波音737NG老龄飞机自动驾驶垂直剖面故障解析

波音737NG机群老龄飞机的增多，导致自动驾驶故障的排除变得困难，尤其是地面测试无代码的故障。本文针对自动驾驶垂直剖面故障进行分析，对此类故障的排除提供建议和参考。     

基于QAR的PW4077D发动机放气活门与N1的关系

航空发动机的放气活门调节规律是一个较为复杂的控制过程。依据大量QAR数据,采用数学分析的方法初步探索了PW4077D型发动机2.5级放气活门开度控制规律。通过对大量数据的统计分析可知,放气活门开度与低压转子转速N1关系最为密切。首先通过数据解码和修正得到各航班标准状态下的N1值;采用非线性回归的数理统计方法分段拟合,得到2.5级放气活门开度与N1的数学模型。经检验,该模型在一定范围内良好地反映了该型发动机2.5级放气活门开度大小的调节规律。     

应用支持向量回归机探索发动机VSV调节规律

发动机可调静子叶片（VSV）调节规律极其复杂,通过挖掘快速存取记录装置（QAR）数据对VSV调节规律进行了深入研究。首先,通过PW4077D发动机健康状态的QAR数据,建立基于粒子群优化（PSO）算法的支持向量回归机（SVR）模型,来探索VSV调节规律;然后,利用后续航班数据对PSO-SVR模型进行验证,并将验证结果与传统的PSO-BP神经网络模型进行对比;最后,应用PSO-SVR模型进行发动机故障诊断。研究结果表明:PSO-SVR模型的回归预测精度优于PSO-BP神经网络模型,能够准确反映VSV的调节规律。可将其用于发动机的状态监控和故障诊断,亦可为VSV控制系统设计提供参考。      

基于Python的波音737NG飞机QAR译码实现

简述了如何运用Python进行QAR的自动译码,由此开发了一款可靠、快速并自动化的译码软件,为深入挖掘QAR数据的价值提供了基础。     

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。     

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。     

基于QAR数据的关联规则挖掘算法的研究

介绍和分析了关联规则的概念和Apriori算法,针对Apriori算法需要多次扫描数据库而导致运算效率不高的缺点,设计并实现了基于事务标识列表的频繁项集的产生算法——TagList Apriori.对比实验证明,新方法可以有效减少数据库扫描次数,节省运算时间,提高算法的运算效率,提高QAR数据关联规则挖掘的效率.     

一种航空发动机运行可靠性评估方法

航空发动机运行过程中,可靠性评估是航空发动机可靠性评估领域的关键问题之一,而合理的评估方法能够提高可靠性分析的效率和精度,因此本文提出一种支持评估飞机任务过程中航空发动机运行可靠性的方法。结合飞行任务特点和航空发动机工作特性,以快速存取记录器信息为分析数据,考虑当前运行环境、飞机瞬时状态、发动机当前工作状态 3 类因素对运行可靠性进行分析;将随机森林算法与分层抽样法结合对数据进行拟合、预测并计算特征重要度;以 B737-800 机型一次北京—乌鲁木齐的飞行任务为例,对方法的有效性和可行性进行验证。结果表明：本文提出的可靠性评估方法解决了航空发动机运行过程中数据量大、维度高导致的数据处理困难问题。     

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。     

CFM56—7B型发动机衰退模型建立与研究

发动机从投入使用到返厂大修整体性能衰退是一个连续性过程．研究目的在于建立能精确反映该过程的模型。收集大量CFM56—7B型发动机数据,通过解码、修正、换算得到大量的发动机排气温度裕度数据点．分段拟合并比较得到最优的该型发动机衰退数学模型,并运用另一机队数据验证模型。验证表明模型能较好地反映该型发动机衰退规律,给系统工程师分析该型发动机提供了指导依据,对研究该型发动机的性能衰退过程具有实用和理论指导意义。