如何减少由于空管原因造成的安全差错

引言随着空中交通流量的增加,管制员的工作负荷成几何增大,随之由于空管原因造成的飞行不安全事件时有发生,并成日益增长态势。如何减少由空管原因造成的安全差错成为整个空管行业共同面临的课题。下面笔者就从一线工作者的角度对管制工作中出现安全差错事件的原因做一下简要的分析,然后讨论一下如何在空管一线工作中减少由空管原因造成的安全差错。     

超/ 跨声涡轮尾缘掠技术数值研究

为了探究局部掠结构对涡轮气动性能的影响,本文以某超/跨声涡轮平面叶栅为案例,对整体掠型和端区尾缘掠的效果与机理进行数值研究。研究表明:涡轮中掠影响与风扇/压气机中的类似,主要通过改变展向各基元工况或负荷影响整体性能;合适的端区尾缘掠型在保证工况或负荷基本一致的情况下能够削弱端区3维激波强度,为超/跨声涡轮弱化激波带来新思路。     

边界层特性对雷诺数变化的敏感性分析

通过对有压力梯度下的边界层进行研究，模拟低压涡轮叶片表面边界层的发展过程，并分析了叶片表面不同负荷分布形式情况下吸力面边界层特性对雷诺数的敏感程度。计算中，分别采用了三种典型的涡轮气动负荷分布形式：后加载、前加载、均匀加载等，并分别模拟了三种不同的雷诺数下的边界层发展情况。结果表明：在同一雷诺数情况下，不同负荷分布形式吸力面边界层发展呈现出明显差异；而不同负荷分布形式下叶片表面边界层特性对雷诺数的敏感程度也不一样，相对而言，均匀加载形式对雷诺数的敏感程度最小，更适应低雷诺数条件下工作。     

非定常流动对叶片表面负荷分布影响的数值模拟研究

叶轮机内部非定常流动与叶片表面负荷分布之间的关系对于叶轮机的设计非常重要。本文利用数值模拟手段对单级轴流涡轮内部非定常流动进行了模拟，研究了上游叶片排尾迹和位势作用对下游叶片表面负荷分布的影响，并分析了尾迹在下游叶片通道内的演化图画。计算结果表明涡轮级环境中，上游叶片排的尾迹等对通道内部流动，叶片边界层流动损失的产生、发展和输运，以及下游叶片表面吸力面负荷分布产生明显的影响，需要在设计中加以考虑；本文还探讨了非定常效应应用于设计的可行性和思路。     

管内流动的临界热流研究

本文是对管内流动的临界热流进行试验研究和理论分析.从沸腾机理分析和应用两相流的相似原理进行处理,我们推导了表达临界热流计算的准则方程.用6种不同的冷却剂,355个实验数据进行修正处理求得了常数A和指数h,m,n的数值.引入一个考虑冷却套缝隙高度变化影响的无因次修正项,上述方程成为计算管内流动临界热流的通用方程     

飞行模拟器操纵负荷系统及自动驾驶仪系统

论述我国研制成功的首台全任务民航飞机飞行模拟器的重要分系统——操纵负荷系统、自动驾驶仪系统所采用的全数字式仿真方案以及这两个系统协调耦合运行的仿真方法．该系统所采用的总体方案，自行开发的高速微机控制系统，多功能的实时管理及实时任务软件，具有静压支承的液压伺服系统都独具特色，能高逼真度地仿真飞机操纵系统及自动驾驶仪系统的性能及功能，并具有良好的在线及离线检测手段     

IPIX雷达海尖峰统计特性研究

根据雷达海尖峰构成原理,以K分布为模型,提出了海尖峰的统计特性分析方法,并使用该方法对IPIX雷达实测海杂波数据进行了统计特性分析,分析结果证明了该方法的有效性。     

中山站电离层尖峰脉冲型吸收统计特性

通过对南极中山站成像式宇宙噪声接收机2000至2001年的观测数据进行分析,得到了189例电离层尖峰脉冲型吸收事件,按其发生时间可分为夜侧吸收事件(69例)和日侧吸收事件(120例).对这两类吸收事件进行对比统计研究,得到了其吸收发生时间、吸收持续时间、吸收强度、吸收区域形状和空间尺度、运动状况以及吸收事件与地磁Kp指数关系等特性,并对电离层尖峰脉冲型吸收的可能产生机制进行了讨论.      

舰载机着舰回收飞行员工作负荷影响因素

舰载机着舰过程被称为刀尖上的舞蹈,是舰载机整个飞行过程中飞行员工作负荷最高的阶段.针对舰载机在着舰回收过程中3个阶段飞行员工作负荷的影响因素进行了调研分析,并对工作负荷的影响因素在国内外的研究情况进行了梳理总结,在与专家交流后建立了影响因素指标体系.该指标体系对舰载机飞行员工作负荷研究工作的开展具有重要的指导作用,可在...     

基于改进KNN算法的飞行员工作负荷评估

针对使用主观量表评估飞行员工作负荷易受主观因素干扰的问题,将飞行员工作负荷评估试验划分成连续的15 s时间窗口,基于时间窗口内的客观绩效和生理数据,建立飞行员工作负荷评估模型。使用插值、去均值、归一化等方法预处理数据后,再将生理数据变化量作为工作负荷的特征维度,并基于生理数据变化量改进KNN算法,对工作负荷进行分类。通过引入生理数据变化量作为工作负荷的特征维度,优化分类模型的数据结构后,各传统分类算法的测试集F1分数均得到提高;使用生理数据变化量改进KNN算法后,高负荷数据分类准确率达到71%,总体准确率能达到88.5%;相比于传统KNN算法,高负荷数据分类准确率提升36.5%,总体准确率提升6.3%。