SVS静态界面模糊综合评价模型研究

为实现设计阶段对SVS静态界面的评估,根据SVS相关适航及工业标准,构建包含一级与二级指标的SVS人机接口评估指标体系。基于该评估指标体系的静态指标,形成主观评分量表后,组织专家小组评估叠加SVS前后的PFD静态人机界面。通过专家给出的评价结果,建立模糊综合评价模型,对评价结果做综合性统计分析。基于SVS人机接口评估指标体系的模糊综合评价模型有助于客观地反映SVS HMI设计合理性,可以从人机工效原理角度促进SVS设计方案的改进、提升,具有较好的借鉴意义。

航空发动机安全性评估与验证数据库系统设计

由于航空发动机的数据种类多、逻辑结构复杂等原因,我国航空发动机故障数据库系统仍不完善。因此以涡轴、涡扇和涡桨3类发动机为主要研究对象,紧扣发动机安全性需求,设计航空发动机安全性评估与验证数据库,通过深入研究发动机安全性评估与验证的数据需求,构建航空发动机安全性评估与验证的业务流程与功能模块设计方案。在.NET Framework框架下采用C#语言开发安全性分析与验证程序,实现航空发动机安全性评估与验证数据库系统界面,为数据库可视化人机交互的开发提供支持,具有较强的工程应用价值。

基于WBS-RBS与GHWA算子的驾驶舱眼动交互风险评估

为了能够评估飞机驾驶舱眼动交互过程中的安全风险,提出了一种基于工作分解结构风险分解结构和广义混合加权集结算子的安全风险评估方法。通过WBS-RBS构建安全风险矩阵,对风险进行识别,得到了飞机驾驶舱眼动交互的风险指标体系。根据专家评估的隶属度值和非隶属度值计算每个风险的GHWA算子,通过GHWA算子的得分值M(A)与精确值Q(A)对风险进行排序,从而得到安全风险评估结果。以飞机驾驶舱眼动交互过程为例进行了分析,得出以下结论:从整体上来看,风险排序中设备未正常检修、设备调试不合格和眼动交互对人员的影响这三项得分值M最大,这表明在眼动交互过程中对人为因素的控制更为重要。

基于改进DRSN的航空发动机故障风险预警模型

航空发动机属于多发性故障机械,运用先进的计算训练方法可有效地实现准确的风险预警分析,为发动机的运维指导提供参考。在发动机故障风险预警征兆数据集中提取多变量时间序列样本,将样本矩阵化,转换为灰度图样本。预处理并增强图像数据样本,热编码化序列样本标签。深度残差收缩网络(deep residual shrinkage network,DRSN)中融入深度注意力机制与带有阈值的残差收缩块,获取高判别性特征,实现软阈值化。结合长短时记忆神经网络层与多个隐层,改进DRSN模型,使用主成分分析重构特征与主元提取,累积可解释方差贡献率为93.7%。对潜在20种故障征兆识别、分类并预警,训练精确度为96.1%。提出了改进DRSN航空发动机故障风险预警模型,与其他算法相比有较强的鲁棒性,预警正确率至少提高4.4%。