民航应急管理与安全管理

一、应急管理与安全管理的含义1.应急管理含义应急管理是指为了有效应对可能出现的突发事件,降低其可能造成的后果和影响,达到优化决策的目的,基于对突发事件的原因、过程及后果而进行的一系列有计划、有组织的管理(摘自国家安全生产应急救援指挥中心组织编写的《安全生产应急管理》)。应急工作目标是指:事前预防,避免和减少突发事件的发生,做好各项应急准备工作;事发、事中控制事态发展,减轻和消除事件影响,减少生命财产损失;事后尽快恢复正常状态。传统的应急管理注重对危机事件的即时     

飞机封闭腔室减重降噪优化方法

噪声水平是现代飞机封闭腔室设计的重要指标,设计中单纯地对壁板进行加肋处理虽能显著降低噪声但会大大增加结构质量,为此对由封闭腔室构成的结构-声耦合系统进行了减重降噪优化研究。基于结构-声耦合有限元模型,利用有限元软件ACTRAN计算了频谱加载时舱内的声压响应。通过试验对简化处理及数值计算进行了验证,并修正了相关模型参数。为了降低结构质量,以加强肋为边界对舱门壁板进行了分区,通过对各个区域壁板厚度及肋条截面积的优化设计,使系统动刚度分配更趋合理,降低了声辐射能量以及结构-声腔的耦合性,从而实现了在满足噪声约束条件下减轻结构质量的目标。本文的工作对实际工程中由加肋壁板所构成的类似结构的减重降噪设计有着较好的工程指导价值。     

基于偏相关性分析的多设计要求快速优化设计方法

针对飞行器气动外形优化设计中的多设计点、多目标、多工程约束等多设计要求问题,提出了一种新优化设计方法———多设计要求快速优化设计方法。该方法立足于统计学中的偏相关性分析和线性回归理论,通过对设计变量和设计要求进行偏相关性分析,采用线性回归的方法构建设计变量与设计要求之间的转换模型,将多个设计要求转化为对设计变量的约束,从而简化了优化设计模型,减少了优化过程中调用求解器次数,提高了优化效率。利用该方法对RAE 2822和HSNLF(1)-0213翼型进行了多设计要求优化设计算例验证,并将优化结果与Pareto多目标优化方法结果进行对比,结果证明了本文方法的有效性和可靠性。     

大型客机超临界机翼气动优化设计

超临界机翼在方案设计阶段要估算机翼面积并初步确定机翼平面形状.当进入详细设计阶段时,必须仔细考虑机翼的几何参数,以便得到对于规定任务的最佳平面形状和弯扭配置.机翼设计时不能和飞机的其他部件分开进行独立考虑,但是在设计的初始阶段,只需要抓住最主要的几个机翼参数,进而在后期设计中,再详细考虑飞机方案和技术之间要涉及的全部因素.     

管制系统运行风险控制决策方法研究

首先,根据过程方法分析出管制系统运行中的风险过程,并从"人"、"机"、"环境"和"管理"4个角度得出相应的控制策略。其次,建立资源优化配置模型,在资源投入有限和确保所有风险过程安全的约束条件下,得到最优的风险控制决策方案,合理地分配资源,从而能达到整体最好的风险控制效果;最后,通过仿真验证模型的合理性。算例表明,该模型是合理可行的。     

月面远程运输飞行轨迹优化设计

针对月球表面不同区域之间的载人或载货运输问题,设计了一种基于上升-巡航-下降模式的燃料最省飞行轨迹。首先通过求解不同飞行时间的Lambert问题确定了最佳飞行时间,并获得了对应的双脉冲解,然后利用有限推力替代两次速度脉冲,建立了非线性规划问题,求解得到了有限推力燃料最省飞行轨迹。优化设计过程中主要研究了两个主要难点:bang-bang控制与飞行高度约束。这两个问题通过推力加速度与飞行时间的数值延拓得以解决,同时揭示了月面飞行的基本原理。最后给出了3种不同应用场景的仿真算例,仿真结果表明,当飞行时间为小时量级时,上升-巡航-下降飞行模式下的优化解即为燃料最优解,如果飞行距离较远,则还需要适当增加飞行时间从而满足飞行高度约束。     

粒子群算法在装配序列规划中的应用方法研究

将粒子群优化算法引入到装配序列规划中,详细讨论了粒子群算法在装配规划中的数学表示,给出了适应度函数评价方法,并实现了装配干涉矩阵的构建,以发动机化油器装配为例,分析了粒子群算法在装配序列规划中的具体应用.     

基于截尾概率-非概率混合模型的可靠性优化算法

针对工程中截尾概率变量与非概率变量同时存在的情况,给出一种新的截尾概率与非概率混合可靠性模型。在该混合可靠性模型基础上,按照可靠性指标(RIA)法给出双层嵌套可靠性优化模型,并采用改进搜索策略后的ST-Powell优化算法在外层搜索设计变量的最优值,内层采用能保证收敛的改进的有限步长迭代法求解混合可靠性指标。数值算例表明,改进搜索策略后的ST-Powell优化算法的全局寻优性得到显著提升;改进搜索策略后的ST-Powell优化算法与改进的有限步长迭代法相结合求解双层嵌套混合可靠性优化模型的正确性得到验证,且对于非线性程度较高的极限状态函数同样能够得到满足截尾概率与非概率混合可靠性模型指标要求的最优解,并对工程结构算例具有很好的适应性。     

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

拓扑优化方法在航空用钣金零件设计中的应用

为了满足航空产品高载重量及低耗油率的要求,采用拓扑优化技术对航空用钣金零件进行结构优化,实现了钣金零件强度高和重量轻的指标.案例分析表明,在航空用钣金零件初始设计阶段引入拓扑优化方法,会比设计过程中单纯使用结构尺寸优化和形状优化获得更大的经济效益.