基于灰色-神经网络联合模型的大型冷却塔风效应预测

基于灰色GM(1,1)模型和BP人工神经网络,建立灰色-神经网络联合的大型冷却塔平均位移和风振系数预测模型。该联合模型增强了预测结果的自适应性和准确性,能解决因气弹模型试验中测点样本数目太少而无法直接建立神经网络预测模型的局限。通过某大型冷却塔气弹模型风洞试验结果的算例分析,表明该组合模型对于平均位移和风振系数的预测结果均与试验结果吻合良好,随后基于已训练的模型给出结构风振反应精细化分析所需的输入参数预测结果。这为冷却塔结构风效应的精细化研究提供了一个新的有效方法。     

基于多变量灰色数列模型的民航客运量预测

通过增加白信息量降低预测系统的灰度,以灰色GM（1,1）和GM（1,N）模型为基础,提出了多变量灰色数列预测模型——PGM（1,N）模型,并将PGM（1,2）模型用于实例。结论为利用多变量灰色数列预测模型适宜,预测精度较高。     

国际民航组织的航空训练计划

国际民航组织(ＩＣＡＯ)的航空训练计划执行已经十年,其目标是在全球范围内建立民航专业人员的标准训练课程及其开发方法。国际民航组织航空训练计划开发中心(Ｔｒａｉｎａｉｒ)负责实施和协调。一、航空训练计划的基本要点该计划有三个基本要点:一是制定标准化训练课程的开发方法。采用这种标准化训练课程开发方法开发出的课程称为标准化训练课程(简称ＳＴＰ),遵循着训练方法和训练资料格式的严格准则。其目的是通过使用标准化的现代训练课程开发方法,提高训练效果和效率。Ｔｒａｉｎａｉｒ协助各国民航训练机构实施这一方法,以便在全球范…     

基于灰色理论的民航旅客运输周转量预测

对近年来民航旅客运输周转量数据进行收集整理,运用灰色预测方法,建立GM(1,1)预测模型,对未来的旅客周转量进行预测。该方法具有系统性、联系性和动态性的特点。经精度检验表明,该模型的精度等级为好。     

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BP神经网络方法的民用航空发动机故障诊断

用航空发动机故障诊断的方法很多,各种方法在具体操作过程中有着不同的作用和意义。本文提出一种依靠人工神经网络方法研究民航发动机各种故障征兆影响因素的作用程度的方法,并利用其仿真数据进行分析,找出具体工作过程中作用相对较大的因素,从而在定时与视情维修过程中提出合理的建议,以便为相应维修方法的实施、改进和研究应用提供可靠的依据。     

基于灰色GM(1,1)模型的桂林市GDP预测研究

分析和预测国内生产总值(GDP)发展数据对预测国家或地区经济发展有很大的参考作用,为此提出了一种基于灰色理论的桂林市GDP预测的改进GM(1,1)模型。为克服GDP历史数据波动的特点,对历年桂林市GDP原始数据进行平滑处理与初始条件的修正,提出了一种新的改进GM(1,1)预测模型,并对其进行预测精度等级评价。以桂林市GDP历史数据实例进行检验与对比,结果表明该预测方法的可行性和有效性具有较高的预测精度和准确度,可作为桂林市国民经济发展的决策参考。     

基于QAR数据的民航发动机排故方法研究

QAR系统是记录飞机运行参数,协助飞机系统故障诊断的重要工具。本文对实际排故中的经验和方法进行总结,重点研究利用QAR数据对飞机发动机常见故障进行排故的方法,并提出了利用QAR数据排故时机务管理部门和机务工程师的注意事项。实践表明:利用好QAR数据,可提高飞机发动机排故效率。     

民航院校学生安全素质教育策略研究

民航院校是培养民航从业者的主渠道,在民航院校学生中弘扬和践行当代民航精神、对学生进行安全素质教育是民航院校的义务和责任。结合民航院校的行业特点,从民航院校学生安全素质教育的现状出发,分析民航院校对学生进行具有行业特色的安全素质教育的必要性并提出民航院校创新安全素质教育的途径,从而为民航业输送具备高度安全意识的人才,助力民航业的安全稳定发展。     

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...     

基于SHEL模型的贝叶斯网络民航安全评价研究

本文以SHEL模型为人误分类依据,用收集的2000—2017年的民航飞行事故及事故征候作为数据源,采用具有概率性模式特性的贝叶斯网络方法对影响飞行安全的危险因素进行了研究。研究结果表明:在SHEL模型的4个界面和人本身的问题中,操作不当、SOP不当、机组配合/沟通不当、不利的天气和违章是影响飞行安全的主要因素。     

Risk Index Prediction of Civil Aviation Based on Deep Neural Network

Safety is the foundation of sustainable development in civil aviation. Although catastrophic accidents are rare,indicators of potential incidents and unsafe events frequently materialize. Therefore,a history of unsafe data are considered in predicting safety risks. A deep learning method is adopted for extracting reactions in safety risks. The deep neural network(DNN)model for safety risk prediction is shown to extract complex data characteristics better than a shallow network model. Using extended unsafe data and monthly risk indices,hidden layers and iterations are determined. The effectiveness of DNN is also revealed in comparison with the traditional neural network. Through early risk detection using the method in the paper,airlines and the government can mitigate potential risk and take proactive measures to improve civil aviation safety.     

基于心理测评的民航机务人员安全胜任力研究

为降低民航机务人员心理素质导致航空事故的风险,对民航机务人员的心理素质进行了相应的研究。首先,对民航维修工作做岗位分析,以胜任力理论、人岗匹配理论建立初步的民航维修人员心理素质安全胜任力评价指标体系;然后,依据心理测评理论和初步建立的胜任力评价指标体系构建合适的心理测评量表,通过数据分析对该指标体系进行实证研究;最终确定人格特征、认知与操作能力、心理健康3个一级指标,专业成就欲、手眼协调、精力充沛等18个二级指标的民航维修人员安全胜任力评价指标体系,为民航机务人员的选拔和有效降低维修中的人为因素风险提供参考。     

民航安全文化变革探析

民航安全文化变革是民航安全文化自我创新、建设发展的重要途径。其变革方式有渐进性变革与突发性变革、主动变革与被动变革之分;其变革步骤主要按照PDCA循环实施;其变革规律主要是由浅层到深层、无序到有序、量变到质变。     

基于“空铁联运”模型的民航与高铁发展研究

民航与铁路都是我国当前综合运输体系中的重要组成部分。在目前我国高速铁路迅猛发展这一背景下,针对二者的竞争态势,本文从旅客角度分析了二者的各自优势,提出采用"空铁联运"模式来协调民用航空与高速铁路的发展,从而优化我国交通运输体系,提高交通运输效率,并在此基础之上,构建符合我国国情的"空铁联运"模型。     

基于Web的民航空防安全威胁预警系统研制

民航空防安全新旧威胁长期交织并存,亟待强化空防安全威胁预警响应管理技术流程。本文探讨了民航空防安全威胁与风险的生成演化规律,明晰威胁评估与预警响应的核心技术环节,提出民航空防安全威胁预警模型,开发基于web的预警系统,为我国民航空防安全威胁预警机制构建提供技术支持。     

基于试车数据的发动机神经网络模型

利用人工神经网络对某型航空发动机在全飞行包线内的稳态、动态特性(非加力状态)进行建模,网络的训练样本来自该发动机在高空试车台的试车数据。模型的输入量包括燃油流量、喷口面积、高度及马赫数,输出量则包括高、低压转子的转速及各截面的温度和压力。计算表明,当具有足够的训练样本时,神经网络模型不仅在整个飞行包线内具有较高的稳态、动态精度,而且具有较好的实时性。     

基于小波神经网络的多模型故障检测

提出了一种利用小波神经网络辨识非线性系统多模型故障的方法。证明了状态估计误差渐近收敛到零，同时证明了如果激活函数满足持续激励条件，辨识器参数将趋于理想辨识器参数。分析了多模型辨识结构，并将小波神经网络作为辨识器应用于多模型故障检测。给出了小波神经网络进行非线性系统逼近的实例，用小波神经网络辨识器对多故障模型检测进行了仿真，证明了此方法的正确性和可行性。