地形提示与告警系统试飞研究

对地形防撞系统的试飞技术和试飞风险规避进行研究。首先介绍了TAWS子模式功能。然后详细分析了各子模式的试飞技术。阐述了TAWS系统试飞的主要风险源,并分析相应风险源的规避措施。最后,通过实例论证了TAWS试飞技术的应用性,为新型号飞机TAWS试飞工作安全、有效的开展提供了参考。     

抵御中心机系统异常风险的策略研究

为解决因中心机异常可能造成的飞行器试验指挥控制失灵问题,研究物理与信息冗余相结合的解决策略,通过规避导致软件系统瘫痪的数据处理周期,自动接收飞行器起飞时间,人机结合判断系统故障等技术,采用异构备份方法,构建了一个具有异常控制机制的中心机系统。当中心机系统异常导致瘫痪故障时,该系统可在数秒内使数据处理功能恢复正常并完成后续任务,抵御中心机系统异常带来的风险,提高了中心机系统的可靠性。     

民机项目风险识别方法研究

民机项目风险识别是项目管理者识别风险来源、确定风险发生条件、描述风险特征并评价风险影响的重要过程。民机项目要取得成功需要实现对项目研制生命周期的风险管控,有效风险识别是风险管控中最重要、最前沿的一个环节。通过比较不同风险识别方法的优劣,探讨一套更适用于民机研制的风险识别方法,并对其可行性和可操作性进行阐述。     

基于PLSR-CER模型的大飞机成本风险控制

大型飞机的研制往往存在多种难以预见的不确定性因素,而且目前国内大型客机研制经验缺乏,相关的性能参数和研制成本的历史数据稀少,并存在多重相关性等问题,因此,文中引入了偏最小二乘回归方法,以客机的机体特征及性能特征作为多因变量,建立了一种多因变量对单一自变量的成本预测回归模型,并将部分客机性能参数和成本数据导入成本预测回归模型进行验证。实例分析表明,基于偏最小二乘回归法(Partial least-squares reqression,PLSR)构建的费用估算关系(Cost estimating relationship,CER)模型相对传统预测模型有很大的改善,预测的精度更高,更能体现客机研制成本与前期的性能要求之间的关系。     

高超声速飞行器研制系统工程风险概率分析

针对高超声速飞行器研制工程的高风险特点,对工程决策方和研制方面临的不同类型风险进行了建模分析。基于系统方案或关键技术的固有风险概率和抽象化的研发与验证过程,分别计算分析了工程决策方误判验收通过不合格产品和研制方过度研发或重复验证较低失败概率产品的风险概率,进而提出了高风险研发项目中研制方过度研发风险的概念,明确了工程决策误判风险与研制方过度研发风险的相互影响规律,并基于概率方法建立了一种可以综合权衡决策方风险和研制方风险、合理确定研制周期的系统工程优化方法。     

高新工程项目研制过程中的最优评审点设计

高新工程研制过程普遍采用了并行工程的方法,虽然大幅度地缩短了工期,但是其风险较高.通过分析并行工程实施风险产生的原因,构建了并行工程实施过程的一般风险模型,指出最优决策点位于"时间-风险"关系曲线与"风险-技术成熟度"关系曲线的交汇点,给出了高新工程项目研制过程中的风险分类.提出设置有效的评审点是降低实施并行工程总体风险的可行方法,并设计了最优评审点的确定方法,利用技术风险因子、进度风险因子和并行风险因子求出各项任务风险大小,再加和求出项目整体风险.通过实例说明了评审点的最优设计可以有效降低项目的整体风险.     

基于三维软件辅助的轮胎爆破特定风险评估方法研究

采用偏安全的假设,建立了符合CS25.734及AMC25.734的轮胎爆破三维仿真模型,对中国民用航空规章FAR/CCAR25.729(f)及SAE ARP 4761中提出的轮胎爆破风险给出了安全性评估的方法。用分析的方法支持此适航规章条款的符合性验证工作。     

波音和空客机载计算机安装风险管控

近年来,民航飞机的维修质量有明显提升,但仍不可避免地会出现一些偶然性因素导致维修安全风险。航线维护中机载计算机的安装存在风险,本文详细介绍了波音和空客飞机机载计算机在航线换件时的安装要求和风险管控措施,希望对相关工作人员有所帮助和启发。     

基于生成对抗网络的航班起飞风险预测

航班的安全运行是民航的第一要素。根据历史数据对航班运行过程中可能存在的风险进行提前评估和预测是保障航班安全运行的有效手段。针对航班起飞阶段的风险问题,提出了一种基于生成对抗网络的航班起飞风险预测模型。对收集到的机组、飞机和环境3方面数据进行清洗、变换和融合,得到初始的起飞风险预测数据集;针对数据集存在的严重类不平衡问题,使用生成对抗网络进行数据增强以提高数据质量;在不同增强程度的数据集上,采用3种不同结构的神经网络训练航班起飞风险预测模型。实验结果表明,生成对抗网络能有效提高实测数据集的质量从而提高了航班起飞风险预测的精度。     

基于BP神经网络的试飞训练安全性量化模型

为提升试飞员在航空试验飞行过程中的飞行安全、降低试验飞行的风险等级,研究基于BP神经网络的试验飞行训练安全性分级量化分析模型。以人因工程的人、机、环为切入,分析试验飞行训练过程中影响试飞安全的因素,并选取人、试飞训练科目及环境三部分重要因素,建立试验飞行训练过程中的安全性分级量化分析指标体系。经人因工程指标量化处理后,由于融合的数据类型相似度较低,因此采用BP神经网络构建试验飞行训练安全性分级量化分析模型,经模型训练、测试后,输出试验飞行训练的安全性分级量化等级。利用定制的接触式采集设备和非接触式面部识别系统,采集试飞员执行试飞科目训练时身体节律数据,分析训练过程中科目复杂度和难度对试飞员心理特征和生理特征的影响,从而建立量化指标和预警指标,以此优化试验飞行训练课程、提高训练品质,保障试飞安全。试验表明,该模型所得试验飞行训练过程中的安全性分级量化模型输出偏差小于2%,模型预测结果与训练过程中实际风险等级基本吻合,可有效地用于试飞训练过程中风险预警,提高试飞员训练品质,为实际试飞安全提供保障。