基于QAR数据的A320系列飞机空调组件流量监控

提出一种基于QAR数据的飞机空调组件流量监控方案,通过对QAR数据中空调组件流量关键参数的采集,建立飞机空调组件流量监控模型,实现了对空调系统热空气渗漏的监测。     

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。     

译码与发动机故障的分析

<正>QAR数据经常用于为排放工作提供参考依据,特别是波音737飞机的QAR数据对发现和隔离发动机的几类常见故障十分有用,通过对QAR数据的分析比较,可以快速有效地找到故障的原因,将故障尽快排除,减少航班不正常。对一些在地面无法进行测试的项目,QAR数据能够印证我们的分析,缩短排故时间,提高判断故障的准确性。一、如何获取译码在我们航空公司,当发现有故障需要通过译码来帮助排故时,可以通过航安部获取     

基于 QAR 数据的波音737NG 飞机辅助排故系统

利用 QAR 数据资源,结合目前先进的数据库分析技术,形成了波音737NG 飞机基于 QAR 数据的辅助排故系统。本系统注重实际应用,从参数译码、参数可视化、趋势分析、排故指导、故障预测等方面,为机务人员提供可靠而方便的支持,提高了737NG 飞机的维护效率。     

安全出自细节

<正>【案例一:起飞偏出跑道】某公司一架波音737-300飞机,在某机场起飞。飞机在跑道头做180度掉头,飞机推力处于慢车位,离对正跑道尚差20多度,机组便匆匆忙忙按下了"起飞/复飞"按钮(TO/GA),飞机发动机开始增加推力。但飞机滑跑方向迅速偏转,以30多度的交叉角,一头偏出跑道,进了草地。到了此时,机组还不明就里。在向公司签派打电话时,机长还在抱怨飞机前轮转弯不听使唤,导致方向失控。事后,根据QAR数据译码发现,     

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。     

QAR在飞行品质监控中的状况分析

按照民航总局的要求，于98年底全国民航绝大多数航空公司的商用飞机都已加装了QAR（快速存取记录器），并配置了相应的地面QAR数据处理（译码）系统的硬件和软件，QAR数据处理（译码）系统主要用来对飞行品质进行监控，通过评估和采取相应措施，促进飞行技术的提高。近四年的使用，已为航空公司的飞行技术评估工作提供了巨大的信息数据资源，发挥了明显的作用，为了更好地利用和发挥QAR在飞行品质监控中的作用，笔者通过对QAR的工程技术状况分析，QAR在使用中的管理状况分析，及未来飞行数据管理和应用的发展趋势，围绕主题“QAR在飞行器质量监控中的状况”作一些介绍和分析，供业内人士参考。     

基于ACMS报文实时监控与QAR数据分析的飞机排故应用

飞机飞行过程中各机载系统的参数被实时监控、采集和记录,这些数据既可以通过ACARS数据链路．按照预先定义的逻辑条件以实时ACMS文的形式下传;也可以存储在机载WQAR设备中,在飞机落地之后自动下发。研发飞机实时监控与维护专家系统,通过对ACMS报文和QAR数据的综合应用．以达到准确判断飞机技术状态的目的。     

飞机前轮转弯系统潜在故障预警方法研究

在现有计划维修体系下,飞机前轮转弯系统的故障具有隐蔽性。通过挖掘航后快速存取记录器（QAR）数据,开展前轮转弯系统潜在故障预警方法研究。首先,在分析前轮转弯系统故障模式的基础上,筛选与前轮转弯系统故障相关的QAR 监测参数并进行相应的处理;其次,基于前轮转弯系统的正常和故障案例,结合前轮转弯的操作原理,采用皮尔逊（Pe...     

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。     

基于滑窗检测的机载设备故障诊断仿真系统

根据机载设备故障诊断的需求,结合飞机性能监控系统的结构框架和机载设备的特点,提出基于快速存取记录器（QAR）记录的飞行数据和滑窗检测原理的机载设备故障诊断算法,并实现相应的机栽设备故障诊断仿真系统。在简述QAR数据译码与数据选择方法的基础上,论述了滑窗检测的原理并对其性能进行分析：设计实现了基于QAR的机载设备故障诊断仿真系统并给出仿真结果。结果表明,该系统可以有效诊断存在的故障,并能大大降低虚警概率,对保障飞行安全具有重要意义。     

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%。     

基于QAR数据的飞机巡航段燃油流量回归模型

深入分析了波音737-700飞机的QAR数据,确定了影响飞机燃油流量的因素;采用多元线性回归分析方法,建立了该机型巡航段燃油流量模型,利用该模型对飞机巡航段燃油流量进行了验证.对验证精度的评估表明所建立的模型具有较好的验证效果,为航空公司提高燃油消耗监控效率及控制燃油成本提供了参考.     

高原航线飞机颠簸出现规律的对比分析——以青藏高原与云贵高原为例

不同的高原产生大气湍流的条件不尽相同,因此航线上飞机颠簸的出现规律也不一样。分析青藏高原和云贵高原的地形差异和气候区别,并根据四川航空公司的机载QAR数据,对青藏高原和云贵高原的飞机颠簸出现次数、出现概率和颠簸强度进行统计,对比分析了青藏高原和云贵高原航线上飞机颠簸的出现和分布规律,为高原航线飞机颠簸的预报和航行签派工作提供重要参考。     

基于Python的A320机组氧气系统渗漏监控研究

针对机组氧气系统快速渗漏,利用飞机QAR收集数据,使用Python建立、优化机组氧气压力模型,基于模型特征快速准确定位故障,实现故障的自动监控。     

浅谈涡扇发动机故障的QAR数据分析

详细介绍了通过QAR数据对涡扇发动机的重大疑难故障进行分析和排除的一般性方法,并以空客A330飞机的遄达700发动机为例,对一些特殊故障模式进行了简要说明。     

基于QAR的飞机爬升阶段燃油流量回归模型研究

以B777-200飞机选装的PW4077D发动机为研究对象,对QAR数据进行深入分析,运用多元回归分析的方法,建立飞机爬升阶段发动机燃油流量回归模型,并通过实际数据对模型进行准确性验证,研究结果为发动机燃油控制规律的全面研究奠定一定的基础,可实现对发动机燃油流量的监控与预测,提高飞机的安全性和经济性.     

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.     

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.     

基于机器学习的飞机动力装置运行可靠性

为了研究分析飞机的动力装置在执行飞行任务过程中的运行可靠性,针对运行可靠性影响因素的多维、耦合的特点,采用机器学习方法对动力装置运行可靠性的时变规律及其相关影响因素进行分析。提出了考虑动力装置的工作状态、飞机的运行外界条件、飞机的飞行状态3类因素分析动力装置实时运行状态下的时变可靠性方法;并基于飞机实际运行的快速存取记录器（QAR）数据,梳理了动力装置运行可靠性分析相关的3类因素、16个主要特征。结合飞机运行的时空关系,采用数据包络分析（DEA）方法对飞机动力装置的工作状态特性与性能裕度进行非参数分析,基于提取的QAR数据特征,采用随机森林、多变量神经网络回归算法,建立2种基于机器学习的动力装置运行可靠性分析模型。以B737-800机型为例,对一次北京至珠海的飞行任务的动力装置相关运行数据进行分析,对2种机器学习分析模型进行训练与测试研究。分析结果表明：对动力装置工作状态特性贡献度最大的特征依次为计算空速、飞行时间与飞行高度;对动力装置性能裕度贡献度最大的特征依次为动力装置工作状态特性、雷达气象与飞行时间。所采用的2种机器学习方法能较好反映动力装置运行过程的时变可靠性规律,可为动力装置的运行与特情处理提供参考。