基于QAR飞参数据飞行员风切变处置能力评价模型

为提高飞行员处置风切变的能力,本文基于快速存取记录器(QAR,quick access recorder)飞参数据建立了飞行员风切变处置能力评价模型。首先,将飞行员风切变处置能力分为处置决策及时性、程序合规性以及航迹管理能力3个维度;其次,基于层次分析法(AHP,analytic hierarchy process)建立飞行员风切变处置能力评价体系,并融合专家经验构建风切变处置能力定量评价模型;最后,基于QAR采集的飞参数据验证该模型的实用性和可行性。实验结果表明,本文所构建的定量评价模型可以较好地判别飞行员风切变处置能力的优劣,定位出其处置不当的指标,并给出操纵建议。该评价模型可为改进飞行训练提供参考,具有一定的实用价值。

基于QAR数据与互信息法的进近风险评估模型

不稳定进近状态易造成典型后果事件。为评估不稳定进近状态下导致的不同后果事件的风险大小,建立定量风险评估模型。对快速存取记录器(quick access recorder,QAR)数据与进近风险进行分析,选择构成不稳定进近的QAR飞行关键参数作为监控指标,使确定的12个监控指标反映不稳定进近的状态。采用Borda序值法对监控指标进行排序,并依据排序结果,计算不稳定进近各监控指标对不稳定进近事件的影响权重,分析不稳定进近可能导致的严重后果,进而确定不稳定进近导致的典型后果事件。基于信息熵理论中的互信息法,分步构建风险评估模型:①整合互信息法和Borda序值法,改进监控指标权重,弥补单独使用互信息法或Borda序值法在权重确定方面的不足;②使用Laplace平滑法处理数据集零频数问题,减少信息损失,对互信息法在小样本数据集这个特定情况下进行必要补充;③增加后果事件关联性考量,调整基础风险值。应用实例验证模型,结果表明:使用A航空公司2019年QAR数据,模型评估得出冲偏出跑道、CFIT与重着陆、空中失控的风险值分别为4.6095,2.0628,0.1468,风险排序与国际航空运输协会公布的数据占比排序一致,模型结果与实际运行情况相符。对比A、B航空公司不同机型和年份数据,模型风险排序一致。模拟4种不同环境下100次实验,风险值趋势与分布具有相同特点:模拟环境与真实环境的风险排序一致情况总体达90%;冲偏出跑道风险因情况变化而波动,空中失控的高风险值可能预示着严重的安全事件,CFIT与重着陆风险波动小、分布均匀、风险较温和且可预测。

基于QAR的飞机爬升阶段燃油流量回归模型研究

以B777-200飞机选装的PW4077D发动机为研究对象,对QAR数据进行深入分析,运用多元回归分析的方法,建立飞机爬升阶段发动机燃油流量回归模型,并通过实际数据对模型进行准确性验证,研究结果为发动机燃油控制规律的全面研究奠定一定的基础,可实现对发动机燃油流量的监控与预测,提高飞机的安全性和经济性。

聚类HMM模型在QAR数据分析中的应用研究

快速存取记录器QAR(Quick Access Recorder)数据是飞机飞行过程中从传感器获取的流数据。面对大量的QAR数据,提出一种基于聚类的HMM模型。针对QAR数据特点,分析发生故障或异常时QAR数据中不同属性的变化特点,提取主要影响属性进行分析。通过对其聚类进行数据离散化,得出数据的状态趋势,即将其分为多个状态趋势。对故障或异常发生的过程进行HMM建模,以状态序列的形式描述故障或异常发生的过程,并以飞机空中颠簸故障为例,建立空中颠簸相关QAR数据的HMM模型,并检验了该模型的有效性。

配对进近侧向位置误差QAR参数关联性分析

为研究配对飞机进近阶段飞行员操作和环境因素与侧向位置误差间的关联性,结合快速存取记录器(QAR)数据,基于飞机侧向位置修正过程,识别影响侧向位置误差的QAR参数;建立模糊关联模型,模型中运用模糊C均值(FCM)聚类方法将QAR参数的样本值聚类,得到每个参数的隶属度矩阵;结合Apriori算法,挖掘参数间及参数与侧向位置误差间的关联规则;基于关联规则量化其中的关联性,使用A320-200的真实样本数据进行关联性分析。结果表明:识别出的QAR参数在指定30%支持度下都与侧向位置误差相关;飞机的仰角、坡度、方向舵位置以及风向对侧向位置误差影响较大。

结合QAR的热力学模型在单元体分析中的应用

航空发动机单元体评估方法大都是对各单元体的气路参数进行分析,而航空公司往往采用效率这一综合反映单元体性能的参数对单元体进行分析。因此应用热力学原理对发动机各单元体建立热力学模型,并结合实际QAR数据中记录的各站位气动参数来计算各单元体效率。通过计算同一发动机各单元体在不同航班巡航时的效率,分析了效率随使用时间的变化趋势。结果显示,随着使用时间的增加,各单元体效率都在减小,说明了该方法的有效性。

基于深度置信网络的QAR飞行数据特征提取分析

民航飞机的快速存取记录仪(QAR)在飞行过程中记录了大量的飞行参数,QAR数据是飞行安全评估的重要依据。针对QAR数据大样本、高维度的特点,提出了一种有效的飞行数据特征提取的高效算法——DBN算法。DBN优势在于其能够摆脱对大量数据处理技术与专家经验的依赖而对飞行数据进行特征提取。在不同类别飞行数据集上进行仿真实验,结果显示与主成分分析法(PCA)相比,通过DBN提取的特征进行分类识别准确率更高。

基于QAR-EGARCH模型组合预测的气温研究——以合肥市为例

在天气预报中,常存在着一定的误差,其波动也出现着一定的波动集聚性和不对称性。因此有学者基于气温波动特征建立了AR-EGARCH模型,较好地捕捉了气温波动趋势,获得了较好的效果。但是它是均值意义下的回归模型,其稳健性较弱。本文将分位数回归和它进行结合,并针对每个分位数点的预测进行加权组合。结果表明,组合模型的预测精度有一定的提高。

利用QAR和DEM的机载气象雷达地杂波仿真方法

地杂波是降低机载气象雷达性能的一个关键因素。利用数字高程模型(Digital elevation model,DEM)精确计算不同地形的电磁散射时,本文提出了将经纬度变化量转换成距离变化量的方法,简化计算,并修正了俯角和擦地角计算。然后根据气象雷达方程建模地杂波,按照WXR-2100的实际参数设置雷达参数,结合快速存取记录器(Quick access recorder,QAR)反演的航班飞行参数,分别高保真地仿真了起飞和巡航两个阶段机载气象雷达不同工作模式下的杂波图,反映了实际的运行情况,最后建立了杂波图数据库。

基于SSA-CNN的航空器着陆跑道占用时间预测

国内外相关研究表明,航空器着陆跑道占用时间(aircraft arrive runway occupation time,AROT)是影响机场跑道容量的重要因素,对跑道占用时间的准确预测有利于更准确地评估跑道容量。由于着陆过程的动态性和复杂性,采用注重数据特征提取的卷积神经网络(convolutional neural networks,CNN)对AROT进行预测,针对CNN容易陷入局部最优等缺点,采用麻雀搜索算法(sparrow search algorithm,SSA)对CNN相关参数进行优化。数据采用航空器快速存取记录器(quick access recorder,QAR)的记录作为数据源,涵盖机场数目为34个。根据QAR数据分析AROT影响因素,构建了SSA-CNN预测模型。对QAR数据分析表明AROT与滑行距离、落地气温、跑道入口速度、快速脱离道数量、脱离速度关联性较强,与航空器重量、风速、风向、脱离道角度等影响因素关联性较低。根据影响因素的关联性采用CNN预测模型均方误差为18.35,而优化后的SSA-CNN预测模型均方误差为17.31,预测结果可以为机场评估跑道容量提供参考。

基于QAR数据的飞行员飞行操作风格研究

为减少或避免由飞行员操作导致的不安全事件发生,保障民航航班运行安全,深入探究飞行员飞行操作过程中的整体倾向性和飞行员操作风格。基于某B737-800型机队快速存储记录器(QAR)数据,首先,提取多个飞行阶段飞行员操作风格的特征参数,构建数据集;然后,采用高斯混合模型(GMM)聚类的方法对数据集分类;最后,运用方差分析方法,分析不同操作风格影响下的飞机状态。结果表明:该机队飞行员驾驶风格能够划分为有明显差异的3类,分别为激进型、普通型和保守型;相同操作风格飞行员的飞行操作表现出整体相似的特征;不同操作风格飞行员操控下飞机飞行状态具有显著性差异。利用QAR数据能够较为准确地判断机队飞行员的操作风格,识别飞行员操作整体特征,并评估不同操作风格飞行员在飞行实践中的操作风险,进一步辅助规范飞行员操作行为,提升飞行员操作能力。

随机森林算法在擦机尾事件预测中的应用研究

为实现对擦机尾事件的预测,研究提出一种以非超限飞行数据为基础,运用随机森林算法建立擦机尾事件的预测模型。首先,以B737-800机型的数据为基础,根据对着陆运行过程及擦机尾形成机理的分析得出影响着陆擦机尾事件的特征参数。其次,利用袋外数据计算不同特征的重要性分数,并以此为基础提取适用于随机森林预测的最优特征组合。最后,运用随机森林算法建立着陆擦机尾事件预测模型并与支持向量回归和长短期记忆网络模型进行对比。运用随机森林所建立的航空器擦机尾预测方法可以有效利用大量存在潜在价值的数据,实现对擦机尾风险告警的关口前移的目的。结果显示:在着陆前7 s预测的情况下,所建模型测试集的决定系数在0.85以上,且在改变数据规模的情况下仍能保持预测精确率,与支持向量回归和长短期记忆网络相比,随机森林模型具有较好的拟合度和更高的预测精度,可为飞行员提供足够的反应时间来采取必要的措施,进而避免擦机尾事件的发生。

基于集成学习的航空器着陆跑道占用时间预测

为准确预测航空器着陆跑道占用时间,提出了一种基于集成学习的航空器着陆跑道占用时间预测模型。首先,根据航空器机载QAR数据处理后得到的航空器影响因素,利用皮尔逊积矩相关系数进行相关性排序;其次构建了基于stacking集成学习策略的预测模型,实现了对着陆跑道占用时间的预测;最后通过模型评价指标对比了各预测模型预测精度。实验结果表明,提出的集成学习预测模型的准确性更高,可为机场实际运行效率提升提供理论依据。

基于数据驱动的主燃油计量装置故障诊断

为建立主燃油计量装置的故障诊断方法,提出一种基于快速存取记录器(QAR)数据的燃油计量参数估计模型建模方法,并结合液压机械控制装置工作原理,给出了基于燃油计量参数残差设计的主燃油计量装置故障诊断方案。设计基于系统辨识的燃油计量活门位置(FMVP)估计模型,采取降阶处理策略以提高模型的估计精度和动态响应速度,在此基础上给出基于多项式拟合的燃油流量(FF)估计模型。结果表明:所建立的FMVP模型估计残差不超过±2%,FF估计模型残差不超过±5%;该方案能够有效地诊断出燃油计量活门故障、线性可变差动位移传感器故障和热式流量计故障。该方案结构简单,不需要大量的调试技术,提高了故障检测精度,具有工程应用前景。

民航发动机巡航阶段排放扩散模型研究

民航发动机大量的排放物给全球气候的变化增加了贡献度,为了进一步研究航空排放对环境的影响,国际上已经进行了大量有关排放、扩散方面的研究,如美国机场的EDMS系统计算机场各种污染物浓度并得出其扩散模式等,但对飞机巡航阶段排放物扩散状况的研究很少。从机载QAR数据中提取相关参数,采用高斯扩散理论,着重研究了民航发动机在巡航阶段排放扩散模型,用MATLAB对发动机CO2排放进行了数值模拟,为进一步建立排放物扩散控制体系或方法提供依据。

基于油耗模型的着陆阶段参数优化分析方法

由于飞机在着陆阶段的飞行环境复杂且飞行员操纵参数众多,对飞机的飞行安全提出了严峻考验。因此,以飞机着陆阶段的油耗模型为例,提出了参数优化分析方法,优化影响油耗的参数,从而简化飞行操作。结果表明,优化后,影响飞机着陆阶段燃油消耗的因素由十个减少为四个,并且油耗预测模型的预测精度基本不变,模型结构简洁,从而更好地保证了飞机飞行安全。

多元线性回归在引气系统故障诊断中的应用

针对利用快速存取记录器(QAR)数据进行民机系统故障诊断问题,以民机引气系统为对象,提出了一种适合多飞行循环数据特点的多元线性回归模型的故障检测方法.首先建立了多飞行循环数据的引气系统性能多元线性回归模型,设计了飞行循环和飞行循环内故障检测方法;然后采用最大后验估计方法进行模型参数估计;最后设计了适合多飞行循环数据的模型参数最大后验估计算法.借助仿真数据和航空公司收集的实际飞行数据对方法进行了验证,结果表明了该方法有效且具有一定工程应用价值.

一种基于SVR的飞机巡航段油耗预测方法

针对飞机巡航段燃油消耗量预测问题,提出一种基于支持向量回归机(SVR:Support Vector Regression)的预测建模方法,并应用Grid-Search参数寻优法优化模型参数,基于真实QAR数据建立SVR预测模型,并从平方相关系数和平均绝对百分误差两个不同指标与BP神经网络模型的预测结果进行比较,比较结果表明:SVR预测模型的预测结果精度高。

EGARCH模型和分位数自回归类模型在风险预测中的比较

利用了三种时间序列模型对中美汇率的风险进行一步向前滚动预测。(1)EGARCH模型,它可以刻画金融资产收益率的尖峰厚尾现象,异方差性,波动集聚性和杠杆效应。(2)非常适合具有异方差性的QAR模型,该模型不需要假定误差项的分布,可以很好地刻画条件异质性,在模拟具有尖峰厚尾的金融数据时,得到了广泛的应用。(3)T-QAR模型,该模型可以通过门限变量控制分段线性函数,进而刻画金融资产具有的非线性性和非对称性。最后,对三种模型的预测效果进行了VaR回溯检验,结论是T-QAR模型的预测效果最佳,而EGARCH模型的预测效果最差。

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。