飞行模拟器设备故障预判

为精准研判飞行模拟器故障问题,提升飞行模拟器故障应急处理能力,提出了 1种基于 Stacking集成学习的设备故障预判方法。首先,针对设备故障数据具有高维度和时序性的特点,采用正态分布法,对采集的原始故障数据进行缺失值和异常值处理,获取归一化数据,并基于核主成分分析法,提取数据的特征并降低数据维度;然后,构建以 CNN、RF、BP神经网络为基分类器,XGBoost为元分类器的 Stacking集成学习模型,采用交叉验证训练策略,对设备的故障类型作出预判;最后,构架典型案例。仿真结果表明,所提方法可正确有效地识别设备的多种故障状态。     

国内飞行学员技术现状及对策

近年来航空公司飞行部门普遍反映现在航校毕业的飞行学员质量有所下降,体现在一些新飞行员飞行技术和航空理论知识水平不高;工作和学习的能动性和主动性不够;随意性强,遵章守纪的觉悟亟待提高;对飞行缺乏热情。这与行业及公司的预期存在较大差距。一、现状原因分析首先让我们来看看国外飞行学员是如何成长为一名航线运输驾驶员的。在民航发达的国家要想成为一名航空公司飞行员通常要自己出资进入航校,经过刻苦的理论学习和飞行训练后从航校毕业拿到商用飞行执照,但从航校毕业后     

飞行安全研究与飞行人员的筛选控制

自有航空以来,飞行事故的损失非常重大。我国民航正在高速发展中,飞行事故给人民生命财产和国家声誉造成严重损失,积极开展飞行安全的科研刻不容缓。构成飞行事故的三大基本因素是人(包括社会关系)、机(包括设备)和环境(包括气象)。中国民航80年代事     

基于民航英语的飞行学员情绪波动与工作记忆广度的关系研究

民航飞行学员的情绪波动可能会对飞行安全产生一定的影响。为深入评价其影响程度,本文首次基于民航英语,从工作记忆的角度,提出了一种有效的评价方法。首先,对飞行学员分别进行工作记忆广度和情绪的前测,并将其分为积极情绪、中性情绪和消极情绪3类;其次,利用视频材料对3类学员分别施加不同的情绪影响;然后,对受试者再次进行工作记忆广度和情绪的后测;最后,综合前后测成绩,将情绪波动值与工作记忆成绩进行相关性分析。实验证明,二者之间存在着显著的相关性,由此证明了积极的情绪波动能够扩大飞行学员的工作记忆广度,而消极的情绪波动则会缩小飞行学员的工作记忆广度。     

基于增量式在线学习飞行训练姿态预测研究

针对飞行训练安全,大规模训练数据更新时预测准确性较差等问题,研究提出一种基于增量学习的在线飞行训练姿态预测模型。模型针对飞行训练数据进行相关性分析,使用基于流数据的增量学习模型对飞行训练数据中的俯仰角进行预测研究。实验结果表明,模型在对飞行训练俯仰角进行预测时,预测准确率高,误差小。通过模型对比实验,模型相较于传统预测模型,精度高、误差小、泛化能力强,可以有效预测飞行数据,保障飞行安全。     

对民航停飞飞行学员现状和再发展的思考

随着民用航空的快速发展,对飞行员的需求大幅增加,由此各大相关院校招收的飞行学员数量急剧增加,而因种种原因中止飞行学习的学员数量也越来越多,这部分学员的再发展问题值得关注。     

自由飞行下基于集成学习的概率型冲突探测算法

空中交通流量的持续增加对中、短期飞行冲突探测的精度与处理大量目标的能力的要求更高,提出基于集成学习(ensemble learning)的冲突探测算法。首先,对飞机冲突过程建模,收集飞行样本;其次,提取飞机当前位置、速度矢量、向前看时间、待转弯时刻和转角为特征量,训练基本分类器,获得元数据集;然后,以支持向量机为二级分类器,元数据集为新的特征量,训练Stacking元分类器(meta classifier),分类阶段通过Sigmoid函数概率映射法输出冲突概率;最后进行仿真分析。结果表明:基于集成学习的冲突探测算法对冲突探测具有较高的准确率,使得虚警概率大幅下降,且适用于转弯飞行。     

基于等级状态方法的 军校本科学员学习能力评价模型

文章以等级状态方法为依托,构建军校本科学员学习能力评价指标体系,优选数据采集的方法途径,创建 数学模型,并进行实证分析,验证整套评价系统是比较客观的,具有推广应用价值。     

基于飞行超限事件的飞行安全评估模型

为了提高航空公司对飞行安全的管理水平,建立了影响飞行安全的飞行超限事件层次结构模型,去除评价指标中定性的描述,使指标通过飞行超限事件发生率进行量化。利用改进的层次分析法（AHP）一致性校验算法,使AHP在给定的判断矩阵下,不需经过一致性检验,能够直接给出所要求的权重值,保证判断矩阵的一致性。通过对飞行超限事件历史数据进行飞行超限事件发生率统计,利用静态评价和动态评价分析飞行安全,并在．NET平台实现了评估模型,仿真实例验证结果表明了该方法的有效性。     

基于脑电微状态分析的模拟飞行多任务脑力负荷敏感性研究

为探讨脑电微状态用于测量飞行活动脑力负荷的可行性,比较4类脑电微状态参数在不同脑力负荷下的变化.12名男性受试者依次完成高、低负荷的模拟飞行多任务,采用模拟飞行目标追踪、仪表监视、突发事件处理的多任务作为任务模型.每项任务完成后填写NASA-TLX量表,任务过程中采集受试者脑电信号.采用聚类方法分析脑电微状态,提取反映...     

民航养成飞行学员的英语教学与测试

一、引言随着国际民航组织语言新要求的出台,我国民航飞行和管制人员的英语问题又成了民航界的一个焦点。民航相关机构分别做出了积极的反应。民航总局出台了相关文件,修订了相关规章(总局发明电195号,2006)。同时在总局和航空公司的     

基于BP神经网络的飞行训练品质评估

为了弥补现有飞行训练品质评估系统存在的不足,本文提出利用飞行员生理信号和飞行操作参数来构建评估指标体系。建立了基于BP神经网络的飞行员飞行训练品质评估模型,通过已完成训练的网络的权值分布计算出各输入指标对最后评分结果的影响,并通过算例分析检验了该模型的可靠性。检验结果表明:经BP神经网络模型训练得到的结果和样本的专家评分基本吻合,选取的评价指标有效,该评估模型能够有效地将飞行员生理信号与飞行训练参数相结合,对飞行员的飞行训练品质进行评价。     

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。