首都机场跑道安全预警平台建设与应用

面向“四型机场”的建设需求,本文依托首都机场西跑道大修工程,构建了首都机场跑道安全预警平台,详细介绍了该平台的系统架构与施工方法。该平台可对道面的自身结构状态(板底脱空状态、板底接触状态、道面振动场)、运行状态(抗滑风险、轮迹分布、道面表面温度场)进行监测,并通过将监测数据与系统平台高度集成,实现数据的自定义查询展示、道面状况的科学评价与跑道运行风险的实时预警。该平台在首都机场的实践应用效果良好,可为跑道运行、维护等提供辅助决策信息,为跑道的日常管理运维工作带来便利。     

基于Bayes理论的成败型装备鉴定试验风险分析

为了充分考核成败型装备的性能指标,合理确定鉴定试验统计方案,利用Bayes理论对试验风险进行了重点研究.在选取先验分布为Beta分布的条件下,给出了工程中常用两种风险(平均风险和后验风险)的表达式,并详细解释了两种风险的研究思路和适用范围.在此基础上,从鉴定试验可能出现的结果出发,建立了最大后验风险模型,给出了其相关性...     

T/R组件一体化组装工艺技术

有源发射/接收组件可靠性的重要技术之一就是组装焊接,由于有源发射/接收组件具有高频率、高功率的特点,对组装焊接技术提出更苛刻的要求,对于一体化组装焊接技术的研究显得尤为重要.文章主要对有源发射/接收组件一体化组装焊接过程为研究对象.首先,针对常见焊接过程及风险提出了重要建议.其次,通过一体化焊接实验,实现器件、基板、管...     

基于认知过程的飞行员脑力负荷动态预测

现代军用飞机座舱驾驶系统信息高度密集、任务复杂多变。为探讨信息加工类型与多任务协同对飞行员脑力负荷的影响，依据ACT-R认知模块与脑力负荷决定性因素的关联性，将飞行员的脑力负荷划分为感知负荷与认知负荷，并基于四维多资源干扰理论，考虑多任务协同作用时的资源干扰对脑力负荷的影响，提出了基于认知过程的飞行员脑力负荷动态预测模型。为校验所提模型，选取16名被试完成4种模拟飞行任务的脑力负荷评价实验，结果显示：不同飞行任务在飞行绩效、NASA-TLX主观评价、平均扫视时间与扫视频率下的主效应显著（P<0.05），总脑力负荷预测值与NASA-TLX主观评价、扫视频率和心率呈显著正相关，平均脑力负荷预测值与飞行绩效、瞳孔直径和平均扫视时间呈显著正相关。所提模型对飞行员脑力负荷的动态预测与评价具有应用价值。     

层次分析法在多维度整机系统风险评价中的应用

当前中国发动机的交付模式普遍为以磨合为目的的装配试车和以交付为目的的装配试车（两装两试），而国际上民航发 动机的交付模式普遍为一次装配试车合格后即可交付（一装一试）。为转变中国现有的交付模式，开展了基于2种交付模式的风险评定方法研究。通过引入层次分析法对2种交付模式的风险进行评定，在目前采用的2维度风险矩阵评价方法基础上，引入“识别率”的概念，形成了“严酷度+概率等级+识别率”的3维度风险评价方法。构建出了一种复杂系统多维度综合风险评定方法，为衡量发动机 2种交付模式的系统风险值提供了一种定量计算途径。为现有的交付方式向“一装一试”的模式转变提供了理论依据，促进了发动机厂内实现一次装配与试车，降低了交付经济成本，进而缩短了外场发动机交付周期。     

后疫情时代民航飞行员心理健康状况分析及对策

民航飞行员由于工作任务以及工作环境的特殊性，常处于较高的应激状态，新冠疫情使得飞行员需要面对更多心理压力，因此及时采取心理风险预防措施就显得极为必要。本研究通过梳理和分析目前国内外民航飞行员心理健康援助措施发现，国外主要通过运行各类同行支持计划来为飞行员提供心理援助和支持；国内除员工心理援助计划外，面向飞行员群体的心理援助措施或心理互助项目几乎为空白。针对上述现状，本研究提出建议：一是需重点关注后疫情时代民航飞行员心理健康水平，二是尽快建立我国民航从业人员内外一体式心理互助体系，积极推行同行心理互助计划，逐步化解疫情等公共卫生事件给飞行员带来的影响，从而为民航飞行安全提供有力保障。     

基于PDCA原理的航天发射风险管理模式

航天发射具有风险种类多、风险发生后果影响大、风险等级高等特点，风险的管理水平直接影响到发射任务的进度和最终成败。基于PDCA （策划—实施—检查—改进）循环原理，将风险管理分为5个子过程：风险管理策划、风险评估、风险应对、监督与检查、总结与固化，设计风险准则，改进风险评估方法，制定风险应对策略，改进风险监控活动，提出持续改进机制，形成一套系统的具有持续改进能力的风险管理模式，可为发射场风险管理提供参考。     

基于改进组合机器学习的卫星遥测参数预测

对在轨卫星的运行状态进行监测、分析以及异常检测是卫星在轨运行管理的重要内容。预测卫星遥测参数序列的变化趋势，对卫星异常检测与处置、保障安全运行非常必要。针对目前对于周期性不明显且具有多种变化特征的遥测参数预测精确度不够的问题，本文引入对遥测参数的预测有辅助作用的因素作为协变量，提出了基于改进组合机器学习的预测模型。该模型使用全局模型和局部模型分别获取遥测参数序列的趋势特征和局部不规则波动特征，并采用改进的注意力机制捕获多维参数之间的关联关系，提高了预测精度。此模型可以提供点预测和区间预测的结果，为在轨卫星处置决策提供了更多输入。在科学卫星真实遥测数据集和时间序列公开数据集上验证了本文方法的有效性。